Alle fragen sich ständig, ob KI Analysten ersetzen wird. Ich halte das für die völlig falsche Frage.
Ich glaube, dass KI das Potenzial hat, Data Analysts 10- bis 100-fach produktiver zu machen. Nicht, indem sie sie ersetzt, sondern indem sie ihnen die mühsame Routinearbeit abnimmt, die zwischen ihnen und der Arbeit steht, die wirklich wichtig ist: das Geschäft zu verstehen, den Kontext hinter den Zahlen zu erfassen und die Daten korrekt zu interpretieren, anstatt sich mit den technischen Details der Datenerhebung herumzuschlagen.
Wir kennen dieses Szenario bereits aus der Softwareentwicklung. KI-gestützte Programmiertools haben die Zahl der Entwickler:innen nicht verringert. Sie haben ihre Produktivität enorm gesteigert und den Fokus von der Erstellung von Standardcode hin zur Problemlösung verlagert. nd sie haben diese Möglichkeiten auch Menschen gegeben, die noch nie eine Zeile Code geschrieben hatten.
Analytics geht in dieselbe Richtung.
Der eigentliche Wert lag nie im rein mechanischen Teil der Arbeit. Zu wissen, auf welchen Button man klicken muss, ist nicht dasselbe wie zu wissen, welches Problem gelöst werden muss.
Neugier ist nach wie vor ein Wettbewerbsvorteil
Ich war schon immer der Meinung, es gibt drei Arten von Fragen:
Fragen, deren Antworten man bereits kennt. Fragen, von denen Sie wissen, dass Sie sie beantworten müssen, aber noch nicht beantwortet haben. Und Fragen, an die noch niemand gedacht hat.
KI ist unglaublich hilfreich bei den ersten beiden Fragen. Sie kann Muster schneller erkennen als jeder Mensch. Sie kann in Sekundenschnelle zusammenfassen, berechnen, vergleichen und Ideen generieren.
Aber die größten Geschäftschancen verbergen sich in der Regel nicht in bekannten Fragen. Sie verstecken sich im Unerwarteten.
Hier sind menschliche Neugier und ein tiefes Verständnis des Geschäfts immer noch am wichtigsten. Das ist der Teil, den KI nicht ersetzen kann.
Allzweck-KI ist keine Analysestrategie
Viele Organisationen lernen diese Unterscheidung gerade schmerzlich.
Ich habe das kürzlich bei einem Unternehmen erlebt, das glaubte, KI würde alle Probleme lösen. Sie führten einen beliebten KI-Assistenten für 300 Data Analysts ein. Das war ambitioniert und ich respektiere die Absicht. Doch bereits im Juni war das KI-Budget aufgebraucht. Schlimmer noch: 300 Personen stellten immer wieder dieselben Fragen, verbrauchten Unmengen an Ressourcen und erhielten widersprüchliche Antworten. Das liegt daran, dass Datenarbeit Deterministik erfordert und allgemeine KI ist dafür nicht ausgelegt.
Dann begann jeder, seine eigenen Artefakte und Analysen zu erstellen, ohne die Möglichkeit, sie zu teilen. Bis etwas geteilt wurde, war es bereits veraltet. Was als zukunftsorientierte KI-Initiative begann, endete in Chaos.
Ich erzähle diese Geschichte nicht, um gegen KI zu argumentieren. Sie zeigt vielmehr, dass ein allgemeiner Assistent keine speziell für skalierbare Datenanalyse entwickelte Umgebung darstellt. Dafür sind zuverlässige Daten, Geschäftslogik, wiederholbare Methoden und deterministische Ergebnisse erforderlich.
Vertrauenswürdige Daten beginnen bei Data Analysts
Es gibt einen damit verbundenen Wandel, den man im Auge behalten sollte: Da KI immer mehr Menschen zugänglich wird, werden Benutzer:innen zunehmend Aufgaben übernehmen, die früher Spezialwissen erforderten. Sie stellen Fragen in natürlicher Sprache, erkunden Trends und erstellen ihre eigenen Analysen.
Das bedeutet für Data Analysts eine neue Verantwortung, da sie zunehmend zu Verwalter:innen der vertrauenswürdigen Daten, des Geschäftskontexts und der Methoden werden, die es anderen im Unternehmen ermöglichen, präzise Analysen durchzuführen.
Sie benötigen keine perfekten Daten, um zu beginnen. Das Warten auf Perfektion kann selbst zu einem Hindernis werden. Wichtig ist jedoch, dass die Daten ausreichend aufbereitet, gut verständlich und für die jeweilige Entscheidung angemessen verwaltet werden.
Je besser die Grundlage, desto nützlicher die KI.
Innovatoren werden Nachahmer übertreffen
Jeder große Technologiewandel bringt zwei Arten von Unternehmen hervor:
diejenigen, die Prozesse von gestern mit heutiger Technologie nachbilden, und diejenigen, die völlig neue Arbeitsweisen entwickeln.
Wir haben es bei der Cloud gesehen. Wir haben es bei der digitalen Transformation gesehen. Und wir sehen es jetzt wieder bei KI.
Die Gewinner werden nicht die Unternehmen mit den größten KI-Budgets sein. Es werden diejenigen sein, die ihre Entscheidungsprozesse überdenken.
So sind wir an die Entwicklung von Golden herangegangen. Wir glauben nicht, dass KI Data Analysts ersetzt. Wir glauben, dass Data Analysts die Geschäftslogik erfassen, die KI überhaupt erst vertrauenswürdig macht.
Denn letzten Endes schafft KI kein Verständnis. Das tun Menschen.
Wenn Sie also befürchten, dass KI Data Analysts ersetzen wird, empfehle ich Ihnen, eine andere Möglichkeit in Betracht zu ziehen.
KI mindert nicht die Bedeutung von Data Analysts. Sie macht die besten Data Analysts zu den wertvollsten Mitarbeiter:innen.