Der Data-Science-Prozess (d.h., die Erstellung datengetriebener Produkte wie Empfehlungssysteme, Betrugserkennungssysteme, Chatbots etc.) ist in gewissem Sinne dem \u00e4hnlich, was ein Koch in einem Restaurant bei der Vorbereitung eines neuen Men\u00fcs macht. Er muss etwas neues kreieren, das die G\u00e4ste anspricht, und das dann w\u00e4hrend der ganzen Saison immer wieder angeboten wird. Selbst wenn es ein Rezept gibt, ist es, um den richtigen Geschmack, die richtige Konsistenz oder das richtige Aussehen zu treffen, meist notwendig, mehrere Anl\u00e4ufe zu nehmen und zu experimentieren, d.h. aus Versuchen und Fehlern zu lernen. Die Voraussetzung sind Zutaten (Daten), bereits vorhandene Intuition (Fachwissen und technische\/fachliche Expertise) und die richtigen Ger\u00e4tschaften (Werkzeuge).<\/p>\n
You would rather read the article in English? Click here to read: \u00bbWhat does Paul Bocuse (French three-star-decorated chef) have to do with Data Science?<\/a>\u00ab<\/p>\n<\/div>\n Warum m\u00fcssen wir \u00fcberhaupt kochen? F\u00fcr wen? Zu welchem Anlass? \u00dcber welche Gerichte reden wir? Und woher wissen wir, ob es uns gelungen ist? All diese Fragen, die sich auf das Gesch\u00e4ftsziel, den potenziellen Mehrwert, die Beteiligten und das erwartete Ergebnis beziehen, bilden auch den Ausgangspunkt eines jeden Data-Science-Projekts (hier wird das normalerweise Gesch\u00e4ftsverst\u00e4ndnis (Business Understanding<\/em>)<\/strong> oder Problemstellungsphase genannt). Nun ist es offensichtlich, dass es nicht dasselbe ist, ob man Spaghetti Bolognese<\/em> kocht oder ein saucengetr\u00e4nktes<\/em> Timpano <\/em>zubereitet. Dennoch gibt es eine Reihe von Zutaten (Fleischb\u00e4llchen, Pasta und Tomatensauce), Zubereitungsschritten und K\u00fcchenger\u00e4ten (Werkzeugen), die beiden Gerichten gemein sind. Was sich unterscheidet, sind die Kombination und die Anteile der Zutaten, die verwendeten Ger\u00e4tschaften und ihre Einstellungen, und die Reihenfolge und der Zeitpunkt der Vorbereitungsschritte.<\/p>\n Die Gesch\u00e4ftsanforderungen engen meist den Pool der geeigneten Gerichte ein. Dies beschr\u00e4nkt auch die Menge der Zutaten, die verwendet werden (d.h. die Daten). Zum Beispiel wird man h\u00f6chstwahrscheinlich keine Schokolade verwenden, wenn man eine Variation von Penne all\u2019arrabbiata<\/em> kocht (au\u00dfer, man ist sehr innovativ). An dieser Stelle treten neue Fragen auf: Sind alle Zutaten verf\u00fcgbar? In welchen Mengen? Und mit welcher Qualit\u00e4t? Wenn Zutaten fehlen \u2013 wo bekommt man diese her und wie lange dauert es, sie zu bekommen? Tomaten auf dem Balkon anzupflanzen ist vielleicht nicht die effektivste L\u00f6sung, um langfristig Nachschub zu haben. Die Nachbarn um etwas zu bitten mag zwar zu guten nachbarschaftlichen Beziehungen beitragen (als einmalige L\u00f6sung), doch ist es wahrscheinlich effizienter, in den Supermarkt zu gehen oder besser noch direkt zum Produzenten.