Der Management-Podcast von CTcon
Folge 14: Unternehmenssteuerung mit KI? Wie aus Data Science Entscheidungen werden – ein Praxisdialog mit Johnson & Johnson
Data Science ist heute allgegenwärtig. Welche Rolle hat Data Science in Unternehmen? Welche Entwicklungen gibt es von der simplen Datenanalyse zu Generative-AI-Projekten? Warum brauchen wir Explainable AI? Welche Chancen bietet diese Entwicklung für die Unternehmenssteuerung und wie sind sie organisatorisch umzusetzen? Wie gestaltet sich dies konkret in der Pharma- und Konsumgüterbranche?
Diese Fragen diskutieren in einem spannenden Praxisdialog Steven Lehmann (Head of Data Science & Analytics Strategy EMEA bei Johnson & Johnson) und Björn Radtke (Partner bei CTcon).
Steven Lehmann ist Head of Data Science & Analytics Strategy EMEA bei Johnson & Johnson. Zuvor war Steven in ähnlicher Funktion bei UCB. Seine Expertise hat er 2020 zudem im Buch „Digital Jackpot – How to win the Digital gamble“ zusammengefasst.
Björn Radtke ist Partner bei CTcon. Für uns berät er seit 1996 führende Konzerne und große öffentliche Organisationen in Themen der Unternehmenssteuerung.
Fragen:
- Wo liegen die größten Unterschiede in der Nutzung von Data Science als Global Head of Global Analytics in der CFO-Funktion beim belgischen Pharmakonzern UCB zum Head of Data Science & Analytics Strategy EMEA bei Johnson & Johnson, einem der größten Pharma- und Konsumgüterhersteller der Welt?
- Welches Rollenverständnis gibt es von Data Science in den Unternehmen? Was bedeutet Data Science for Decision Making? Kann man Data Scientisten auch an Unternehmenszielen messen und incentivieren? Wie ist die Akzeptanz dieses Ansatzes?
- Wie ist die Entwicklung von simpler Datenanalyse zu Generative-AI-Projekten? Wo liegen die Unterschiede? Welche Rolle spielt Generative AI im Unternehmen? Gibt es bereits Use Cases bei Johnson & Johnson?
- Welche Rolle spielt die Datenqualität? Ist sie häufig ein Showstopper“? Kann mit jedem Projekt ein Mehrwert erzeugt werden?
- Was unterscheidet einen Decision Scientisten von einem Data Scientisten? Was sind die Skill-Anforderungen? Welche Rolle spielen sie für das C-Level in einem Unternehmen?
- Wie kann man Data und Decision Scientisten am besten rekrutieren? Was sind besondere Herausforderungen bei der Personalsuche?
- Welche Bedeutung ist Explainable AI zuzuschreiben? Ist die Erklärbarkeit immer Voraussetzung für die Akzeptanz einer Lösung in der Unternehmenspraxis?
- Welche Einsatzmöglichkeiten bieten sich in Planung und Reporting? Wie sieht zukünftig ein Planungsprozess aus? Wird das klassische Standard-Reporting in Zukunft von künstlicher Intelligenz erstellt und mit Large Language Models kommentiert?
- Wird es die Rolle eines Head of Data Science & Analytics in Zukunft noch geben? Brauchen wir diese Experten noch? Geht diese Rolle im Unternehmen anders auf?
Weiterführende Links:
zurück zur Übersicht