Digitalisierung – was wir darunter verstehen
Digitalisierung
Bedeutet ursprünglich «das Umwandeln von analogen Werten in digitale Formate». Doch heute verstehen wir darunter die Optimierung und Automatisierung von Geschäftsprozessen durch IT-Systeme.
Immer mehr Aufgaben in unserer Wirtschaft und Gesellschaft werden durch IT-Applikationen effizienter, leichter, besser oder gar komplett abgelöst. Diese Transformation hin zu einer zunehmend «digitalen» Welt verheisst einen massiven Wandel mit grossen Chancen aber natürlich auch Risiken.
Viele Bereiche unseres täglichen Lebens sind davon betroffen. Kein Unternehmen und kein Staat kann es sich leisten, sich nicht mit dieser Entwicklung auseinanderzusetzen.
Big Data
Ein Synonym für das exponentiell wachsende Datenvolumen in digitaler Form und die Nutzungsmöglichkeiten die sich daraus ergeben. Zunehmend mehr Geräte, Sensoren und Applikationen erzeugen immer mehr Daten.
Dieses Potential wirtschaftlich zu nutzen ist das Ziel von «Big Data»-Vorhaben. In diesem Zusammenhang werden Daten auch häufig als «das Öl des 21. Jahrhunderts» bezeichnet.
Daten werden zunehmend als wertvolle Rohstoffe wahrgenommen, welche genutzt werden sollen aber auch einen verantwortungsvollen Umgang bedingen.
Data Engineering
Daten für die Nutzung in praktischen Anwendungen oder Analysen bereitstellen, also Daten in Form bringen. Dazu müssen Rohdaten gesammelt, modelliert, geprüft, transportiert, validiert, konvertiert, formatiert, referenziert und transformiert werden.
All das sind Aufgaben des Data Engineerings. Kurzum, das Erzeugen von Informationen aus Rohdaten.
Data Science
Das Extrahieren von Wissen aus Daten und Informationen. Dazu werden grosse Datenmengen auf Muster, Ausreisser und Zusammenhänge untersucht, um daraus Hypothesen abzuleiten und zu erhärten.
Data Science verfolgt dabei einen eher explorativen, ergebnisoffenen Ansatz mit dem Ziel neue Erkenntnisse zu gewinnen.
Data Analytics
Die gezielte statistische Analyse und Auswertung von Datensets und deren grafische Aufbereitung in Reports.
Die Datenanalytik verfolgt meist einen zielgerichteten Ansatz um bekannte oder vermutete Sachverhalte darzulegen. Die Überlappung zwischen Data Science und Data Analytics ist jedoch gross.
Business Intelligence / DWH
Das gezielte Sammeln und Auswerten von Unternehmensdaten für das strategische und operative Management.
Dreh und Angelpunkt dabei ist das Data Warehouse (DWH), eine zentrale Datenbank in welcher die wichtigen Unternehmensdaten zusammengeführt und aggregiert werden. Daraus werden dann verschiedene Analysen und Reports erstellt zur Unterstützung von Marketing, Governance, Produktentwicklung, Business Engineering, etc..
Data Management
ist ein sehr umfassender Begriff, der sämtliche Tätigkeiten einschliesst, die dazu dienen Datenflüsse und -prozesse zu organisieren und zu betreiben.
Data Management umfasst Themen wie Architektur, Integration, Infrastruktur, Datensicherheit/- schutz, Datenqualität, Archivierung (Information Lifecyle Management), Masterdaten-Management und weitere.
Datenmigration
Die Überführung von Dateninhalten eines Systems in ein anderes, häufig im Zuge einer Ablösung eines Alt-Systems durch ein Neues.
Die Migration der Daten ist dabei deutlich komplexer als das blosse Kopieren. In der Regel bestehen grosse strukturelle Unterschiede zwischen den Systemen in technischer wie auch fachlicher Hinsicht.
Nicht selten liegen Jahrzehnte zwischen den Systemen und damit viele innovative Entwicklungen. Dieser «grosse Graben» muss durch die Datenmigration überbrückt werden.
Machine Learning, Artificial Intelligence, Internet-of-Things, Industrie 4.0, Blockchain
Die aktuellen «Shooting Stars» neuer Technologien welche ungeahnte Anwendungs- und Innovationsfelder versprechen.
Dabei ist nicht einfach einzuschätzen, ob es sich um einen Trend-Begriff und kurzfristigen Hype und wo es sich um eine langfristige Entwicklung und Disruption handelt.
Klar ist jedoch, dass alle diese neuen Technologien auf Daten als Basis aufsetzen.