<\/p>\n In der Datenverst\u00e4ndnis<\/strong>phase (Data Understanding<\/em><\/strong>) ist das Ziel, aus den Gerichten, die potenziell zum Gesch\u00e4ftsziel passen, eines auszuw\u00e4hlen, f\u00fcr das die entsprechenden Zutaten (Daten) verf\u00fcgbar sind und das tats\u00e4chlich zubereitet werden kann (d.h. die Zeit, die F\u00e4higkeiten, die Werkzeuge etc. sind vorhanden).<\/p>\n Ein Gericht besteht keineswegs aus willk\u00fcrlich zusammengew\u00fcrfelten Zutaten. Die Zutaten m\u00fcssen vorbereitet werden, meist in einer bestimmten Reihenfolge, und eine unterschiedliche Behandlung derselben Zutaten kann massive Auswirkungen auf das Ergebnis haben. Beispielsweise muss f\u00fcr ein Dessert wie Iles flottantes<\/em> das Eiwei\u00df zuerst vom Eigelb getrennt werden und dann steif geschlagen werden, w\u00e4hrend bei einem Omelette<\/em> die ganzen Eier direkt verschlagen werden. Dasselbe gilt f\u00fcr Daten.<\/p>\n Besorgen wir zuerst die Zutaten (d.h. die Daten). Beide k\u00f6nnen aus unterschiedlichen Quellen stammen (Supermarkt, Gro\u00dfh\u00e4ndler, Produzent etc., bzw. Data Warehouses, Cloud-Speicher, API etc.) und unterschiedliche Formen und Verpackungen (Datenformate) haben. Beim Prozess der Datenaufnahme (Data Ingestion<\/em><\/strong>) geht es darum, alle Zutaten zu sammeln und sie in einer nutzbaren Form auf der Arbeitsfl\u00e4che bereitzustellen, um mit der Zubereitung zu beginnen.<\/p>\n Genau wie Daten k\u00f6nnen auch Zutaten Qualit\u00e4tsunterschiede aufweisen. Es kann zum Beispiel Probleme mit der Datenformatierung geben: Gem\u00fcse oder Obst ist nicht immer gleich gro\u00df, manches ist reifer als anderes usw. Es kann auch fehlende Werte geben: z.B. einen Eierkarton, der nur 6 statt 12 Eier enth\u00e4lt. Die Daten k\u00f6nnen unausgeglichen sein: zu viel Pasta und nicht genug Sauce o.\u00e4. (f\u00fcr weitere Beispiele siehe \u201cHandbook of Bad Data\u201d (McCallum 2013)). Ein Koch wird immer die Qualit\u00e4t seiner Zutaten pr\u00fcfen, manche aussortieren und, falls n\u00f6tig, sogar seinen Lieferanten wechseln. All das ist das Ziel des Datens\u00e4uberungsprozesses (Data Cleaning<\/em><\/strong>).<\/p>\n Und nun lasst uns kochen! Obwohl die Art des Gerichts ja bereits die Art des zu verwendenden Kochgeschirrs (d.h. des Modells) einschr\u00e4nkt (T\u00f6pfe und Pfannen, Ofengeschirr, K\u00fcchenutensilien etc.), so gibt es doch immer noch genug Raum zum Experimentieren (Temperatur, Kochzeit, R\u00fchren oder nicht, etc.). \u00c4hnlich wie ein Koch, der viele verschiedene Alternativen ausprobiert, bevor die gew\u00fcnschte Konsistenz, der gew\u00fcnschte Geschmack oder das gew\u00fcnschte Aussehen erreicht ist, probieren auch Data Scientists verschiedene Modellversionen aus, jede mit leichten Variationen ((Hyper-)Parametern), um die beste Kombination von Zutaten (Daten), Zwischenprodukten (Features) und Kochgeschirr (Modell) zu finden. Dies entspricht der Modellierungs<\/strong>phase.