Verbessern Sie ihre Data-Science-Aktivitäten mit Data Enrichment

Autor: Mads Toubro, Senior Vice President, Sales EMEA bei Precisely/gg

In den letzten Jahren hat der Data-Science-Bereich große Fortschritte gemacht. In den meisten Unternehmen sind sich Entscheidungsträger bewusst, dass mehr Anstrengungen unternommen werden müssen, um sowohl interne als auch externe Daten mit Hilfe fortgeschrittener Analysemethoden vollumfänglich auszunutzen. Das Verständnis für die zukünftige Rolle, welche maschinelles Lernen und KI einnehmen werden, ist vorhanden – die Herausforderung beginnt mit der Frage wie man anfängt, diese Quellen zielgerichtet zu nutzen.

Bildquelle: iStock

Zahlreiche Betriebe haben damit begonnen, Daten zu erheben, zu sammeln und diese für eine zukünftige Verwendung zu speichern, von textbasierten Daten wie zum Beispiel Nutzer-Rezensionen, Social Media Posts (manchmal komplett oder teilweise unstrukturiert) bis hin zu ERP-Transaktionsdaten. Das reine Sammeln und Organisieren sowie das Speichern für eine spätere Nutzung bilden den Grundstein für die zukünftigen Vorteile von Data Analytics dieser Firmen.

Viele von ihnen sind bereits gut positioniert, um auf Basis bestehender Daten signifikante Zugewinne in der Wertschöpfung zu erzielen – Data Enrichment macht dies möglich. Es bietet leicht zu verwirklichende Ergebnisse in Bezug auf Erkenntnisse aus dem Gesamtbusiness, welche unmittelbar verwertbar sind.

Laut einer 2021 durchgeführten Umfrage von „Transforming Data With Intelligence (TWDI)“ nutzen bereits rund 30 Prozent der befragten Unternehmen externe Daten. Ebenfalls 30 Prozent haben den Gebrauch externer Daten für den Verlauf des kommenden Jahres geplant. Trends im Bereich raumbezogener Geodaten zeigen ähnliche Muster: Zirka ein Drittel der Firmen benutzen Lokalisierungsdaten in der ein oder anderen Form. Weitere 25 Prozent haben gemäß der TWDI-Umfrage vor, raumbezogene Geodaten innerhalb des kommenden Jahres zu nutzen.

Mads Toubro (Bild: Precisely)

Diese Trends zeigen ein wachsendes Verständnis dafür, dass Unternehmen versuchen, Werte aus ihren internen Daten zu ziehen. Data Enrichment bietet hierfür einen guten Startpunkt.

Was ist Data Enrichment?

Fern Halper, Studiendirektor für Advanced Analytics bei TWDI, definiert Data Enrichment als „den Prozess, Unternehmensdaten mit verschiedenen Daten unterschiedlicher Drittanbieter und sonstiger Datenquellen zu kombinieren.“ Ein typisches Beispiel kann sein, dass ein Unternehmen versucht, seine Kunden besser zu verstehen. Die Kombination aus bestehenden Daten aus dem Unternehmen mit externen demographischen und Verhaltensinformationen verhilft dem Unternehmen, ein tiefgehendes und nuanciertes Verständnis für seine Kunden aufzubauen. Ein Telekommunikationsanbieter kann zum Beispiel mehr über das Alter, den familiären Status oder spezifische Lebensumstände und -ereignisse in Erfahrung bringen und somit auf mögliche Szenarien reagieren: sei es ein möglicher, sich anbahnender Anbieterwechsel oder eine Gelegenheit zum Upsell für ein neues Produkt oder einen neuen Service.