Erfolgreiche Data Science Projekte mit dem Datenkompass

Erfolgreiche Data Science Projekte mit dem Datenkompass der Alexander Thamm GmbH

Die Einsatzbereiche für Data Science Projekte sind schier unerschöpflich und so reichhaltig wie die Branchen, wo sie Anwendung finden. Datenanalysen bringen wertvolle Einsichten für Forschung und Wissenschaft, Produktentwicklung, Vertrieb und Logistik, Produktion, Human Resources, das Management, im Bereich Banking sowie vielen weiteren Unternehmensbereichen und Einzelbranchen. Eine der wiederkehrenden Konstanten solcher Projekte ist es, Muster und Regelmäßigkeiten in Daten zu erkennen sowie Modelle zu entwickeln, die Vorhersagen erlauben und Grundlage für Entscheidungen bilden.

Der Datenkompass als Basis für Data Science Projekte

Um all diese verschiedenen Aspekte zu gliedern und zu strukturieren, haben wir von der Alexander Thamm GmbH den Datenkompass entwickelt. Er dient der Orientierung und der zielgerichteten Entwicklung von Data Science Projekten. Der Datenkompass ist unabhängig von bestimmten Technologien oder Software-Anbietern und kann individuell an die bestehenden IT-Lösungen unserer Kunden angepasst werden. Der Datenkompass teilt dazu jedes Data Science Projekt in vier aufeinander aufbauende Stufen ein: Business ProcessesData IntelligencePredictive Analytics und Insights Visualization. Der Datenkompass stellt die Summe unserer langjährigen Erfahrung und über 500 erfolgreich durchgeführte Data-Science-Projekten in verschiedenen Branchen dar.

Linktipp: In den letzten 4 Jahren haben wir bereits über 500 Data Science Projekte für Kunden aus unterschiedlichsten Branchen durchgeführt. Ausgewählte Projektbeispiele dazu gibt es hier.

Business Processes

Unser Ansatz setzt an einem Punkt an, an dem Daten zunächst noch gar keine Rolle spielen. Denn unsere Kunden kommen in der Regel mit mehr oder weniger spezifischen, konkreten Fragen oder einem Problem auf uns zu, für das Sie eine Lösung suchen. Gemeinsam kümmern wir uns darum, zunächst diese Frage umfassend zu verstehen. Dazu klären und bewerten wir alle mit der Frage verknüpften HintergründeMotivationen und Interessen. Je genauer wir eine Fragestellung präzisieren, desto besser lässt sie sich mit Hilfe von passenden Daten beantworten. Für den Erfolg halten wir es für entscheidend, von Anfang an alle beteiligten Personen mit am Tisch zu haben. Je früher alle betroffenen Abteilungen und Entscheidungsträger mit in den Prozess einbezogen werden, desto leichter und effektiver gestaltet sich die Umsetzung.

#DataScienceProjekte haben ihren Ursprung nicht in #Daten, sondern konkreten Fragestellungen, die sich aus der Analyse von Geschäftsprozessen ergeben. Klick um zu Tweeten

Sobald die konkrete Fragestellung vorliegt, geht es an die Planung und Klärung der Rahmenbedingungen eines Projekts. Dazu gehen wir anhand der Analyse der Business Processes der Frage nach, welche technischen und analytischen Herausforderungen es auf dem Weg zu Lösung zu meistern gilt. Das Verständnis des Zusammenspiels von Geschäftsprozessen und Analysekonzept bilden das Fundament eines jeden Data Science Projekts.

Data Intelligence

Die betriebswirtschaftliche oder fachlich orientierte Fragestellung übersetzen wir in der anschließenden Phase in eine datengetriebene Fragestellung. Hier geht es um die genaue Bestimmung, welche Zahlen, Messwerte und Daten für ein Data Science Projekt relevant sind. Dabei kann es sein, dass die Daten bereits vorhanden sind oder zunächst Konzepte für die Datenerhebung entwickelt werden müssen.

