Wenn Sie Data Analyst sind, möchte ich Ihnen eine Frage stellen:
Wie geht es Ihnen?
Das vergangene Jahr war geprägt von unaufhörlichem Wandel – einem grundlegenden Wandel, bei dem sich alles verändert: von der Art und Weise, wie wir arbeiten, bis hin zu der Technologie, die dies alles erst möglich macht.
So schwierig dieser Wandel auch war, ich glaube, dass sich daraus auch beispiellose Chancen ergeben, insbesondere für diejenigen, die sich im Geschäft und mit Daten am besten auskennen, und ganz besonders für Data Analysts.
Wir haben kürzlich eine Studie in Auftrag gegeben, um besser zu verstehen, wie sich die Rolle von Data Analysts verändert. Was aus der Studie hervorging, war eindeutig: Auch im Zeitalter der KI ist die Rolle von Data Analysts unverzichtbar. Hier sind die Gründe dafür.
KI macht Data Analysts effektiver
Im Jahr 2023, genau am Wendepunkt der Einführung von generativer KI, befürchtete die Hälfte der Beschäftigten in den Bereichen Business Support und Logistik, dass KI sie ersetzen würde. Viele Data Analysts teilen diese Sorge noch immer.
Unsere Umfrage ergab jedoch ein ganz anderes Bild. Eine deutlich hoffnungsvolleres.
Fast alle Data Analysts, mit denen wir gesprochen haben (96 %), gaben an, KI zur Optimierung von Aufgaben einzusetzen, während andere (47 %) angaben, KI helfe ihnen, ihre Arbeitslast zu reduzieren.
- 76 % sagten, dass KI ihnen helfe, effektiver und effizienter zu sein.
- 55 % gaben an, dass KI ihre Produktivität steigere.
- 87 % gaben an, dass KI ihre Arbeitszufriedenheit erhöht habe.
KI ist zu einem echten Multiplikator geworden. Acht von zehn Data Analysts (83 %) beeinflussen inzwischen unternehmenskritische Entscheidungen. Sie steuern ihre Unternehmen mithilfe von KI. Diese Ergebnisse sind sowohl positiv als auch vielversprechend.
KI hat Data Analysts jedoch nicht nur effektiver in ihren Rollen gemacht. Es hat sie auch verändert. Die Einführung von KI im Unternehmen macht ihre Beteiligung an nahezu jedem Geschäftsprozess und jeder Abteilung erforderlich, die KI operativ nutzen möchte.
Dafür gibt es zwei Gründe. Die erste ist die fehlende Logikebene.
Das fehlende Puzzlestück für KI im Unternehmen: die Logikebene
KI-Modelle können unglaublich gut mit Daten arbeiten und Schlussfolgerungen daraus ziehen. Aber sie können nicht die Regeln, Berechnungen und das institutionelle Wissen ableiten, die definieren, wie ein bestimmtes Unternehmen oder eine bestimmte Abteilung arbeitet.
Wenn eine Führungskraft Sie nach dem Umsatz im 1. Quartal in Kalifornien fragen würde, würden Sie ihr wahrscheinlich nicht sofort eine Antwort geben. Stattdessen würden Sie anfangen, Fragen zu stellen.
Möchten Sie den Umsatz nach Abzug der Vertriebskosten? Wollen Sie die Informationen so, wie wir sie der Wall Street melden, oder so, wie wir sie den Filialleitungen übermitteln? Sollten wir Partnerumsätze einbeziehen?
Diese Art von Fragen sind wichtig. Wenn eine Mitarbeiterin einem LLM dieselbe Frage stellen würde, bräuchte die Technologie zunächst bereinigte und genaue Daten. Doch sie müsste auch Ihr Unternehmen genau verstehen.
Geschäftslogik ist in einem KI-Workflow am schwierigsten zu erfassen und am schwierigsten zu skalieren, da sie in Tabellenkalkulationen, nicht dokumentierten Prozessen und vor allem in den Köpfen der Fachleute steckt, die ihr Wissen über Jahre aufgebaut haben.
