fbpx

Prescriptive Analytics bei Verbund – Tools, Infrastruktur und Sicherheit auf dem Weg zum Data driven Business

by Annecilla Sampt

  • Welche Rolle Geschwindigkeit und präskriptive Methoden haben und welche Anforderungen sich daraus auf Infrastruktur, Technologie und Prozesse ergeben
  • Welche Rolle IT und Fachabteilungen dabei spielen
  • Warum reaktive IT-Sicherheit im data driven Business nicht mehr ausreicht

Als Österreichs größter Energieerzeuger hat man sich bei VERBUND zum Ziel gesetzt, die Energiezukunft des Landes aktiv zu gestalten. Immerhin zählt man innerhalb Europas zu den größten Wasserkraft Produzenten und ist von der Stromerzeugung über den Transport von Strom bis zum Handel und Vertrieb in allen Bereichen des Strommarktes aktiv. In Zeiten der Digitalisierung bedeutet das Gestalten der Energiezukunft, insbesondere auch mit Daten innovativ und verantwortungsvoll umzugehen.

CIO Stefan Zierlinger sagt uns im Bloginterview, welche wichtigen Initiativen es in diesem Umfeld gibt und welche Rolle dabei Data Science und IT-Infrastruktur spielen.

Stefan Zierlinger und knapp 500 weitere hochkarätige IT-Manager treffen Sie bei Österreichs größtem IT-Treffpunkt, dem 13. Confare #CIOSUMMMIT.

  • Wieviel Geschäftspotenzial steckt tatsächlich in den Datenschätzen des Unternehmens? Wie können sie genutzt werden?

Es steckt viel Potenzial in den auch schon genutzten Datenbeständen, welches es durch mehr „Rechtzeitigkeit“ und „präskriptive“ Analytics auszuschöpfen gilt. „Rechtzeitiger“ agieren kann man, wenn man sich von der Batchverarbeitung in Richtung Echtzeit bewegt. Dies passiert in den Online-Anwendungen und analytischen Bereichen durch Nutzung von Echtzeitpipelines in „Data Lakes“ oder auch im „Data Warehouse“.
Mehr Potenzial als eine reine „deskriptive“ (vergangenheitsorientierte) Datenverarbeitung haben „präskriptive“ (handlungsempfehlende) Analytics. Dabei gehen wir nach den folgenden vier Schritten vor:

1. Beschreiben: Gibt es Muster innerhalb der Daten und was bedeuten diese?
2. Vorhersagen: Was wird wann und warum passieren?
3. Entscheiden: Wie können die Vorhersagen genutzt werden?
4. Effekte: Wie werden sich diese Entscheidungen auf andere Dinge auswirken?

Es gibt bei uns einige Initiativen in Richtung Echtzeit und präskriptive Analytics, beispielsweise bei der Handelsstrategie, Kundenbindung oder Einsatzoptimierung. Nutzen kann man das Geschäftspotenzial durch die Erarbeitung von Datenservices, die aus vielen Rohdaten und Streams durch Kombination und Algorithmen „Wissen“ erzeugen. Die Datenservices wirken sich nach innen auf die Prozesse aus (z.B. bei Trading-Preisvorhersagen), könnten aber auch künftig unseren Kunden angeboten werden (z.B. im Energiemanagement).

  • Was waren bisher die Show Stopper dabei, die Möglichkeiten für Big Data und Analytics auszuschöpfen?

