In den letzten 4 Jahren haben wir bereits über 400 Data Science Projekte für Kunden aus unterschiedlichsten Branchen durchgeführt. Die Themen lassen sich dabei in 6 Bereiche gliedern: Predictive Maintenance, 360° Customer Journey, Internet of Things, Risk & Fraud Management, Cost Reduction & Quality Management und Smart Reporting. Ausgewählte Projektbeispiele dazu gibt es hier.

Unsere Data Science Projekte führen wir sicher zum Erfolg mit unserem AT Delivery Modell. Dieses besteht aus der Explorationsphase, der Realisierungsphase und der Übernahmephase. Während Explorationsphase und Übernahmephase einer sequentiellen Ordnung folgen, wird die Realisierungphase iterativ in agiler Form mittels festdefinierten Sprintphasen durchgeführt.

Die Identifikationsphase beinhaltet wesentliche Schritte für neue und innovative Data Science Projekte bei denen nicht auf existierendes Vorwissen zurückgegriffen werden kann.Das Ziel der Identifikationsphase ist es, innerhalb kürzester Zeit ein besseres Verständnis zur allgemeinen Situation und ihren Herausforderungen zu bekommen. Dies geschieht ausgehend von einer initialen Projekt Definition (anhand konkreter User Stories), die entweder von Ihnen geliefert wird oder gemeinsam mit uns erarbeitet wird. Auf dieser Basis findet die Exploration Stage statt. Unterschiedliche Methoden, wie z. B. Design Thinking und Business Process Modelling, werden eingesetzt, um die definierten Ziele in Herausforderungen, Aufgaben und spezielle Anforderungen zu übersetzen. In der Result Validation Stage werden die neu gewonnen Informationen verifiziert und weiter untersucht. Diese Vorstufen führen schließlich zu einem klar definierbaren Data Science Project Set-Up, in welchem Ziele, Kosten und Zeit einfacher abgeschätzt werden können. Die finale Erstellung des Use Case Konzepts leitet die Realisierungphase ein und löst den agilen Entwicklungsstart aus.

Die Realisierungsphase kombiniert den Datenkompass mit einem agilen SCRUM Projektmanagement Ansatz, um Data Science Projekte effizient und effektiv durchzuführen. Bei der Umsetzung greifen wir auf bekannte Elemente des agilen Projektmanagements wie Sprints, Daily Stand-Up Meetings, Product Backlogs, Review Processes und Testing Phases zurück. Dieses Vorgehen ist in jedes Element des AT-Prozesses eingebettet. Dadurch wird garantiert, dass die Projektqualität und der Projekterfolg innerhalb der vorgegeben Zeit und Kosten erreicht werden kann. Die Prototyp Abnahme überführt das Projekt von der Realisierungsphase in die Übernahmephase.

In der Übernahmephase wird die spätere Betriebsfähigkeit der Entwicklung sicherstellt.

Kontaktieren Sie uns, damit wir auch Ihr Data Science Projekt gemeinsam umsetzen.

Kontaktanfrage

top