Data Science. Michael Zimmer
Uwe Haneke · Stephan Trahasch · Michael Zimmer · Carsten Felden
1.1Von Business Intelligence zu Data Science
1.2Data Science und angrenzende Gebiete
1.3Vorgehen in Data-Science-Projekten
2(Advanced) Analytics is the new BI?
2.1Geschichte wiederholt sich?
2.2Die DIKW-Pyramide erklimmen
2.3Vom Nebeneinander zum Miteinander
3Data Science und künstliche Intelligenz – der Schlüssel zum Erfolg?
Marc Beierschoder · Benjamin Diemann · Michael Zimmer
3.1Zwischen Euphorie und Pragmatismus
3.2Wann ist Data Science und KI das Mittel der Wahl?
3.3Realistische Erwartungen und klare Herausforderungen
3.4.1Die Automobilbranche als Beispiel
3.4.1.1Machen Sie Ihren Kunden ein Angebot, das sie nicht ausschlagen können
3.4.1.2Spinning the Customer Life Cycle – Schaffen Sie mehr als eine Runde?
4Konzeption und Entwicklung von Data-driven Products/Datenprodukten
4.2.2Beispiele für Datenprodukte
4.2.3Herausforderungen des Produktmanagements für Datenprodukte
4.3Digitale Produktentwicklung
4.3.5Data-centric Business Models
4.4.1Ideengenerierung für Datenprodukte entlang der Customer Journey
4.4.2Value Propositions von Datenprodukten
4.4.4Die Erwartung an die Güte des Modells bestimmen
4.4.5Mit dem Datenprodukt beginnen
4.4.6Kontinuierliche Verbesserung mit der Datenwertschöpfungskette
4.4.7Skalierung und Alleinstellungsmerkmal
4.5Kritischer Erfolgsfaktor Feedbackschleife
4.6Organisatorische Anforderungen
5Grundlegende Methoden der Data Science
Stephan Trahasch · Carsten Felden
5.2Data Understanding und Data Preparation
5.2.2Transformation und Normalisierung