Die eigentliche Herausforderung ist es, sehr unterschiedliche Daten miteinander vergleichbar zu machen. Umgangssprachlich könnte man sagen, dass Daten „eine einheitliche Sprache sprechen müssen“. Dieser Aspekt eines Data Science Projekts kann zeitlich enorm intensiv sein und nicht selten handelt es sich dabei um manuelle Prozesse. Darum ist Data Intelligence einer der entscheidenden Vorgänge, ohne die keine verlässlichen Aussagen möglich sind. Data Science benötigt „gute“, sprich: relevante, strukturierte und valide Daten.

Linktipp: Sie haben bereits eine Big-Data-Strategie, wissen aber nicht, wie sie diese am besten umsetzen können? In unserem Roadmap Workshop klären wir diese Fragen gemeinsam!

Predictive Analytics

Unternehmen sehen sich heute in vielen Fällen mit enormen Datenmengen konfrontiert. Um diese Big Data auszuwerten, werden spezielle Algorithmen verwendet oder selbst entwickelt, die in der Lage sind, in großen Datenmengen Muster und Regelmäßigkeiten zu erkennen. Die Analyse von historischen Daten kann beispielsweise dazu dienen, Vorhersagemodelle zu entwickeln. Dabei werden Wahrscheinlichkeiten berechnet, nach denen ein bestimmtes Ereignis oder ein Szenario eintritt. So lassen sich frühzeitig Trends erkennen und darauf reagieren. Mit Hilfe von Predictive Analytics können wir entweder konkrete Fragestellungen und Hypothesen bewerten oder wir suchen nach der nächsten (sinnvollen) Frage, auf die versteckte Muster und Regelmäßigkeiten in den Daten hinweisen.

#BigData ist heute zur neuen Norm in Unternehmen geworden. In Zukunft ist es für den Erfolg wichtig, diese #Daten in #Werte zu übersetzen. #Data2Value Klick um zu Tweeten

Insights Visualization

Für das menschliche Gehirn sind Daten in Form von Bildern viel schneller und besser zu verarbeiten als endlose Zahlenreihen in Tabellenform. Die Insights Visualization, die Visualisierung von Daten, ist deshalb nicht nur für Präsentationen wichtig, sondern vor allem um die Informationen zu verstehen und interpretieren zu können. Die Visualisierung wird damit zum wesentlichen Bestandteil einer jeden Analyse. Insbesondere weil sich Data Science nicht ausschließlich an IT-Experten richtet, sondern ebenfalls im Management und der Geschäftsführung ihr Anwendungsfeld findet, müssen die Ergebnisse klar und verständlich präsentiert werden. Usability und Information Design sind der Schlüssel, damit Data Science ein Bestandteil der alltäglichen unternehmerischen Praxis werden kann.

Linktipp: Lesen Sie auch unseren Blog-Artikel über die besten Methoden zur Visualisierung von Big Data.

Der Datenkompass macht Data Science Projekte beherrschbar

Jedes Data Science Projekt ist einzigartig. Der Weg zur individuellen Lösung weist jedoch strukturelle Ähnlichkeiten und wiederkehrende Fragestellungen auf. Der Datenkompass ist die Antwort auf diese Gemeinsamkeiten und er hilft dabei, Prozesse zu beschleunigen, zu beurteilen und zu optimieren. Wie ein echter Kompass beim Navigieren hilft und es möglich macht, sich über den eigenen Standpunkt klarzuwerden, so verschafft auch der Datenkompass Orientierung. Data Science Projekte sind hochkomplex und umso wichtiger ist es, den Überblick nicht zu verlieren. Mit dem von uns entwickelten Datenkompass verlieren wir nie das Ziel aus den Augen – Denn wir wissen: Nur wer die richtige Orientierung hat, kann auch neue Wege beschreiten.

 

Tags

top