Gastkommentar: Beginn der prädiktiven Ära

1
30.05.2017ǀ ǀ Big Data
Wael Elrifai ist Experte für IoT, Big Data und Predictive Analytics

Wael Elrifai ist Experte für IoT, Big Data und Predictive Analytics

Von Wael Elrifai, Pentaho – Die meisten Leser sind sicher so alt, dass sie sich noch an das Fotografieren im Jahr 1995 erinnern werden: wir kauften Filme, schossen Fotos und hofften das Beste, wenn wir die Bilder vom Entwickeln abholten. Der Gedanke, 20 Fotos desselben Objekts zu schießen, war ein Luxus, Profis vorbehalten. Heute ist das Minimalstandard und wir steuern auf eine prädiktive Revolution zu.

Die Computertechnik entwickelt sich rasant weiter. Wahrscheinlich werden die im Mooreschen Gesetz und in Dennards Skalierung beschriebenen Kräfte viele der Ideen verändern, die wir mit technologischer Weiterentwicklung assoziiert haben. Im Jahr 2025 werden nicht schnellere, billigere und kleinere Computer im Vordergrund stehen, sondern Vorhersagen und deren Anwendung. Früher war die Fotografie vor allem ein verfahrenstechnisches Problem – und ein teures obendrein. Heute werden Speichermedien immer größer und billiger, LCDs und Monitore immer ausgereifter, und Drucker erledigen Aufgaben, die früher nur Profi-Fotostudios leisten konnten. Das verfahrenstechnische Grundproblem wurde auf den PC zu Hause verlagert – dank dramatisch gesunkener Preise bei der Computertechnik.

Ähnliche Kräfte sind bei der Vorhersage wirksam.

Da im nächsten Jahrzehnt die Computer- und Speicherpreise weiter fallen und prädiktive Techniken, wie maschinelles Lernen, immer besser werden, eröffnen sich für die Vorhersage-„Toolbox“ ungeahnte Anwendungsmöglichkeiten. Noch vor wenigen Jahren konnten wir uns selbstfahrende Autos nur in sehr kontrollierten Umgebungen wie einem Lagerhaus vorstellen, wo sich jedes mögliche Szenario deterministisch (nicht prädiktiv) programmieren ließ. Heute erlauben exakte Vorhersagen das Testen selbstfahrender Autos in „normalen“ Umgebungen einschließlich Fußgängern, angetrunkenen Fahrern und beschädigten Verkehrszeichen. Probleme, die mittels „Brute-Force“ gelöst werden mussten, lassen sich jetzt taktisch auf probabilistische (prädiktive) Weise angehen. Da die Kosten für Vorhersagen weiter sinken, werden Vorhersagen an jedem neuen Ort anwendbar.

Wael mit Bissanz von Hitachi: Pentaho kooperiert eng mit Hitachi im Predictive-Bereich

Wael mit Gaetano Bisanz von Hitachi: Pentaho kooperiert eng mit Hitachi im Predictive-Bereich

Warum jetzt?
Zum Ersten wurde mit den für die Erstellung von Vorhersagen notwendigen mathematischen Techniken in den 1970ern begonnen, als künstliche neuronale Netzwerke zusammen mit verbesserten Methoden für ihr Training Fortschritte machten.

Zweitens macht die Verfügbarkeit von unbegrenztem und virtuell-freiem Speicher, Computertechnik und Kommunikationsinfrastruktur in der Form des Cloud-Computing diese mathematischen Techniken rechnertauglich und führt sie aus der Theorie in die Praxis.

Und zum Dritten, und für jene unter uns an vorderster Front der Unternehmenstechnologie vielleicht am besten sichtbar, ist die Wertschöpfung der ERP-Investition rückläufig. Allein die Datenerfassung und die Rationalisierung von Geschäftsabläufen haben in den letzten Jahrzehnten enorme Gewinne generiert, aber diese sind jetzt ausgereizt. Wir haben einen neuen Beharrungszustand erreicht, in dem eine effektive ERP-Realisierung so verbreitet ist, dass sie kein Hauptunterscheidungsmerkmal mehr ist.

Was ist also die Summe dieser drei Grundsätze? Der Beginn der prädiktiven Ära! In dieser Ära wird die Kapazität für Onboard-Daten, die Durchführung des Feature Engineering (Data Engineering), das Trainieren von Vorhersagemodellen sowie die Anwendung/Orchestrierung solcher Modelle zur Kernkompetenz jedes Unternehmens. Außer von neuen Anwendungen für die Predictive Analytics profitieren Organisationen von höheren Erträgen durch komplementäre Fähigkeiten wie Data Science.

