Autor
WATCH // Google Series Talks bei Vivatechnology (englische Untertitel in der Symbolleiste aktivieren)
Vincent Luciani, Co-CEO von Artefact debattiert mit Dounia Zouine (CDO, Unify) über ” Data Intelligence: data in Wert verwandeln “. Das Interview wird animiert von Pierre-Louis Corteel, Manager bei Google Marketing Platform France
Das Potenzial, data durch Produkt-, Dienstleistungs- oder Prozessinnovation in Wert umzuwandeln, ist immens, und Unternehmen, denen dies gelingt, übertreffen ihre Wettbewerber. Dennoch erreichen nur 30% der data-driven Transformationsprojekte ihre Ziele und scheitern oft an der Skalierung.
Auf der VivaTech 2021 habe ich Dounia Zouine, Data und Digital Director bei Unify (einer 100% Digital-Tochter der TF1-Gruppe, zu der u.a. aufeminin, Marmiton und Les Numériques gehören), und Vincent Luciani, Mitbegründer und Co-CEO von Artefact (einem data-Beratungsunternehmen und einer data marketing-Agentur), über das Potenzial von data, die Bedingungen für die Skalierung und die zugrundeliegenden Probleme befragt.
Vincent, der Slogan von Artefact lautet “Wert durch Data”. Was denken Sie, wie können Marken durch data erfolgreich Werte schaffen?
Vincent: Aus unserer Erfahrung heraus können wir drei Hauptbereiche identifizieren, in denen wir eine signifikante Investitionsrendite sehen, wobei diese Liste nicht vollständig ist.
An erster Stelle steht das Marketing, insbesondere das digitale Marketing, durch eine bessere Budgetzuweisung, Kampagnenoptimierung und targeting. Die Verbesserung dieser Faktoren kann den Umsatz verdoppeln.
Als nächstes die Lieferkette, die immer mehr zu data-driven wird. Heute ist es möglich, die endgültige Nachfrage genauer vorherzusagen, indem Signale analysiert werden, die helfen, die Wahrscheinlichkeiten zu verfeinern, wie z.B. Marketinginvestitionen, Einschränkungen im Vertriebsnetz oder das Wetter. Wir schätzen, dass eine Verbesserung der Vorhersage um 10 Punkte zu einer Umsatzsteigerung von 1% führen kann. Diese Art von Verhältnis haben wir bei einem unserer Kunden aus der CAC 40-Lebensmittelindustrie gesehen, bei dem wir die Prognosen je nach Geschäftsbereich um 2 bis 10% verbessert haben.
Schließlich die Kundenbeziehungen. Ein gutes Beispiel ist das, was wir “erweiterte Beratung” nennen. Mit Spracherkennungssystemen (Natural Language Processing) ist es möglich, Callcenter-Mitarbeitern während eines Echtzeitgesprächs sachdienliche Informationen zu geben.
Führende Konzerne setzen sich heute ehrgeizige Ziele für Transformationsprogramme mit data und KI, und die Covid-Krise hat diese Dynamik nur noch beschleunigt?
Was ist Ihr strategisches data bei Unify, und wie hat es Ihre Produkte und Dienstleistungen beeinflusst?
Dounia: Bei Unify entwickeln wir eine ganze Galaxie von Medien-, Inhalts- und E-Commerce-Sites, die alle data-Quellen in Bezug auf Quantität und Vielfalt (Interesse, Absicht, Semantik, soziologisches Profil) sind. Dieses data verbessert unser audience-Wissen und ermöglicht interne und externe Nutzungen:
Die eigentliche Herausforderung hinter all dieser Arbeit besteht darin, das data nicht nur zu sammeln, sondern es auch effektiv, kontrolliert und verantwortungsvoll zu nutzen und gleichzeitig zu vergrößern. Für Unify bedeutete dies, die richtige Organisation und die richtigen Investitionen im Einklang mit unseren Ambitionen und unserem data-Vermögen aufzubauen.
Die Skalierung ist bei diesen Projekten aus vielen Gründen oft ein Hindernis, denn wir sprechen hier von einer echten Transformation, die nur schwer umzusetzen ist.
