Mangel an Data Scientists als Übergangsphänomen

Während traditionelle Unternehmen um die IT-Talente buhlen, haben Startups hier den Vorteil diese durch attraktivere Unternehmenskultur oder Standorte für sich zu gewinnen. Spätestens wenn diese aber eine Software für Unternehmen entwickeln, deren Einsatz erweiterte Data-Science-Kenntnisse erfordert, kehrt sich dieser Vorteil wieder um.

Startups setzen auf Self-Service-Analytics durch Automatisierung

„Während unser Geschäftsmodell hauptsächlich den Verkauf von Softwarelizenzen fokussiert, beobachten wir einen konstanten Bedarf an Beratungsleistungen im Bereich der Datenaufbereitung und Analyse.“ so Dr. Rami-Habib Eid-Sabbagh, Mitgründer und Head of Sales bei dem Berliner Startup Lana Labs.

Dieser Umstand wurde in der Entwicklung des Prozessanalyse-Tools von Anfang an berücksichtigt: Durch den Einsatz von Machine-Learning-Algorithmen zur größtmöglichen Automatisierung der Datenanalysen benötigt der Anwender immer weniger Vorkenntnisse, sodass dieser Self-Service-Analytics-Ansatz den Mangel an Ressourcen teilweise auffängt.

Mit LANA Process Mining realisiert das junge Unternehmen den Traum vieler Analysten: eine automatisierte Prozessanalyse, die per Mausklick aufzeigt wo der Prozess nicht optimal läuft und vor allem warum. Damit zeichnet sich ein neues Entwicklungsparadigma ab, welches den aktuellen Data-Scientist-Mangel zum Übergangsphänomen macht. Die Entwicklung eines neuen Paradigmas der Automatisierung in diesem Bereich stützt auch eine aktuelle Gartner-Prognose, nach welcher über 40 Prozent der Aufgaben eines Data Scientists bis 2020 automatisiert werden.