In diesem Artikel stellen wir unsere neueste Studie im Bereich Machine Learning vor, verfasst von Matthias Laube. Hier findet ihr eine Vorschau mit den wichtigsten Ergebnissen.
Management Summary
Das Ziel von diesem Leidfaden ist es, ein von Experten getriebenes und praxisorientiertes Rahmenkonzept für die kritische Bewertung von Business Cases von Machine Learning Projekten in der Finanzdienstleistungsbranche zur Verfügung zu stellen . Zu diesem Zweck habe ich Experten für Machine Learning befragt, von denen die meisten über Implementierungserfahrung in der Finanzdienstleistungsbranche verfügen.
Das Kernstück dieser Arbeit sind die Bewertungsbögen für Geschäftsfälle, die aus vier Tabellen bestehen mit insgesamt 22 verschiedenen Kriterien. Die erste Tabelle dient der Bestimmung der Machine Learning Kategorie. Die zweite Tabelle befasst sich mit potenziellen Showstoppern & Promotoren – den grossen Themen, die behandelt werden müssen, bevor man tiefer in die Bewertung des Business Case eintauchen kann. Die dritte Tabelle betrachtet Kosten und Nutzen, und die vierte Tabelle vervollständigt die Bewertung durch die Betrachtung zusätzlicher Erfolgsfaktoren. Alle diese Faktoren sind auf 2 Seiten zusammengefasst. Auf diese vier Tabellen folgen dann ausführliche Hintergrundinformationen zu jedem Kriterium mit allen kritischen Gedanken, die es zu berücksichtigen gilt, angereichert mit einigen Beispielen aus der Praxis. Um das Ganze abzurunden, führt das letzte Kapitel durch einen beispielhaften Fall.
Ursprünglich wollte ich diese Leitlinien so gestalten, dass sie auch von Personen ohne Hintergrundwissen über maschinelles Lernen angewendet werden können. Dieses Vorhaben war aber nur teilweise erfolgreich. Dies liegt daran, dass einige Bewertungskriterien ein Grundverständnis für maschinellen Lernen erfordern, um kritisches Denken zu ermöglichen. Dieses Grundverständnis sollte sich eine Person jedoch innerhalb von 1-2 Tagen aneignen können. Mit diesem Leitfaden sollte ein Anfänger im maschinellen Lernen zumindest in der Lage sein, einen Business Case kritisch zu durchdenken und ggf. in Frage zu stellen. Aufgrund der Komplexität des Themas, der hunderten von bereits existierenden Algorithmen und der raschen Fortschritten bei der Entwicklung neuer und der Verbesserung alter Lösungen, erfordern einige der Kriterien einen Datenwissenschaftler, um sie seriös zu bewerten. Eine solche Person sollte natürlich verfügbar sein, wenn ein Projekt zum maschinellen Lernen ernsthaft in Erwägung gezogen wird.
Nicht zuletzt ist es auch von entscheidender Bedeutung, die Interessengruppen eines Unternehmens frühzeitig einzubeziehen. Erwartungen können gesteuert und eine positive Investitionsrendite kann ausgehandelt werden, wenn Verständnis für das gewünschte Geschäftsergebnis geschaffen und bei Bedarf prägnante Kosten-Nutzen-Abwägungen aufgezeigt werden können.