Im dritten Teil unserer Blog-Artikel-Serie „Neues aus IX Research & Development“ unterhalten wir uns heute mit Dr. Sylwester Radomski, dem Teamlead Data Science & AI bei Innoplexia. Neben technologischen Aspekten wird hierbei auch auf kundenspezifische Lösungen aus dem Data Science Umfeld eingegangen. Wir wünschen viel Spaß beim Lesen.
Innoplexia Redaktion: Hallo Sylwester, seit wann bist Du bei Innoplexia und was ist Dein genaues Aufgabengebiet?
Dr. Radomski: Ich bin nun seit etwas mehr als eineinhalb Jahren bei Innoplexia tätig und baue hier den Kompetenzbereich Data Science & AI auf und aus. Gemeinsam mit meinem Team bearbeiten wir analytische Fragestellungen und nutzen hierbei – je nach Komplexität der Aufgabe – moderne Methoden aus dem Bereich Data Science und Künstliche Intelligenz.
Innoplexia Redaktion: Was ist denn eigentlich Data Science, früher hat man doch eher den Begriff Business Analytics genutzt?
Dr. Radomski: Der Begriff Data Science ist nun seit einigen Jahren etabliert und in seinem Kern steht die interdisziplinäre Sicht auf Daten. Dieses Themenfeld war vor allem darin begründet, dass verschiedene wissenschaftliche Disziplinen und Wirtschaftszweige ähnliche analytische und statistische Fragestellungen hatten und Experten aus den verschiedenen Bereichen– auch begünstigt durch digitale Kommunikationskanäle – sich immer mehr miteinander austauschten. Gleichzeitig ist die Welt durch digitale Kommunikationskanäle und Geschäftsmodelle weitaus komplexer und immer dynamischer geworden. Breite Erfahrung und multidisziplinäre, analytische Kompetenz sind heutzutage meistens erfolgversprechender als langfristig erworbene Branchenkompetenz und -wissen. Dies stellt vor allem für traditionsreiche oder kommunale Unternehmen eine große Hürde dar. Ein weiterer wichtiger Baustein des Aufkommens von Data Science ist der Fortschritt in der Forschung zum Themenkomplex der Künstlichen Intelligenz. Dank Frameworks wie TensorFlow von Google ist der Einstieg in die Nutzung dieser Methoden deutlich einfacher geworden, als es noch vor einigen Jahren der Fall war.
Dr. Sylwester Radomski, Teamlead Data Science & AI bei Innoplexia.
Innoplexia Redaktion: Innoplexia liefert klassischerweise Insights zum digitalen Marktumfeld für Experten und Entscheider aus den Bereichen Marketing und Vertrieb. Wie genau unterscheiden sich Deine Aufgaben davon und wie bringst Du die Expertise Deines Teams hierbei ein?
Dr. Radomski: Die diesbezüglichen Übergänge sind eigentlich fließend. Wir versuchen unsere analytischen Kompetenzen sowohl in die Standardprodukte von Innoplexia zu integrieren als auch parallel zum Kern-Business analytische Sonderprojekte zu bearbeiten. Im Grunde profitieren auch beide Bereiche voneinander: Wenn wir beispielsweise im Rahmen von analytischen Projekten neuartige Methoden einsetzen, werden wir diese auch versuchen in Standard-Produkte mit einfließen zu lassen. Ein Beispiel hierfür ist die Innoplexia Discovery Map. Hierbei handelte es sich zunächst um ein analytisches Projekt für einen Immobilien-Investor, welches sich inzwischen zu einem erfolgreichen Standardprodukt des Unternehmens entwickelt hat.
Innoplexia Redaktion: Hast Du Beispiele für Dienstleistungen, welche Dein Team für Zielgruppen außerhalb von Marketing und Vertrieb bereits erfolgreich bearbeitet hat?
Dr. Radomski: Ja, beispielsweise arbeiten wir mit einem schnell wachsenden Kunden aus der Spielwarenbranche zusammen. Um sein schnelles Wachstum organisch zu finanzieren muss die Firma sehr ökonomisch mit allen Ressourcen umgehen. Das betrifft vor allem die Bereiche Absatzplanung und Logistik. Da das besagte Unternehmen stetig neue Märkte erschließt und neue Produkte veröffentlicht, ist es unabdingbar, die geschäftlichen Zusammenhänge stetig zu analysieren und im Bedarfsfall zu optimieren. Die Grenzen zwischen den tatsächlichen Spielwaren und deren Präsenz in klassischen sowie sozialen Medien sind heutzutage sehr fließend. Deshalb überwachen wir zukünftig für unseren Partner beispielsweise Kanäle wie YouTube, um frühzeitig Trends innerhalb der Spielwarenbranche zu erkennen. Dieser Analysebereich ist aber – wie bereits angedeutet – gerade erst im Aufbau.