Business Analysts gehören zu den wenigen Beschäftigten, die sowohl die Prozesse als auch die Daten, die hinter Dingen wie Umsatzrealisierung, Provisionsstrukturen und Kundensegmentierung stehen, wirklich verstehen. Deshalb verlassen sich Unternehmen zunehmend auf Data Analysts, um die Logikebene für unternehmensweite KI-Systeme aufzubauen und zu pflegen.
KI vertrauenswürdig machen
Dann gibt es noch die Lücke der Zuverlässigkeit. Das Vertrauen in KI-Systeme muss erst verdient werden. Ihre Ergebnisse müssen überprüf- und reproduzierbar sein. Entscheider:innen müssen verstehen, wie ein KI-System zu einer Antwort gelangt ist, und darauf vertrauen können, dass die Antwort richtig ist, um souverän handeln zu können.
In unserer Studie wurden die drei folgenden als die größten Hindernisse für den Erfolg mit KI genannt:
- Schwierigkeiten bei der Erläuterung oder Interpretation von KI-Ergebnissen gegenüber Stakeholdern (55 %)
- Begrenzte analytische Fähigkeiten bei Fachanwender:innen (54 %)
- Mangelhafte Datenqualität (50 %)
Berücksichtigen Sie dabei, dass fast die Hälfte (47 %) der KI-Projekte aufgrund mangelhafter Datenqualität oder unzureichender Governance scheitert.
Während Data Analysts schon immer maßgeblich an der Bereinigung und Validierung von Daten beteiligt waren – dem „Input“ für KI-Workflows –, kommt nun eine weitere Aufgabe hinzu: die Aufsicht über KI-Systeme.
In unserer Studie gaben Data Analysts an, dass sie in dieser neuen Rolle durchschnittlich fast vier Stunden pro Woche damit verbringen, von KI erzeugte Ergebnisse zu validieren oder zu korrigieren. Fast ein Fünftel der Analysts (16 %) investiert sogar mehr als sechs Stunden pro Woche in diese Aufgaben.
Ihre Beteiligung ist kein Zufall. KI-Workflows benötigen in jeder Phase Transparenz und Verantwortlichkeit. Es wird immer jemanden brauchen, der erklärt, was mit den Daten geschieht, und überprüft, ob die KI die richtige Antwort gefunden hat. Data Analysts auf der ganzen Welt übernehmen genau diese Rolle.
63 % der Data Analysts geben an, dass die Validierung von KI-Ergebnissen zu einer wichtigeren Fähigkeit geworden sei.
Data Analysts treiben Enterprise Intelligence voran
Wenn Sie als Analyst besorgt und unsicher in Bezug auf die Zukunft sind, kann ich das verstehen. Ich hoffe jedoch, dass unsere neuesten Forschungsergebnisse Ihnen Hoffnung geben. Ein KI-gestütztes Unternehmen erfordert dringend die Beteiligung von Data Analysts.
Zunächst, um Daten zu bereinigen und vorzubereiten und die Grundlage für eine vertrauenswürdige KI zu schaffen. Dann bei der Anwendung von Geschäftslogik auf Berechnungen und KI-Workflows. Und schließlich bei der Validierung. Data Analysts werden in jeder Phase benötigt: Anfang, Mitte und Ende.
Die Unternehmen der Zukunft werden nicht von „Vibe Codern“ geführt werden. Vielmehr werden die wertvollsten Mitarbeiter:innen diejenigen sein, die die Daten und das Geschäft in- und auswendig kennen. Das sind die Business Analysts, die Rev Ops-Profis, die Mitglieder des Finanzteams und die Supply-Chain-Experten, die sicherstellen können, dass KI so funktioniert, wie sie funktionieren soll.
Lesen Sie den vollständigen Forschungsbericht „State of the Data Analyst: The Rise of Business Logic“, um mehr über die zukünftige Rolle von Data Analysts zu erfahren.