Im GründerView stellen wir in regelmäßigen Abständern spannende StartUps und ihre Produkte und Ideen vor. Das Team von DATANOMIQ bietet herstellerunabhängige Lösungen rund um Big Data, Business Analytics und Industrie 4.0 an. Doch was unterscheidet eigentlich einen Data Scientist von einem Data Analyst? Wir haben bei Gründer Benjamin Aunkofer nachgefragt…

Euer StartUp in einem Tweet!

Berater & Dienstleister für #BigDataAnalytics zur Generierung von messbarem Business Value.

Wer oder was inspirieren dich?

Eindeutig die Logik und Eleganz der Mathematik.

Big Data ist derzeit ein Trendthema. Kurz und knackig: Was sind die zwei wichtigsten Fortschritte, die die umfassende Analyse von Big Data ermöglicht?

Die Möglichkeit, Maschinen zu vernetzen und ihnen das Lernen beizubringen, so dass diese Probleme erkennen und sogar lösen, die für einen Menschen niemals lösbar wären.

Und konkret auf den Anwender bezogen – wie kann insbesondere der Mittelstand, in Deutschland sehr präsent und wirtschaftsstark, von Big Data profitieren?

Insbesondere die Verknüpfung von unternehmensinternen mit -externen Daten schafft neue Möglichkeiten zur Generierung von Wettbewerbsvorteilen. Bisher wurden Analysen rein auf unternehmensinterne Datenquellen ausgerichtet oder aber Marktdaten aus speziellen externen Quellen wurden ausgewertet. Mit einem gesamtheitlicheren Ansatz können Unternehmen jedoch z. B. Überzahlungen im Einkauf abdecken, ihre Prozesse besser auf externe Partner abstimmen und die Produkt-Kunden-Interaktion verstehen lernen, und so ihre Kunden besser ansprechen, gleichzeitig aber auch ihre Produkte verbessern (Customer Driven Design).

Welche App darf auf keinem Smartphone fehlen?

Ein Browser, ein Mail-Client und ein Taschenrechner reichen vollkommen aus.

Was ist deine Empfehlung für die Mittagspause?

Sushi.

Benjamin Aunkofer, Gründer von Datanomiq
Gründer Benjamin Aunkofer schätzt die Logik der Mathematik. (Bild: DATANOMIQ)

Was unterscheidet eigentlich einen Data Analyst von einem Data Scientist von einem Business Analyst?

Ein Data Analyst analysiert Daten mit gängigen Methoden und Tools der Datenanalyse, um unterschiedlichste Ziele zu erreichen. Ein Data Scientist befasst sich darüber hinaus auch mit komplizierteren mathematischen Modellen und entwickelt Verfahren des maschinellen Lernens (Machine Learning) bzw. setzt diese in einer Programmiersprache um. Ein Data Scientist bringt der Maschine also Datenanalyse bei und ist selbst sowas wie ein Data Analyst++.

Ein Data Analyst bzw. Data Scientist kann in jeder Branche und allen Fachbereichen eingesetzt sein, z. B. in der Astronomie, Medizin oder einem Industrieunternehmen arbeiten.

Ein Business Analyst beschäftigt sich mit Geschäftsmodellen und Geschäftsergebnissen, hat also einen starken Bezug zum Kerngeschäft des Unternehmens. Ein Business Analyst kann auch ein Data Analyst sein, muss es aber nicht.

Eine weitere wichtige Rolle ist die des Data Enigneers. Ein Data Engineer setzt eine Stufe vor dem Data Analyst bzw. Data Scientist an, denn bevor große und verteilte Daten gebündelt analysiert werden können, müssen diese erstmal generiert/gesammelt, effizient gespeichert, in einheitliche Strukturen gebracht und fusioniert werden. Dabei sind auch Themen wie Verschlüsselung, Datensicherheit und Datenschutz wichtige Themen für den Data Engineer.

Was ist der USP eures Unternehmens, DATANOMIQ? Anbieter und Softwaresysteme, die Firmen bei der Analyse ihrer Daten unterstützen, gibt es ja einige…

Wir wollen DER Ansprechpartner für Data Science for Business werden, und das für alle Fachbereiche wie Einkauf, Produktion, Logistik, Marketing oder die interne Revision. Wir setzen uns dadurch von anderen Anbietern ab, dass wir herstellerunabhängig sind und nicht an den Provisionen von Softwarelizenzen verdienen wollen. Wir beraten unabhängig und arbeiten nach dem System „technology follows target/project“. Außerdem setzen wir viel daran, auch externe Datenquellen anzuzapfen und diese mit den unternehmensinternen Daten im Kontext zu betrachten.

Darüber hinaus bilden wir für mittelständische Unternehmen kleine DataLabs, also Datenlabore, die unsere IT-Infrastruktur nutzen und so das schnelle Ausprobieren von neuen Datenbanken und Analyseverfahren ermöglichen.

Über welche Stolpersteine musstet ihr während der Gründung steigen?

An Anfang hatten wir keinen Namen, den mussten wir uns erarbeiten. Außerdem verzichten wir auf Zockerspielchen mit Investoren, mussten unser Equipment dafür aber über unsere Aufträge finanzieren.

Dein Rat für jeden Gründer?

Sucht Euch erst den Kunden, der zu eure Produktidee passt und entwickelt diese dann mit dem Kunden gemeinsam. Der erste Kunde ist wie der/die erste Freund/Freundin, ohne den/die man niemals zur notwendigen Erfahrung gekommen wäre.

In deiner Playlist läuft gerade … rauf und runter.

Übersetzt in etwa „Chinese for Business Cases“, aber nicht rauf und runter, sondern in Denkpausen. Rauf und runter höre ich Musik nur, wenn ich analysiere oder programmiere. Dann meistens komponierte Musik von Hans Zimmer oder die Soundtracks beispielsweise von Tron Legacy oder Mr. Robot.

Über DATANOMIQ

DATANOMIQ ist der herstellerunabhängige Lösungs- und Service-Partner für Business Analytics, Data Science und Industrie 4.0. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio in unserer Branche. Wir unterstützen Unternehmen jeder Größenordnung, zusätzliche Potenziale zu erzielen, die mit herkömmlichen Methoden und BI-Systemen nicht möglich wären. Zu unseren typischen Leistungen gehören Datenqualitätsanalysen, Predictive Analytics (z. B. zur Vorhersage von idealen Einkaufszeitpunkten), Process Mining (z. B. zur datengetriebenen Revision von Genehmigungsprozessen) oder maschinell erlerntes Text Mining, z. B. um Kundenmeinungen automatisiert auswerten zu können.
www.datanomiq.de

Dein StartUp im GründerView? Mail an svb(at)techtag.de

Inhalte nicht verfügbar.
Bitte erlauben Sie Cookies durch ein Klick auf Akzeptieren.