Ein weiteres Beispiel war ein Analyseprojekte aus dem Bereich Forderungsmanagement. Unternehmen in dieser Branche kaufen Schulden ein und haben dann den Auftrag, diese Schulden im Vergleich zum Einkaufspreis mit Gewinn wieder einzufordern. In genau diesem Tätigkeitsfeld haben wir eine langfristig ausgelegte Kooperation mit einem mittelständischen Inkasso-Unternehmen vereinbart. Vor zwei Jahren hatte die Firma noch fünf Mandanten aus zwei verschiedenen Branchen. Inzwischen ist der Kundenstamm auf fast zwanzig Mandanten aus mehreren Branchen angewachsen. Ebenso ist das durchschnittliche finanzielle Volumen der Forderungen stark angestiegen. Das alles wurde erreicht, indem wir die Effektivität der einzelnen Schritte im Forderungsprozess analysiert haben und somit eine empirische Steuerung möglich gemacht haben, sodass neue Märkte erschlossen werden konnten.
Innoplexia Redaktion: Welche Methoden werden hierbei typischerweise angewandt?
Dr. Radomski: Wir nutzen Methoden wie Regression, Clustering oder Klassifizierung. In vielen Fällen genügt es jedoch bereits, das vorhandene Datenmaterial sauber aufzubereiten und zu visualisieren. Technologisch bewegen wir uns ansonsten in der R Studio Umgebung. Für das Erstellen von interaktiven Dashboards oder Präsentationen nutzen wir Flexdashboard und Shiny. Das Framework TensorFlow findet vor allem im Rahmen von KI-Projekten häufige Anwendung. Als Verbindungselement bzw. Abstraction-Layer zwischen R und TensorFlow nutzen wir Keras. Die zu bearbeitenden Daten werden – abhängig von den Kundenwünschen und von der Datenmenge – entweder lokal oder in der Google Cloud verarbeitet.
Unsere Technologieplattform ist jedoch nicht in Stein gemeißelt. Bei einem derart lebendigen Aufgabenfeld wie Data Science sind wir stetig dabei, unsere Methoden und Toolkits zu verändern und zu erweitern. Momentan überprüfen wir auch die SAP Analytics Cloud und einige weitere interessante Alternativen.
Innoplexia Redaktion: Hast Du einen analytischen Lieblings-Case und warum ist es genau dieser?
Dr. Radomski: Mein persönliches analytisches Highlight stammt aus dem Bereich Human Resources. Dieses ist mein Lieblings-Case, da es die Analytik mit unserem Innoplexia-Kerngeschäft verbindet. Ursprung dieses Projektes war eine Arbeit, welche ich gemeinsam mit Studierenden der SRH Hochschule Heidelberg zur Demographie des Arbeitsmarktes durchführte. Das Leitmotiv hierbei war der entstehende, massive Fachkräftemangel durch die Abwanderung von zahlreichen älteren Jahrgängen in den Ruhestand und dem gleichzeitig unzureichenden Nachkommen von jüngeren Jahrgängen in den Arbeitsmarkt.
Hier konnten wir anhand eines anonymisierten Mitarbeiter-Datensatzes aus der Vergangenheit Schlüsse ziehen, welche Faktoren Arbeitnehmerinnen und Arbeitnehmer zu einer Kündigung bewegen. Auf Basis dieser Faktoren können nun regelmäßig gezielt Risikogruppen von Angestellten angesprochen werden und mit entsprechenden Maßnahmen und Benefits im Unternehmen gehalten werden. Zusätzlich zu diesen internen Daten wurden auch Daten aus Job-Portalen erhoben und analysiert, um Nachfrage-Impulse frühzeitig aufzudecken. Allgemein kann auch gesagt werden, dass Arbeitnehmer heutzutage nicht wirklich aktiv kündigen möchten, sondern eher von anderen Arbeitgebern aus ihrem aktuellen Unternehmen „herausgezogen“ werden.
Innoplexia Redaktion: Gibt es noch zukünftige Pläne für den Ausbau Deines Fachbereiches?
Dr. Radomski: Wir müssen und werden den Fachbereich Data Science & AI aufgrund von immer höher werdender Auslastung ausbauen und suchen deshalb auch stetig nach neuen Talenten im Data Science Umfeld. Da fast kein Projekt dem anderen gleicht und man sich in dieser vergleichsweise jungen Disziplin stetig selbst weiterbilden muss, bietet dieses Berufsfeld wahnsinnig viel Faszination und Abwechslung.
Innoplexia Redaktion: Wir danken Dir vielmals für das Interview, Sylwester.
