Skip to main content

The Data Economist | Establishing sustainable "Data Inspired & Digital Culture"

AI & Agile Way Of Working

- AI & Agile Wayof Working-

Das AI-Zeitalter ist das Zeitalter der „Könner“ nicht mehr das der „Wissenden“!

THE DATA ECONOMIST

AI & Sustainability [26]

- AI &Sustainability-

Frisst AI die Sustainability zum Frühstück?

Berücksichtige beim Einsatz von AI nicht nur den ökonomischen Wert, sondern auch den ökologischen Impact!

THE DATA ECONOMIST

Data Governance und Künstliche Intelligenz – Der Weg zu einem datengesteuerten 360-Grad-Kundenservice

Automatisierung, KI und blinde Flecken: Warum Datenqualität heute wichtiger denn je ist

In einer Zeit, in der der Kunde mehr als nur ein Produkt oder eine Dienstleistung erwartet, steht der datengesteuerte Kundenservice im Mittelpunkt eines erfolgreichen Unternehmens. Hierbei spielt Data Governance eine entscheidende Rolle. Sie ist das Fundament, auf dem der 360-Grad-Kundenservice aufgebaut wird, und sorgt dafür, dass die verschiedenen Abteilungen des Unternehmens – Vertrieb, Marketing, Kundendienst – auf dieselben qualitativ hochwertigen und konsistenten Daten zugreifen.

Data Management & AI [30]

- Data Management & AI-

Feiert die versteckten Heldinnen und Helden, die für ein gutes Datenfundament sorgen, damit AI erfolgreich sein kann.  Feiert nicht nur die AI Heldinnen und Helden.

THE DATA ECONOMIST

Data Strategy: Erfolgsfaktoren für nachhaltige Wettbewerbsvorteile durch KI-basierte Datenanalysen und Digitalisierung

Die Menge der Daten alleine ist kein entscheidender Wettbewerbsfaktor

Immer mehr Organisationen setzen auf datengestützte Analysen in ihrer Entscheidungsfindung und digitalisieren ihre Prozesse, Produkte und Services. Dabei wird verstärkt auf Verfahren der Künstlichen Intelligenz (KI) gesetzt. Doch häufig bleibt der erhoffte Erfolg aus. 

Es ist eine sehr verbreitete Annahme, dass die Auswertung großer Mengen an Kundendaten der Organisation einen uneinholbaren Wettbewerbsvorteil verschaffen kann. Dies beruht auf der These: Je mehr Kunden eine Organisation hat, desto mehr Daten kann diese zur Produkt- und Serviceverbesserung nutzen und damit weitere Kunden anziehen, von denen noch mehr Daten gesammelt werden können. 

How to build a data mesh ready platform

Why a data governance-oriented data fabric is essential for scalable qualitative Data & AI Products

Modern process approaches, agile working, cloud technologies and AI offer new opportunities

In our data-driven world, qualitative data products are key to business success. But scaling such products efficiently requires a robust data infrastructure. This is where the data fabric comes in. A successively (agilely) built, data governance-oriented data fabric ensures that data quality, protection and use are at the centre of all efforts.

Processes and data must go hand in hand

If the data and process basics don't fit, the AI won't be able to make it fit either!

In the age of digitalisation, the merging of data and business processes is not just a possibility, but a necessity for companies that want to survive in a data-driven market environment. Visualising a model that represents this integration - as illustrated in the "Data Culture" diagram (see below) - provides a clear idea of how companies can reshape their strategy and culture to master this new reality.

The future of data preparation with AI: a revolution in data analysis

How artificial intelligence drastically reduces the effort required for data preparation and creates new scope for strategic decisions

Artificial intelligence (AI) has made tremendous strides in recent years and is increasingly influencing all areas of technology and business. One of the most important areas of application in which AI will bring about major changes is data preparation – an often underestimated but critical process in the work of data engineers and data analysts.

Warum ich kaum über AI spreche und viel über Data Driven?

Daten als Fundament: Warum der Erfolg von AI auf einer soliden Datenstrategie beruht

In den letzten Jahren hat Künstliche Intelligenz (AI), besonders GenAI (generative Artificial Intelligence),  enorm an Aufmerksamkeit gewonnen. Die Verheißungen von autonomen Fahrzeugen, intelligenten Assistenten und maschinellem Lernen haben eine Welle von Begeisterung und Interesse in der Geschäftswelt ausgelöst. Doch während AI oft als die Zukunft der Technologie gefeiert wird, gibt es einen entscheidenden Aspekt, der häufig übersehen wird: Die Daten, die diese Technologien antreiben.

Was eine "Data Inspired Culture" ausmacht

Von Daten inspiriert, durch Menschen verwirklicht

Dieser Leitsatz symbolisiert die sich wandelnde Beziehung zwischen Mensch und Daten in unserer heutigen Kultur. Im Zentrum dieses Wandels steht die Idee, dass Daten nicht nur eine Ressource für technische Prozesse sind, sondern auch eine Inspirationsquelle für kreative, soziale und kulturelle Unternehmungen. Der Artikel versucht ein Bild zu zeichnen, wie diese von Daten inspirierte menschliche Kultur aussieht, ihre Auswirkungen auf verschiedene Bereiche und wie sie die Zukunft gestalten könnte.

Why do I rarely talk about AI and a lot about data-driven?

Data as a foundation: Why the success of AI relies on a solid data strategy

In recent years, artificial intelligence (AI), particularly generative AI (GenAI), has gained a lot of attention. The promises of autonomous vehicles, intelligent assistants, and machine learning have sparked a wave of enthusiasm and interest in the business world. However, while AI is often celebrated as the future of technology, there is one crucial aspect that is often overlooked: the data that powers these technologies.

Wissen teilen, Können stärken: Die Vorteile cross-funktionaler Teams im Zeitalter der AI

Wie AI und menschliche Zusammenarbeit in Cross-funktionalen Teams praktisches Können und nachhaltiges Wissen fördert und sichert

In der heutigen Unternehmenswelt, in der AI immer mehr Einzug hält, hat sich die Art und Weise, wie Wissen verteilt und angewendet wird, stark verändert. Traditionell war die Dokumentation der zentrale Mechanismus zur Wissensverteilung. Sie bleibt wichtig, aber es zeigt sich zunehmend, dass sie nicht ausreicht, um das Können in einem Unternehmen zu sichern und weiterzuentwickeln.