Paid Post

Wie zahlen sich Investitionen in Analytics und KI aus?

Analytics und künstliche Intelligenz (KI) stehen bei vielen Unternehmen weit oben auf der Agenda. Das bedeutet aber noch lange nicht, dass die Investitionen auch wirklich zu einem geschäftlichen Mehrwert führen.

Feedback

Tragen Sie mit Hinweisen zu diesem Artikel bei oder melden Sie uns Fehler.

Von Dr. Gerhard Svolba, Analytic Solutions Architect bei SAS DACH

Damit die Analytics und KI ihren eigentlichen Zweck erfüllen können – Geschäftsentscheidungen fundiert unterstützen, beschleunigen und automatisieren –, müssen die zugrundeliegenden analytischen Modelle erst operationalisiert werden. Worauf es dabei ankommt und warum solche Projekte zu oft auf den letzten Metern scheitern, erklären drei Analysten- und Beratungshäuser.

IDC «Unternehmen in sämtlichen Branchen scheitern derzeit daran, Analytics in den produktiven Betrieb zu bringen. Viele von ihnen haben zwar eine datengetriebene Kultur etabliert, hadern aber noch damit, die Erkenntnisse aus der Datenanalyse wirklich in Geschäftsentscheidungen umzusetzen. Manche Unternehmen schaffen es nie, mit den Investitionen in Analytics echten Mehrwert zu generieren – oder es fällt ihnen zumindest schwer, die letzte Meile der Implementierung, Operationalisierung und Produktivsetzung von Analytics zu bewältigen.»

Deloitte «Die meisten Unternehmen wollen zwar moderne Datenanalyse nutzen, kommen aber nicht über die Experimentierphase hinaus. Wir haben Unternehmen befragt und herausgefunden: Die grössten Stolpersteine sind Schwierigkeiten bei der Implementierung, die Integration von KI in Unternehmensrollen und -funktionen, Datenprobleme (zum Beispiel im Zusammenhang mit Datenschutz, Datenzugriff und Datenintegration) sowie die Kosten für KI-Technologien und -Lösungen. Deloitte hat viel in die schnellere Verbreitung von KI investiert, unter anderem mit dem Aufbau eines SAS Center of Excellence, das für die kosteneffektive Aus- und Weiterbildung, Bereitstellung, Skalierung und das Management von KI- und Analytics-Lösungen steht.»

McKinsey «Der von Analytics und KI generierte Gesamtjahresumsatz liegt zwischen 9,5 und 15,4 Billionen US-Dollar. Aber wenn die analytischen Modelle nicht produktiv gesetzt werden, geht ein Grossteil dieses Potenzials verloren. Deshalb sind Methoden besonders wichtig, die die Modellerstellung und -implementierung beschleunigen.»

Auswege aus dem Dilemma

SAS schlägt technologisch die Brücke zwischen der Entwicklung und der Implementierung analytischer Modelle – und unterstützt Unternehmen bei der sogenannten «Last Mile» ihrer Analytics-Projekte. Mit dem Angebot SAS ModelOps will SAS Management, Operationalisierung, Monitoring, Training und Governance analytischer Modelle standardisieren und vereinfachen – und zwar unabhängig davon, ob es sich um Modelle in SAS oder aus Open-Source-Umgebungen handelt. Dazu gehören SAS Model Manager als Software und auf die konkrete Unternehmenssituation zugeschnittene Consulting-Services. Zusätzlich führt SAS mit ModelOps Health Check Assessment einen Service ein, der Unternehmen bei der Eigenbewertung und der optimalen Implementierung helfen soll. Abgerundet wird das «Hilfspaket» in Sachen Analytics mit dem ModelOps Handbook, das Unternehmen Best Practices an die Hand gibt.

Zudem ist SAS eines der Top-Unternehmen für KI. Der Analytics-Experte verzeichnete laut IDC im vergangenen Jahr ein vierfach schnelleres Wachstum für KI im Vergleich zum Gesamtmarkt. Und SAS investiert auch in die Zukunft von KI: eine Milliarde US-Dollar fliesst über die nächsten drei Jahre in Forschung und Entwicklung, Trainingsprogramme und Beratungsservices.

Weitere Informationen, wie Unternehmen mit SAS die «Last Mile» bewältigen, finden Sie hier.

Paid Post



Paid Posts werden von unseren Kunden oder von Commercial Publishing Tamedia in deren Auftrag erstellt. Sie sind nicht Teil des redaktionellen Angebots.

Blogs

Sweet Home Willkommen im Weihnachtswunderland

Mamablog Zur Erholung ins Büro?