Vincent: Es stimmt, dass zu wenige data-Projekte ihr volles Potenzial ausschöpfen. In den letzten fünf Jahren wurden jedoch große Anstrengungen unternommen, um data mit Hilfe von zwei Schlüsselkonzepten zu professionalisieren: “data als Vermögenswert” und “data als Produkt”.
Data als Vermögenswert bedeutet, sein data als tatsächlichen Vermögenswert zu verwalten. Doch dazu müssen wir zunächst die “Schulden” abbauen, die sich um data herum ansammeln: die Vielzahl komplexer IT-Systeme, die sich im Laufe der Zeit überlagern, mit data-Quellen, die oft schlecht dokumentiert, schwer zugänglich und manchmal widersprüchlich sind.
Um diese “Schuld“ zu beseitigen, müssen wir die wichtigsten data-Domänen identifizieren und organisierte Ebenen schaffen, die die Qualität verbessern, standardisieren und data zugänglich machen. Es entstehen neue Profile von “data-Domänenmanagern” oder “data-Verwaltern”, die für die Pflege und Verbindung von data-Quellen verantwortlich sind, um deren Nutzung zu sichern.
Data als Produkt bedeutet, echte Software zu entwickeln, die es Unternehmen ermöglicht, data unabhängig zu visualisieren, zu nutzen und zu manipulieren. Software, die in Informationssysteme integriert und im Laufe der Zeit gepflegt werden muss.
Das ist schwieriger als es klingt, denn es erfordert ein grundlegendes Umdenken in der Arbeitsweise von data-Wissenschaftlern und spezielle Ansätze (wie MLOps), Produktverantwortliche und Tools zur Steuerung, Orchestrierung und Pflege von Algorithmen (wie Vertex, das neue Orchestrierungs-Tool von Google).
Die Umwandlung von data in einen nutzbaren Vermögenswert, die Umwandlung in “Produkte”, die von den Geschäftsbereichen verwendet werden können, und die anschließende Pflege dieser Produkte im Laufe der Zeit... Ein Projekt wie dieses erfordert neue Fähigkeiten. Wie passt sich Ihr Unternehmen an?
Dounia: Um ganz offen zu sein, ist das Thema Organisation - insbesondere data governance - eine der größten Herausforderungen für uns, und wir versuchen, in enger Zusammenarbeit mit unserer IT-Abteilung voranzukommen. Es ist umso schwieriger, weil wir bei data-Projekten oft die Kosten vor dem Gewinn sehen.
Deshalb haben wir mit den Anwendungsfällen begonnen, die den Umsatz von Unify am ehesten steigern würden, und so nach und nach die Denkweise verändert und Vertrauen aufgebaut. Ohne Vertrauen gibt es keine Veränderung.
Was uns letztendlich am meisten geholfen hat, war das interne data-Fachwissen und eine proaktive Organisation. Wir haben die Tools, Fähigkeiten und die technische Basis zentralisiert.
Jetzt, da wir die Reife erreicht haben und den Wert klar erkennen können, ist uns klar, dass wir für eine weitere Skalierung Fähigkeiten in den Bereichen data-Qualität, Sicherheit und Governance benötigen.
Eine Ausweitung setzt eine gewisse Reife der organisatorischen data Erfassung, Sicherheit, Bereitstellung und Nutzung voraus. Sie wirft auch neue ethische Fragen auf.
Vincent: Ja, bei der Verbreitung von artificial intelligence muss man besonders vorsichtig sein, da unbeabsichtigte Verzerrungen entstehen können, wenn man historisches data verwendet, das selbst verzerrt ist.
Wenn zum Beispiel die data-Datenbank eines Kreditinstituts mehr Männer als women enthält, könnte ein Algorithmus das Geschlecht als Auswahlkriterium interpretieren, was niemand will.
Aus diesem Grund müssen Entscheidungen, die von Algorithmen getroffen werden, dokumentiert und überwacht werden (Erklärbarkeit), um sicherzustellen, dass sie mit dem Ethikkodex der Institution und mit der Ethik im weitesten Sinne übereinstimmen.
Ohne Ethik gibt es kein Vertrauen. Ohne Vertrauen gibt es keine Veränderung.
