Hands-on Action Engine Training Webinar
Alles was Sie wissen mรผssen, um Ihre Insights in die Tat umzusetzen!
Jetzt Registrieren
neosightpost.jpg

Process Mining: Der fehlende Zusammenhang zwischen Daten- und Prozesswissenschaften

By Sรฉbastien Duprez
6 min read

Wir leben in einer extrem vernetzten Welt, einer Gesellschaft, in der der Zugang zu Informationen und Daten einfacher ist als jemals zuvor in der Geschichte. Begriffe wie โ€œBig Dataโ€ und โ€œData Scienceโ€ sind so schnell in die Umgangssprache eingetreten, dass nur wenige Menschen die damit verbundenen tiefgreifenden Verรคnderungen verstehen. Verรคnderungen, die den Alltag von uns allen betreffen und die Unternehmen offensichtlich zur Weiterentwicklung anregen.

Diejenigen, die sich nicht schnell genug entwickeln, sind unweigerlich dazu verurteilt zu verschwinden.

Beratungsunternehmen wie neosight haben die Aufgabe, diese Entwicklungen zu verstehen und zu erfassen, unseren Kunden zu helfen, sie zu nutzen und zu transformieren: ihre Informationssysteme zu transformieren, ihre Prozesse zu transformieren, ihre Organisation zu transformieren. Deshalb mรถchte ich in diesem Blogbeitrag einige Gedanken zu einer Reihe dieser Schlรผsselthemen teilen.

Big Data, eine Realitรคt, die รผber Fiktion hinausgeht

Big Data bezieht sich auf Datensรคtze, die so groรŸ geworden sind, dass sie die Intuition und die analytischen Fรคhigkeiten des Menschen รผbersteigen, sogar die der traditionellen Datenbank- oder Informationsmanagement-Computerwerkzeuge.

Big Data ist die direkte Folge einer Explosion von Informationen, die durch das Internet der Menschen (soziale Netzwerke) und das Internet der Dinge erzeugt werden, was zu einer drastischen GrรถรŸenverรคnderung fรผhrt. Um Ihnen eine Vorstellung zu geben: Das weltweit entstehende Volumen an digitalen Daten wurde 2010 auf 1,2 Zetabyte pro Jahr geschรคtzt. Laut IDC (Digital Universe Study of 2014) werden es im Jahr 2020 44 Zetabytes sein (ein Zetabyte sind 1021 oder 1.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000 Bytes).

Mit anderen Worten, allein in den letzten 2 Jahren sind mehr Daten entstanden als seit Beginn der Menschheit! Im Jahr 2020 werden jede Sekunde und fรผr jeden Menschen 1,7 Mb Daten erzeugt.

Big Data im Unternehmen

Natรผrlich, mit Ausnahme einiger weniger Giganten, die das heutige Web prรคgen und mit der Verbreitung von Daten ihr Geschรคft machen (Facebook: tรคglich mehr als 500 Terabyte neue Daten; YouTube: 400 Stunden Videos, die jede Minute online gestellt werden usw.), hat Big Data in den meisten Unternehmen eine bescheidenere Dimension.

Aber auch die Explosion des zu verwaltenden Datenvolumens ist spรผrbar: Bis Mitte der 2000er Jahre erreichten oder รผberschritten nur wenige SAP-R/3-Systeme 1 Tb. Heute ist es mit SAP ERP ein alltรคgliches Volumen (eine โ€œBasisinstallationโ€ reprรคsentiert bereits fast 250 GB mit 100 bis 150 GB reserviertem Platz fรผr Kundendaten). Einige Systeme รผberschreiten 50 TB.

Eine IDG Data & Analytics-รœbersicht aus dem Jahr 2016 zeigt, dass ein KMU/SMI durchschnittlich 47,8 TB Daten verwaltet, wรคhrend es fรผr groรŸe Unternehmen 347,6 TB (7 mal mehr) sind. Weniger als 19 % der befragten Unternehmen verwalten ein Datenvolumen von weniger als 1 Terabyte, wรคhrend es bei 7 % mehr als 1 Petabyte ist). Fรผr die meisten dieser Unternehmen ist dieses Volumen inzwischen von 60 auf 150 % gestiegen.

