Big Data Minds > Dr. Holger Kömm, Adidas

Am 19. und 20. September 2016 findet in Berlin die Big Data Minds Konferenz statt, auf der sich Fach- und Führungskräfte zum Thema Big Data austauschen und von den Erfahrungen in ihren Unternehmen berichten. Digitalisierung jetzt! ist Medienpartner und so durfte ich im Vorfeld ein paar spezifische Fragen an die Experten beisteuern. Hier finden Sie das zweite von drei Interviews mit interessanten Einblicken in Adidas‘ Big Data Strategie, von Dr. Holger Kömm.

Dr. Holger Kömm ist Lead Data Scientist im Big Data Department der adidas Group, Herzogenaurach. Nach einer Berufsausbildung zum Bankkaufmann studierte Herr Kömm Wirtschaftsmathematik an der Universität Eichstätt-Ingolstadt, mit anschließender Promotion am Lehrstuhl für Statistik und Quantitative Methoden der Wirtschaftswissenschaften unter Prof. Küsters. Die Forschungsschwerpunkte von Herrn Kömm sind Zeitreihenökonometrie, Volatilitätsmodelle und Prognose.

Die adidas AG ist eines der weltweit führenden Unternehmen der Sportartikelbranche mit einem umfassenden Produktsortiment, das Sportschuhe, Bekleidung und Zubehör beinhaltet. 53.731 Mitarbeitern in über 160 Ländern produziert sie mehr als 660 Mio. Produkte pro Jahr und generiert damit einen Umsatz von rund 14,5 Mrd. € (bezogen auf das Jahr 2014).

Composite image of rear view of businessman with hands in pocket
Bild: vectorfusionart, Fotolia

Big Data? Big Confusion? Was verstehen Sie unter Big Data?

Big Data ist für mich ein Konzept, nutzenorientiertes Wissen aus Daten zu generieren. Das schließt unternehmensinterne und -externe Daten genauso ein, wie strukturierte und unstrukturierte.

Was waren Ihre Beweggründe sich mit dem Thema Big Data zu beschäftigen?

Statistik. Big Data für sich genommen finde ich persönlich nicht besonders spannend. Erst durch die Kombination mit Statistik erlangen Sie die Erkenntnisse, die von der Big Data Community so gerne versprochen werden. Nur das sie ohne Statistik keinerlei Antworten liefert.

Wie ist das Big Data-Projekt bei Ihnen im Unternehmen organisiert? Wer ist involviert und was sind die Ziele?

Big Data ist bei uns neben Business Intelligence ein Bestandteil der Group Functions. Das Big Data Team besteht vornehmlich aus Data Engineers & Data Scientist die Hand-in-Hand an den Use Case Anforderungen arbeiten.

Wie haben Sie das Thema im Unternehmen so geerdet, dass Sie konkrete Projekte dazu anstoßen konnten?

Wir sind wie die meisten Big Data Departments gestartet. Als kleines Spezialisten Team auf der Suche nach Anwendungen. Die ersten Erfolge haben zum Glück nicht allzu lange auf sich warten lassen. Mundpropaganda hat den Rest übernommen. Heute sprechen wir über Demand Management Prozesse und strategischer Relevanz der Anfrage um der Flut an Anfragen aus allen Ecken der Company Herr zu werden.

Wie messen Sie den Erfolg von Big Data Projekten?

Je nach Use Case. Eine allgemeingültige Methode würde bei unserer Arbeit nicht funktionieren, da die Anforderungen der Use Cases zu unterschiedlich sind. Jeder Case der an uns übermittelt wird muss bereits enthalten, wie die Ergebnisse in Aktion umgesetzt werden und damit auch, wie sich der Erfolg des Use Cases messen lässt.

Was sind die größten technischen, personellen und operativen Herausforderungen für adidas in Bezug auf Digitalisierung und Big Data?

