Ein Blog von Michael Homborg, Category Manager Primeflex Central Europe bei Fujitsu

Zu den meistgesuchten IT-Fachkräften dieser Tage gehören Data Scientists. Die vergleichsweise neue Rolle hat sich binnen kurzer Zeit zum Objekt der Begierde gemausert: bei Fachabteilungen – insbesondere denen mit Kundennähe – und beim Business. In der IT dagegen weiß man: die klügsten Data Scientists nützen nichts, wenn die IT-Infrastruktur nicht stimmt.

Das wichtigste: Ihre Daten

Data Scientists können mehr als Data Analysts – wenn man sie denn lässt. Sie müssen das Versprechen, dass aus Daten neue Geschäftsmodelle generiert werden können, in Zahlen und Fakten umsetzen. Dafür brauchen sie nicht nur sehr gute Kenntnisse in Statistik und Stochastik sowie in diversen Programmiersprachen, sondern auch Verständnis für die Use Cases ihres Unternehmens. Vor allem aber brauchen sie eins: den schnellen, einfachen Zugriff auf valide Daten. Und hier sind wir beim Thema: „wenn man sie arbeiten lässt.“

Wer mit den zahlreichen Service Providern rund um Daten-Management spricht, hört oft den Satz: „Data Cleansing ist das Erste, was sie aus dem Angebot streichen.“

Unternehmensleitungen legen großen Wert auf hippe neue Apps für die Endverbraucher*innen. Doch dass deren Verfügbarkeit und Nutzen von den Daten an sich abhängt, scheint sich noch nicht durchgesetzt zu haben. Sind diese Daten nicht sauber, akkurat und vollständig, schwankt das ganze Geschäftsmodell, das auf ihnen basiert.

Unser Tipp: Vermeiden Sie Silos

Der nächste Punkt ist der Zugriff auf diese Daten. Stecken sie in Silos fest, nützen sie den Data Scientists nichts. Weil sie sie gar nicht oder zu spät finden. Wie sollen sie dann agil arbeiten? Es gibt Unternehmen, in denen sich der Vertrieb weigert, dem Marketing Daten weiterzugeben (oder umgekehrt). Hier müssen die Firmenleitungen Wege finden, den Wert eines Datums zu beziffern und die Weitergabe entsprechend zu honorieren. Das ist eine organisatorische Frage – daneben gibt es ganz handfeste technische Fragen.

Das heißt konkret: Vor allem blockiert es Data Scientists, wenn Storage, Netzwerk, Server und Security in verschiedenen Silos stecken. Je mehr Schnittstellen, je mehr verschiedene Datentöpfe, Quellen und Formate, desto langsamer das ganze Unternehmen. In einem Software-definierten Data Center (SDDC) dagegen ist die gesamte IT-Infrastruktur virtualisiert. Neben dem großen Vorteil der Skalierbarkeit lassen sich neue Funktionen deutlich einfacher integrieren als in einem klassischen Rechenzentrum.