Bei Pentaho waren wir stets auf der Höhe dieser Innovationen und haben immer versucht, unsere Tools pragmatisch, praktikabel und profitabel für Datenwissenschaftler und innovative Unternehmen zu halten. Dank unserer Drag-and-Drop-Datenintegration, Visualisierung und Orchestrierung maschinellen Lernens haben Anwender mehr Zeit für die Optimierung ihrer Vorhersagealgorithmen (mit dem Tool ihrer Wahl) und müssen weniger Zeit für deren Erstellung und Operationalisierung aufwenden. Unsere Unternehmensplattform ermöglicht es Dateningenieuren und Datenwissenschaftlern, die oft in Silos statt zusammen arbeiten, den Entwicklungszyklus dramatisch zu beschleunigen und die Armortisierungszeit für das Unternehmen zu verkürzen.

Führte zu drastischer Senkung von Wartungskosten sowie verbesserter Produktivität und Sicherheit: das Predictive-Projekt bei Caterpillar

Führte zu drastischer Senkung von Wartungskosten sowie verbesserter Produktivität und Sicherheit: das Predictive-Projekt bei Caterpillar

Je früher Unternehmen damit anfangen, maschinelles Lernen für die Erstellung eines mit der Zeit immer intelligenter werdenden Vorhersagemodells zu nutzen, desto weiter sind sie der Konkurrenz voraus. Unser Kunde Caterpillar Marine hat dies erkannt. Er setzt Pentaho ein, um die 71 Prozent der in der Ventana-Studie genannten Unternehmen, die an der Modellierung ihrer Ereignismuster gescheitert sind, zu übertreffen. Caterpillar Marine konnte nicht nur die Produktivität und Sicherheit verbessern sowie die Wartungskosten drastisch senken, sondern wurde auch mit dem Technology Innovation Leadership Award for IoT von Ventana Research ausgezeichnet.

In einem weiteren Beispiel setzte Hitachi Rail Pentaho zusammen mit Hitachis Hyper Scale-Out-Plattform ein, um das bahnbrechende Konzept der „Züge als Service“ zu realisieren, indem man innovative IoT-Technologie in drei Ereignishorizonten nutzt: Echtzeit (Monitoring, Fehleralarmierung), mittelfristig (prädiktive Wartung) und langfristig (Big Data-Trendanalyse). Jeder Zug generiert mit seinen Tausenden von Sensoren täglich solche Unmengen von Daten, dass die Dateningenieure und Wissenschaftler zahlreichen Herausforderungen durch große Datenmengen und maschinelles Lernen gegenüberstehen. Obwohl das Projekt noch nicht voll einsatzfähig ist, kann Pentaho bereits jetzt unternehmensweit zur Verbesserung der Produktivität beitragen.

Worauf warten wir also? Lassen Sie uns jetzt in die prädiktive Ära starten und davon profitieren! Erfahren Sie mehr über die Orchestrierung des maschinellen Lernens.

Wael Elrifai ist Sr. Director of Enterprise Solutions & Sales Engineering, EMEA+APAC bei unserem Partner Pentaho. Nach eigener Aussage (und Einschätzung vieler) ist er Guru für Data Science, IoT und Big Data und twittert darüber. Als Vordenker der digitalen Transformation ist Wael u.a. für den Ausschuss „Digital Government“ der libanesischen Regierung tätig.

Diese Artikel könnten Sie auch interessieren:

Tags: , , , ,

Stefan Müller - Director Business Intelligence & Big Data
Nach mehreren Jahren Tätigkeit im Bereich Governance & Controlling und Sourcing Management ist Stefan Müller bei it-novum gelandet, wo er den Bereich Business Intelligence aufgebaut und in Richtung Big Data weiterentwickelt hat. Stefans Herz schlägt für die Möglichkeiten, die die BI-Suiten von Pentaho und Jedox bieten, er beschäftigt sich aber auch mit anderen Open Source BI-Lösungen. Seine Begeisterung für Business Open Source im Bereich Datenintelligenz gibt Stefan regelmäßig in Fachartikeln, Statements und Vorträgen weiter.
Webprofile von Stefan: Twitter, LinkedIn, XING

Ein Gedanke zu „Gastkommentar: Beginn der prädiktiven Ära

  1. Pingback: Video: so lassen sich SAP-Daten per Mausklick auswerten

Kommentar schreiben

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.