Was wir von schlechtem Kaffee über Low-Code Data-Science-Plattformen lernen können

Das Leben ist zu kurz für schlechten Kaffee: Es war noch nie so einfach, die Leistungsfähigkeit von Analysen für alle verfügbar zu machen, ohne echte Data Science zu verwässern oder ihren Mehrwert zu unterschätzen.

Technologie   |   Vishal Soni   |   3. Juni 2022 LESEZEIT: 6 MIN
LESEZEIT: 6 MIN

Ich gebe es zu. Ich liebe Kaffee. Ich liebe alles an ihm, vom Geschmack über das angenehme Gefühl, wenn ich meinen morgendlichen Espresso trinke, bis hin zum Konzentrationsboost, den er mir gibt, wenn ich am Sonntagmorgen durch meinen Twitter-Feed scrolle. Und da bin ich nicht der Einzige.

 

Alleine in den USA werden täglich über 400 Millionen Tassen Kaffee getrunken. Es ist schier unglaublich, wie viel Kaffee weltweit getrunken wird. Zum Vergleich: Die Finnen verbrauchen sogar 12 kg Kaffee pro Kopf und Jahr, was dem Gewicht eines Klammeraffen entspricht.

 

Und natürlich habe ich mich gefragt: „Wie kann ich einen noch besser schmeckenden Kaffee zubereiten?“

 

Ich bin kein ausgebildeter Barista und habe nie in einem Café gearbeitet. Ich bin, was ein Gamer einen totalen Noob nennen würde.

 

Verstehen Sie mich nicht falsch: Ich weiß, wie man einen Wasserkocher bedient, und ich kann durchaus einen Teelöffel feinsten Nescafé in eine Tasse geben und mit kochendem Wasser übergießen. Aber ich bin bereit für eine neue Herausforderung. Ich bin bereit für mein „spirituelles Erwachen“ – zumindest in Bezug auf Kaffee.

 

Also habe ich das gemacht, was man in so einer Situation macht: Google befragt. Nachdem ich etwa eine Stunde lang alles über verschiedene Bohnensorten und unterschiedliche Geräte und Arten der Kaffeezubereitung gelesen hatte, habe ich Nägel mit Köpfen gemacht und mir einen semi-professionellen Kaffeevollautomat für Zuhause gekauft. Und das Ergebnis war... Kaffee, der bestenfalls durchschnittlich war.

 

Um ehrlich zu sein, hatte ich mir eine bessere Qualität erhofft. Ich war noch weit davon entfernt, mich wie der typische tatöwierte Barista mit Vollbart und Hornbrille zu fühlen. Und deshalb habe ich nachgeforscht, was der Grund für meine mittelmäßigen Ergebnisse sein könnte, und bin auf eine Liste häufiger Fehler gestoßen:

  1. Zu warmes Wasser
  2. Falsche Menge Kaffeepulver
  3. Falscher Mahlgrad
  4. Verwendung vorgemahlener Bohnen
  5. Falsches Verhältnis von Wasser zu Kaffeepulver

 

Ich fühlte mich regelrecht erschlagen. Ich wollte doch einfach nur Kaffee trinken. Mein Ziel war es, guten Espresso genießen zu können. Ich möchte nicht stundenlang lernen müssen, wie man den richtigen Mahlgrad einstellt oder was die optimale Wassertemperatur ist, oder meine Bohnen vor dem Mahlen abmessen (ich hasse es, Bohnen zu mahlen).

 

Aber mir war auch klar, dass ich nicht mehr zu Instantkaffee zurückkonnte. Nach all dem, was ich gelernt hatte, konnte es für mich nie mehr so sein, wie es früher war. Was ich brauchte, war etwas, das meine Bedürfnisse erfüllte. Meinen Lifestyle. Wie Liam Neeson, meine ganz besonderen Fähigkeiten.

 

Und natürlich habe ich das getan, was alle tun: eine Espressomaschine gekauft. Jetzt muss ich nur noch einen dieser praktischen Pods in das Fach einlegen, sicherstellen, dass sich Wasser im Behälter befindet, und auf einen Knopf drücken. Schon habe ich feinsten, samtig schwarzen, herrlich aromatischen Kaffee. Sie fragen sich jetzt sicher: Was kann diese epische Reise von „zu Tode betrübt“ hin zu „himmelhoch jauchzend“ uns über die Welt der Low-Code/No-Code-Plattformen lehren?

