Dataiku

Dataiku ist intuitiv zu bedienen, da es auf eine graphische Oberfläche setzt die auf die Nutzerbedürfnisse abgestimmt ist. Es bietet eine Vielzahl an Möglichkeiten um Daten einzulesen (textbasiert über CSV, per Datenbankverbindung, http-Request und viele weitere), die Daten klickbasiert zu transformieren, zu visualisieren oder Machine Learning Modelle zu generieren. Zu den Transformationen zählen einfache Schritte wie Typkonvertierung, Zeichenersetzung, Spaltenumbenennungen aber auch das erzeugen komplett neuer Spalten auf Basis von bedingten Formeln ist möglich. Der Hauptpunkt ist aber die Möglichkeit eigene Machine Learning Modelle zu erzeugen mit denen Cluster in den Daten aufgedeckt, Vorhersagen getroffen werden können oder einfache Regressionsanalysen möglich sind. Dataiku unterstützt dabei auch die Funktion den Datensatz in einen Lern- und Testdatensatz zur Evaluation der Modelle. Eines der größten Pluspunkte ist aber die flow-Darstellung der einzelnen Änderungen an den Daten.

Der Machine Learning-Aspekt, der Dataiku grade für Data Scientisten interessant macht ist zu stark auf gestandene Statistik-Experten ausgelegt. Bei der Einführung durch einen Kollegen wurde mir mitgegeben welche Parameter und Algorithmen sinnvoll sind aber diese werden innerhalb des Tools nicht tiefgreifend erläutert. Man muss also wissen was einzelne Algorithmen tun und was die Stellschrauben in Form von Parametern bewirken.

Dataiku hilft mir bei der Datenaufbereitung bevor diese nachfolgende BI-Lösungen wie Microsoft Power BI oder Tableau zur Report-Erstellung eingespielt werden. Außerdem hilft es vorab Muster in den Daten zu erkennen und die Daten entsprechend zu labeln. Ein großer Vorteil ist die visuelle Darstellung von Datenzwischenständen und den eingesetzten Transformationen.

Ohne tiefe Programmierkenntnisse kann ich mit Dataiku eine Pipeline der Datenverarbeitung aufbauen und dabei jeden Schritt vom Anschließen einer Datenquelle, über die Bereinigung meiner Daten bis hin zum Trainieren verschiedener KI-Modelle in einem Tool abbilden. Das Beste daran - wenn ein Problem doch zu technisch wird und nicht mit vorgefertigten "Rezepten" von Dataiku gelöst werden kann, ist es dennoch möglich, via individuellen Python-Code seine Lösung in die DataIku-Pipeline einzubauen.

Einige Python-Bibliotheken können nur sehr aufwendig ins das DataIku-Studio integriert werden. Die meisten bekannten und großen Bibliotheken klappen ohne Probleme - wenn diese Integration noch verstärkt wird, bin ich super happy!

Gerade zu Beginn eines Data Science Projektes will ich schnell und effektiv mit meinen Daten arbeiten und schnell Ergebnisse sehen, um zu entscheiden, ob ich überhaupt an dem Projekt arbeiten kann. Das funktioniert super mit DataIku und sogar ohne eigene Programmierkenntnisse (z.B. in Python). Der größte Mehrwert liegt in der Kollabartionsfähigkeit von DataIku: Mit dem Data Studio ist es möglich in einem gemischten Team (Programmierer und Fachabteilung) viele KI-Use-Cases aufzubauen, zu verproben und wenn sie erfolgreich sind sogar zu skallieren.