Technisch sehe ich keine großen Probleme. Die ganze Diskussion über Technologien wird Ihnen nicht helfen Ihre Business Fragen zu beantworten. Technische Lösungen gibt es viele, Firmen die sie bei der Implementierung begleiten ebenfalls. Die eigentlichen Herausforderungen sind heute eher auf der rechtlichen Seite (welche Daten dürfen sie wann, wie verarbeiten) und der personellen Seite. Sie finden einfach nicht genügend qualifizierte Data Scientist und Data Engineers auf dem Markt.

Wo sehen Sie Grauzonen und Problematiken von Big Data Analysen für Firmen?

Die rechtliche Seite wird meiner Meinung nach noch völlig unterschätzt.

Welche anderen Entwicklungen werden das Thema Big Data in Zukunft am meisten beeinflussen?

Anwenderfreundliche Anwendungen. Bisher reden alle vornehmlich über Big Data Technologien & Data Science Algorithmen. Der wirkliche Skalenwert wird aber erst eintreten, wenn wir pünktlich (ich rede bewusst nicht von real-time) vollautomatisierte und konsumfreundliche Lösungen liefern. Ich sehe großes Potential in betriebsinternen Apps für ihr Smartphone.

Welche Branchen sind aus Ihrer Sicht der Benchmark für das Handling von Big Data?

Ganz klar die wirklichen Big Players. Welche das Ihrer Meinung nach sind, überlasse ich Ihrer Fantasie.

Wie bedeutend ist Big Data im Vergleich zu anderen Innovationen der letzten Jahrzehnte?

Big Data ist nicht wirklich eine große, bahnbrechende Innovation. Big Data ist das natürliche Resultat einer Entwicklung, die schon lange zuvor begonnen hat. Wenn Sie wollen bereits mit der Entwicklung der ersten Computer. Nur das heute alles ein wenig schneller geht. Der Kern des Hypes ist aber nicht die Datenverarbeitung, sondern der Wert in der Dateninterpretation. Daran arbeiten Statistiker schon seit es die Statistik gibt.

Was denken Sie muss geschehen, damit das Thema Big Data im Hype Zyklus von Gartner im Plateau der Produktivität ankommt?  [Info: Gartner Hype Cycle]

Wir müssen uns deutlich stärker um Integration kümmern. Das ist und bleibt der Schlüssel für den Erfolg von Big Data.

Der Data Scientist W. Edwards Deming sagte einmal “Without data you´re just another person with an opinion”. Stimmen Sie ihm zu? Was ist Ihre Meinung?

Als Statistiker, absolut. Ich würde aber noch etwas weiter gehen und fragen, ob überhaupt eine „Meinung“ existiert? Ich erlebe regelmäßig, dass Experten aus der Vielzahl an Information nicht mehr die wirklich relevanten herauszufiltern wissen und letztlich keine eindeutige Meinung mehr haben. Es ist mehr eine Grauzone von Eindrücken die nicht so recht interpretiert werden kann. Hier helfen die Daten die wirklich wichtigen Muster zu identifizieren.

Wenn Sie Ihren Arbeitsalltag anschauen, haben Sie es öfter mit Big Data oder mit altbekannter Statistik zu tun? Inwieweit ist den Entscheidern in Ihrem Unternehmen der
Unterschied bewusst?

Ganz klar Statistik, wenn wir von Data Science reden. Für meine Data Engineering Kollegen ist es natürlich mehr Big Data. Den Entscheidern werden die Unterschiede Tag-für-Tag immer klarer. Aber aller Anfang ist schwer.

Welche Fachliteratur/Magazine/Blogs können Sie zum Thema Big Data empfehlen?

Ich bevorzuge ausgewählte Konferenzen um eine umfassende, und vorgefilterte Auswahl von Informationen zu konsumieren. Abseits davon halte ich mich lieber an Forschungsergebnisse als an Blogs.

+++

Vielen Dank an we.CONECT Global Leaders GmbH für die Kooperation.

Der Beitrag hat Ihnen gefallen und Sie möchten am Thema dranbleiben? Jetzt den Digitalisierung jetzt! Newsletter abonnieren oder die Facebook-Seite liken!

Kommentar verfassen