The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 19 of 114
Back to Result List

Data Science: Organisation | Methoden | Architekturen | Anwendungen

  • Data Science gilt als eine der wichtigsten Entwicklungen der letzten Jahre und viele Unternehmen sehen in Data Science die Möglichkeit, ihre Daten zusätzlich wertschöpfend zu nutzen. Dabei kann es sich um die Optimierung von Maintenance-Prozessen handeln, um eine bessere Steuerung der eigenen Preis- und Lagerhaltungsstrategie oder auch um völlig neue Services und Produkte, die durch DataData Science gilt als eine der wichtigsten Entwicklungen der letzten Jahre und viele Unternehmen sehen in Data Science die Möglichkeit, ihre Daten zusätzlich wertschöpfend zu nutzen. Dabei kann es sich um die Optimierung von Maintenance-Prozessen handeln, um eine bessere Steuerung der eigenen Preis- und Lagerhaltungsstrategie oder auch um völlig neue Services und Produkte, die durch Data Science möglich werden. Die im Unternehmen vorliegenden Daten, an die so hohe Erwartungen geknüpft wurden, sollen dazu genutzt werden, um Services und Prozesse effizienter und passgenauer gestalten zu können. Vielfach gilt Data Science dabei als Allheilmittel: Daten, die über Jahre hinweg gesammelt wurden und mit zunehmender Geschwindigkeit und Heterogenität anfallen, sollen endlich nutzbar gemacht werden. Zwar sind die eingesetzten Techniken und Algorithmen teilweise schon zehn Jahre und mehr alt, doch erst jetzt entfalten sie im Zusammenspiel mit Big Data ihr Potenzial im Unternehmensumfeld. Die Erwartungen sind hoch, doch der Weg zu den neuen Erkenntnissen ist mit hohem Aufwand verbunden und wird von einigen Unternehmen noch immer unterschätzt. Für Unternehmen mit einem traditionellen BI-Ansatz stellt Data Science ein ergänzendes Set von Methoden und Werkzeugen dar, mit deren Hilfe die Informationsversorgung der Entscheider auf den verschiedenen hierarchischen Ebenen noch besser gestaltet werden kann. So zum Beispiel, wenn man mit Data Science feststellt, dass die Wahrscheinlichkeit für einen Versicherungsabschluss steigt, wenn bei der Auswahl der anzusprechenden Kunden zusätzliche Daten herangezogen werden, die zwar bereits vorliegen, aber noch nicht berücksichtigt worden sind. Im Extremfall werden auch Entscheidungen vollständig automatisiert, die bisher von Mitarbeiterinnen und Mitarbeitern getroffen wurden. Ein Algorithmus legt dann fest, wann Ware nachbestellt oder welcher Preis für den Endkunden festgesetzt wird. Im vorliegenden E-Book soll ein Überblick über das Gebiet Data Science gegeben werden. Dabei wird ein besonderes Augenmerk auf das Zusammenspiel sowie das Mit- und Nebeneinander von Data Science und vorhandenen BI-Systemen gelegt.show moreshow less

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Stephan TrahaschGND, Uwe Haneke, Michael Zimmer
Contributing Corporation:TDWI e.V.
Year of Publication:2018
Year of first Publication:2018
Pagenumber:31
Language:German
First Page:1
Last Page:31
Document Type:Other
Institutes:Hochschule Offenburg / Bibliografie
Acces Right:Zugriffsbeschränkt
Release Date:2019/01/08
Licence (German):License LogoEs gilt das UrhG