<\/p>\n Geschmack ist subjektiv, und was dem Koch schmeckt, mag nicht immer das sein, was die G\u00e4ste wollen oder bereit sind zu bestellen. Die Kunst des Kochs besteht darin, den Geschmack der G\u00e4ste zu verstehen und das Gericht gegebenenfalls anzupassen. Dasselbe gilt f\u00fcr datengetriebene Produkte. Es ist m\u00f6glich, dass beide einer kontrollierten Umgebung gut funktionieren (z.B. zu Hause mit ein paar Freunden), in einer Produktionsumgebung, bei der sie allen m\u00f6glichen Arten von G\u00e4sten ausgesetzt sind (z.B. in einem Restaurant oder in einer Restaurantkette), aber schlecht. Ziel des Evaluation<\/strong>sprozesses ist es, Feedback zur Leistung zu erhalten und, falls n\u00f6tig, das Gericht (Produkt) anzupassen oder zu \u00e4ndern. Dies kann f\u00fcr eine bestimmte Gruppe von G\u00e4sten (Kunden) getan werden (z.B. f\u00fcr die Stammg\u00e4ste (Stammkunden) oder f\u00fcr einen bestimmten Anlass. Die Idee ist hier, nicht zu viel Zeit zu verlieren und das Produkt so bald wie m\u00f6glich zu bewerten (beispielsweise durch Verwendung eines MVP in einer A\/B Testumgebung).<\/p>\n Um ein neues Gericht aus der K\u00fcche eines Restaurants in den Speiseraum zu bringen, sind mehrere Dinge erforderlich. Nat\u00fcrlich muss die Speisekarte ge\u00e4ndert werden, damit die G\u00e4ste das neue Gericht finden, verstehen und bestellen k\u00f6nnen (d.h., das neue datengetriebene Produkt in das aktuelle Portfolio einzubauen erfordert evtl. neue UX-Entscheidungen). Ein Preis muss bestimmt werden. Die Bedienung sollte wissen, wie sie den G\u00e4sten das Gericht beschreiben und verkaufen soll. Das K\u00fcchenteam muss in der Lage sein, das Gericht innerhalb einer vorgegebenen Zeit zuzubereiten, selbst wenn der Koch nicht da ist. Das Restaurant muss sicherstellen, dass kontinuierlich Feedback eingeholt wird, entweder direkt von den G\u00e4sten oder von der Bedienung, usw. Das entspricht dem Deployment<\/strong>-Prozess.<\/p>\n Genau wie in der K\u00fcche sind auch die verschiedenen Phasen oder Prozesse im Bereich Data Science nicht unabh\u00e4ngig voneinander. Meist gibt es viele Iterationen. Es kann sein, dass eine Phase misslingt (z.B. nicht genug Zutaten; nicht die richtigen Zutaten f\u00fcr das Gericht; die G\u00e4ste des Restaurants bestellen das neue Gericht nicht; etc.) und dass eine Anpassung erforderlich ist (neue Zutaten bestellen, das Gericht ver\u00e4ndern, die Speisekarte umorganisieren etc.). Au\u00dferdem muss die K\u00fcche gut organisiert sein, um w\u00e4hrend der Sto\u00dfzeiten Schritt zu halten, Abfall zu vermeiden und hohe Qualit\u00e4ts- und Hygienestandards zu gew\u00e4hrleisten. Die Rezepte m\u00fcssen niedergeschrieben und bei Bedarf aktualisiert werden, um sicherzustellen, dass die G\u00e4ste jedes Mal, wenn sie das gleiche Gericht bestellen, das Gleiche serviert bekommen. Und auch wenn technische Versiertheit vorausgesetzt wird, ist es f\u00fcr den Erfolg letztlich ausschlaggebend, das Gesch\u00e4ftsproblem und die Bed\u00fcrfnisse der G\u00e4ste (Kunden) zu verstehen.<\/p>\n Sind Sie daran interessiert, Data Scientist zu werden? Das Fraunhofer IESE und die Fraunhofer-Allianz Big Data bieten gemeinsam ein dreistufiges Zertifikatsprogramm zum Data Scientist<\/a> an.<\/p>\nGesch\u00e4fts- und Datenverst\u00e4ndnis (Business and Data Understanding<\/em>)<\/h3>\n
Datenvorbereitung (Data Preparation<\/em>)<\/h3>\n
Modellierung, Evaluation & Deployment<\/h3>\n
Schlussfolgerung<\/h3>\n