Intervista a Ingo Alzner, AI in Porsche
Dieci anni fa, la maggior parte dei dati era bloccata nelle tabelle di Excel e c’era un’enorme quantità di lavoro per pulirli e caricarli nei database.
Ingo Alzner gestisce il progetto Data Lake in Porsche. Alzner ha svolto un ruolo fondamentale nello stabilire le ambizioni sui big data di Porsche. Attualmente, fa parte dell’iniziativa cloud (come rappresentante Porsche) progettando la strategia cloud IT di Volkswagen. Negli ultimi anni, Alzner ha trasformato Porsche in un’azienda basata sui dati. Abbiamo cercato di scoprire come Alzner e il suo team stanno integrando principi di dati all’avanguardia nel lavoro quotidiano di una casa automobilistica tradizionale ma innovativa come Porsche.
Alzner si è specializzato in analisi dei dati presso la Hochschule der Medien, Stoccarda. Inoltre, ha trascorso un semestre all’estero presso l’Università Udayana, in Indonesia, dove ha studiato economia internazionale e ha imparato molto sull’Asia. Sin dai tempi della scuola, Alzner è stato affascinato dall’analisi e dalla costruzione di grafici. Alzner giura sull’adagio di Winston Churchill: “Credo solo nelle statistiche che mi sono falsificato”. Alzner ha anche internato e lavorato presso Horváth & Partners Management Consultants, dove ha imparato molto sulla raccolta, la trasformazione e la presentazione dei dati.
Alla domanda sulle sfide che ha dovuto affrontare, Alzner ha subito sottolineato la qualità dei dati. “Si trattava principalmente della stessa sfida di oggi: la qualità dei dati. La maggior parte del tempo viene speso per ottenere i dati nel formato e nella qualità giusti. 10 anni fa, la maggior parte dei dati era bloccata nelle tabelle di Excel e c’era un’enorme quantità di lavoro per pulirli e caricarli nei database. Oggi ci sono molti più dati, archiviati in sistemi di big data, ma la qualità dei dati rimane ancora la sfida. E senza un’adeguata qualità dei dati, non sei in grado di analizzare correttamente”, ha affermato.
L’anno scorso, Alzner ha lavorato come responsabile delle consegne AI per AI@Porscheprogrammi che abilitano e istruiscono i team di prodotti AI come sounce.io, chatbot e casi d’uso dei dati delle auto. Dall’inizio di quest’anno, Alzner ha cambiato ruolo e ora rappresenta Porsche all’iniziativa di trasformazione del cloud del Gruppo VW. Insieme a colleghi di marchi come Volkswagen, Audi, Skoda, ecc., supervisiona la progettazione e l’implementazione di strategie cloud comuni. “Il dominio dei dati dell’auto non è un dominio facile. In molti casi, i domini dell’ingegneria e della scienza dei dati sono fluenti e gli scienziati dei dati classici devono imparare molto sull’ingegneria fino a quando non sono davvero in grado di generare valore. Immagina di analizzare i dati dei sensori da centinaia di sensori dal nostro chassis ad alte prestazioni. Devi prima imparare a cosa servono la maggior parte dei sensori.
Strategie
Mentre si avvicina a un problema di data science, Alzner suggerisce di cercare di trascorrere più tempo possibile con il proprietario dei dati. “Questo ti farà risparmiare un sacco di tempo, perché lui / lei è principalmente in grado di spiegarti tutte le anomalie su cui altrimenti potresti passare ore a rimuginare”, ha aggiunto. Parlando dello stack di strumenti, Alzner ha affermato che gli sforzi ML di Porsche sono alimentati dalla piattaforma dati di Cloudera, AWS Sagemaker per l’apprendimento automatico e con Python come lingua di programmazione scelta.
Alzner crede che una buona azienda data driven enfatizzi maggiormente la collaborazione end-to-end di tutti i reparti aziendali e la trasparenza. Secondo lui, i casi d’uso più preziosi sono quelli che utilizzano dati provenienti da più dipartimenti. Perché, se i dati risiedono solo in silos, il loro vero potenziale non può mai essere realizzato. Può sembrare banale, ma Alzner considera questa una grande sfida per le imprese. “Con strumenti come una libreria di casi d’uso o un catalogo di dati è possibile ottenere una grande trasparenza e i nuovi data scientist sono rapidamente in grado di ottenere una panoramica di ciò che sta accadendo. Altrimenti, la stessa idea verrà fuori cento volte. In Porsche, abbiamo semplicemente ancorato gli apprendimenti degli ultimi anni e integrato profondamente i principi basati sui dati nella nostra strategia aziendale 2030″, ha affermato.
Alla domanda sul clamore dell’IA, Alzner ha affermato che il deep learning è stato applicato a quasi tutti i casi d’uso ormai da un po’ di tempo, spesso senza successo. Tuttavia, in futuro, si distinguerà un uso più differenziato dei metodi. “È stato dimostrato che i motori delle regole sono spesso abbastanza buoni e in molti casi non è necessario il deep learning. Non so quale dominio avrà la meglio, ma credo che finalmente vedremo veicoli autonomi sulla strada nei prossimi anni”, ha affermato Alzner.
Suggerimenti per professionisti
Abbiamo chiesto ad Alzner delle sue risorse di lettura di data science e ha scelto KDnuggets.com e hackernoon.com. Ritiene che i principianti li troveranno utili. Inoltre, per coloro che aspirano a entrare nella scienza dei dati e nei campi correlati, Alzner suggerisce che è importante avere una visione lunga e dedicare tempo alla comprensione dei contorni della scienza dei dati, ma non a scapito del perseguire la specializzazione di cui si è appassionati. Per uno scienziato dei dati, conoscere gli algoritmi o gli strumenti di BI non sarà sufficiente. Dovrebbero essere consapevoli dei fattori che potrebbero apparire estrinseci in superficie. Ad esempio, Alzner ha sottolineato l’importanza di conoscere il GDPR se si vuole lavorare nei paesi dell’UE.