Data Science ist die Gegenwart!

In einem solchen Kontext ist es natรผrlich, dass Data Science, eine sehr junge Disziplin (25 Jahre alt), zu einem Muss geworden ist. Seit 2012 boomt sie. Data Science ermรถglicht es einem Unternehmen, Rohdaten zu erforschen und zu analysieren, um sie in wertvolle Informationen zur Lรถsung von Geschรคftsproblemen zu verwandeln.

neosight post1 image1

Data Science wurde nicht aus Big Data geboren, aber sie macht diese umso wichtiger. Ihr Ziel lรคsst sich ganz einfach formulieren: Es geht darum, Daten einen Wert zu geben!

Dazu greift Data Science auf verschiedene Bereiche zurรผck:

  • Mathematik: Modelle, Statistik

  • Technologie: insbesondere IT-Technologie (Algorithmen, maschinelles Lernen, etc.)

  • Geschรคft: Die Datenanalyse muss zu nรผtzlichen Schlussfolgerungen fรผr das Unternehmen fรผhren, um seine Funktionsweise zu verbessern und ihm zu helfen, hรถhere Gewinne zu erzielen.

Es ist daher nicht einfach, Datenwissenschaftler mit einem so breiten Spektrum an Fachgebieten zu finden.

Vor allem aber darf der Datenwissenschaftler das eigentliche Ziel nicht aus den Augen verlieren: dem Unternehmen die Mรถglichkeit zu geben, Werte zu schaffen.

โ€žProcess Scienceโ€œ ist die Zukunft!

Daher entwickeln sich andere Ansรคtze, die fรผr dieses Ziel besser geeignet sind. Besonders die, die wir Prozess-Wissenschaft nennen kรถnnen.

neosight post1 image2

Wie Data Science nutzt sie Informationstechnologie und mathematische Verarbeitung, aber auch Methoden des Prozessmanagements und des Betriebsmanagements.

Wรคhrend Data Science hรคufig und freiwillig auf eine โ€œagnostischeโ€ Weise verwendet wird, ist Prozess-Wissenschaft auf End-to-End-Prozessmodelle ausgerichtet und hรคngt stark davon ab. Sie verwendet die Daten, um die Prozesse detailliert zu analysieren.

Process Science ermรถglicht es somit, den Fortschritt der Unternehmensprozesse perfekt zu verstehen und mรถgliche Fehlfunktionen oder Abweichungen zu analysieren. Noch besser ist, dass sie es ermรถglicht, Antworten zu deren Beseitigung zu geben, wie z.B. Business Process Management (BPM) oder Business Process Improvement (BPI).

Es gibt eine Disziplin, die eine echte Brรผcke zwischen Data Science und Process Science bildet: Process-Mining. Ihr Prinzip besteht darin, die Prozesse des Unternehmens dank der Spuren zu erkennen, die bei der Ausfรผhrung im Informationssystem hinterlassen wurden. Process-Mining ermรถglicht den Vergleich der tatsรคchlichen Ausfรผhrung von Prozessen mit bereits erstellten oder automatisch neu erstellten Modellen.

neosight post1 image3

Bei neosight sind wir uns als Experten fรผr Unternehmens-Informationssysteme (insbesondere SAP) der erheblichen und weitgehend ungenutzten Masse an Informationen bewusst, die dort schlummern.

Aus diesem Grund sind wir ein starker Befรผrworter von Process-Mining, der es uns ermรถglicht, unseren Kunden den Wert ihrer eigenen Daten offenzulegen und vor allem diese Daten zur Verwaltung und Erleichterung der Transformationen zu verwenden, die sie durchfรผhren mรผssen, um auf ihren Mรคrkten wettbewerbsfรคhig zu bleiben.

Did you like this article?

Maybe others you know will also find it helpful.

About the author

Insights to inbox

Please fill in all the fields

Lieber Besucher, wir haben festgestellt, dass Sie eine veraltete Browser-Version verwenden. Teile dieser Seite werden von Ihrem Browser nicht korrekt dargestellt. Fรผr eine korrekte Funktionsweise der Seite empfehlen wir Ihnen, einen alternativen Browser zu verwenden oder Ihren Browser auf eine unterstรผtzte Version anzuheben.