 

Nun ja: Es geht darum, was man erreichen möchte und wie viel Zeit, Geld und Aufwand man gewillt ist, zu investieren.

 

Die meisten Leute haben simple Bedürfnisse, zum Beispiel eben Espresso. Typischerweise haben wir Daten, die bereinigt oder mit anderen Daten zusammengeführt werden müssen, die sich irgendwo anders befinden (zum Beispiel in der Cloud).

 

Die Technologie heute ist so ausgereift, dass sie uns durch die Modellerstellung führen kann. Sie wählt die Dinge aus, die zu den besten Prognosen beitragen, und erklärt, was sie tut, damit Sie die Kontrolle behalten.

 

Es gibt sogar interaktive Diagramme, Schieberegler und „Was-wäre-wenn“-Analysen, mit denen Sie herumspielen können, um einfach nur zu sehen, was passieren würde.

 

Dadurch können Sie unmittelbar in die wundervolle Welt der Advanced Analytics eintauchen und zum Beispiel Modelle für Machine Learning verwenden und dabei die volle Kontrolle behalten. Sie können Ihre eigenen Fähigkeiten, Ihre Fachkenntnisse und Ihr Wissen einsetzen, um den Modellaufbau zu lenken, wobei der Mensch im Mittelpunkt bleibt und die Kontrolle behält.

 

Verstehen Sie mich nicht falsch: Man wird immer Programmierer und Programmiererinnen brauchen, genauso wie man immer ausgebildete Baristas brauchen wird. Ohne sie könnten wir alle diese Vorteile und Annehmlichkeiten nicht genießen. Aber die bittere Wahrheit ist: Es gibt einfach viel zu wenige von ihnen.

 

Wenn jemand einen Kaffee möchte, ergibt es häufig mehr Sinn, ihm eine Espressomaschine zu geben, statt einer professionellen Siebträgermaschine mit allem Drum und Dran.

 

Genauso ist es für die meisten Leute, die mit Daten arbeiten, sinnvoller, eine Low-Code/No-Code-Plattform zu verwenden statt Jupyter Notebook.

 

Und hier kommt Alteryx ins Spiel. Diese Lösung erlaubt es Ihnen, alles zu tun, was Sie benötigen: Daten aus Tabellen, Datenbanken und so ziemlich allen möglichen Quellen ziehen, nach Herzenslust bearbeiten und für den Aufbau verschiedener Analysemodelle verwenden.

 

Wir haben bei Alteryx ein einfaches Ziel: Wir befähigen jeden dazu, etwas zu bewirken, und investieren in das Talent jeder einzelnen Person, um gemeinsam mehr zu erreichen.

 

Die wichtigste Methode, um dies zu erreichen, besteht darin, es so einfach wie möglich für jeden zu machen, sofort loszulegen. Funktionen wie der Schulungsmodus sind speziell dafür konzipiert: Ganz ohne Code wird erklärt, was „unter der Haube“ passiert – in einer Sprache, die auch für Laien leicht verständlich ist.

 

Aber auch an Programmiererinnen und Programmierer haben wir gedacht: Die Programmiersprachen R und Python sind integriert, sodass Sie direkt in der Plattform Code schreiben und die Lücke schließen können zwischen denen, die programmieren können, und denen, die es nicht können. Anders gesagt: Wir bieten eine einheitliche Sprache für alle, die darauf ausgelegt ist, die Zusammenarbeit zu verbessern und die gläserne Silos aufzubrechen.

 

Das Leben ist zu kurz für schlechten Kaffee: Es war noch nie so einfach, die Leistungsfähigkeit von Analysen für alle verfügbar zu machen, ohne echte Data Science zu verwässern oder ihren Mehrwert zu unterschätzen.

 

Die meisten von uns wollen einfach nur etwas, um ihre Datenprobleme so einfach wie möglich lösen. Etwas, das für Leute wie uns entwickelt wurde, etwas, das uns die Flexibilität gibt, so komplex oder simpel zu arbeiten, wie es gerade erforderlich ist. So simpel, dass man einfach nur auf „Ausführen“ zu klicken braucht.

 

Erfahren Sie, wie Alteryx Analysen für jeden zugänglich macht, oder noch besser: Wenden Sie sich direkt an uns, um zu erfahren, wie wir Ihnen helfen können.

 

 

Tags