Als größten Show Stopper möchte ich hier die mangelnde Übersicht über die Datenbestände nennen. Hier kann ein Metadatenkatalog, sowie organisatorische Maßnahmen zur Etablierung von Datenqualität und der Definition von Verantwortung Abhilfe schaffen. Ein weiterer Faktor ist, dass IT-Projekte zur Hebung der Potenziale sehr aufwändig sind. Wir setzen hierbei auf mehr Self-Service auf verschiedenen Ebenen:

  • Datentransfer Self-Service via Streamsets.
  • Leichterer Zugang vom Business zu Daten, verringerte Nutzung von Excel (Verwendung eines aktuellen BI-Tools).
  • Einsatz von AutoML, um Machine Learning leichter zugänglich zu machen.
  • Einsatz von MLOps für eine leichte end-to-end Bereitstellung der Ergebnisse der Data Scientists in operativen Prozessen.
  • Wie sieht dabei die Rollenverteilung von IT und Business aus? Wie sehr kann der Anwender mitgestalten?

Besonders wichtig ist eine gute Organisation mit schlagkräftigen Teams. Es muss eine gemeinsame Definition der Wertschöpfung in den verschiedenen Gesellschaften geben (übergreifende Kernkompetenz Data Science). Die IT wird zukünftig eher im Bereich Data Engineering vertreten sein. Das Business wird hingegen im analytischen Part (noch) stärker werden. Der Anwender soll so viel wie möglich selbst mitgestalten, die Grenzen zwischen IT und Business müssen in diesem Bereich verschwimmen.

  • Wie ist dabei die Rolle der Data Scientists? Was sind die Voraussetzungen für Ihre Arbeit?

Die Data Scientists helfen besonders im Bereich der deskriptiven, prädiktiven und präskriptiven Analytics mit ihrem Methodenwissen zu Algorithmen. Eine wichtige Voraussetzung ist die Ergebnisgewinnung aus verschiedenen Datenquellen. Die effiziente Nutzung dieser Ergebnisse muss aber etabliert werden. Werden Ergebnisse gut genutzt, steigt auch die Zufriedenheit der Data Scientists.

  • Welche Anforderungen ergeben sich an die Daten-Infrastruktur?

Im Bereich Cloud lautet das Stichwort “dynamisches Compute” (Modellentwicklung und -ausführung). Bei den On-Premises braucht es hingegen “definiertes Compute” und Ad-hoc-Analysen. Zudem muss ein günstiger Datenspeicher bzw. ein Archiv gefunden werden. Metadaten-Tools, sowie ein pragmatischer Ansatz für Data Governance sind ebenfalls erforderlich.

  • Und wie sehen die technischen Anforderungen aus? Welche Tools und Infrastruktur sind erforderlich?

Im Umfeld Data Science sind für uns die folgenden drei Bereiche interessant:

  • Compute
  • Data Warehouse
  • Storage

Die Funktionalität und Kosten der Technologien und der Basisplattformen stehen dabei im Vordergrund. Eine praktische Verprobung der verschiedenen Plattformen wird mit den Data Scientists vorgenommen, die strategische Betrachtung wird extern unterstützt.

  • Wenn Daten geschäftlich an Bedeutung gewinnen, was bedeutet das für die Sicherheitsanforderungen? Wo gibt es hier Handlungsfelder?

Daten waren ja immer schon wichtig (z.B. Kundendaten), aber es gibt natürlich Aspekte, die heutzutage extrem an Bedeutung gewonnen haben. Derzeit bewegt sich alles in Richtung Cloud – damit müssen wir umgehen lernen. Viele Geschäftsbereiche sind heute schon in der Cloud unterwegs, aber an den „Reibungsflächen“ zwischen Cloud und On-Premises muss man Vorsicht walten lassen. Da alles immer „schneller“ wird, ist reaktive Cyber Security nicht mehr ausreichend. Das bedeutet, dass sich auch in diesem Bereich die Analytics von einer deskriptiven zu einer prädiktiven und präskriptiven bewegen werden.

#CIO2020

Confare #CIO2020

Die Teilnahme ist für CIOs, CDOs und IT-Manager mit KEINEN Kosten verbunden.
Gilt nicht für Hersteller oder Dienstleister aus den Bereichen Software, IT-Dienstleistungen oder Unternehmensberatung.

JETZT ANMELDEN!

Für Sie ausgewählt

Leave a Comment