Data Science in der Praxis – eine BestandsaufnahmeData Science und AI sind in aller Munde und haben bei deutschen Unternehmen den Ruf, neue Geschäftsmodelle zu ermöglichen und eine bessere Kundenansprache zu fördern.
In der Praxis haben viele Unternehmen erste Erfahrung mit Data-Science-Einheiten und der Anwendung von AI gesammelt. Hier ist aber oft ein lineares Modell für betriebswirtschaftliche Probleme besser geeignet als komplexe selbstlernende neuronale Netze. Ebenso stellt GDPR die Unternehmen vor weitere Herausforderung bei der Anwendung analytischer Modelle.
Wie können in einem solchen Umfeld historisch gewachsene Data- und Analytics-Architekturen weiter entwickelt werden um auch zukünftig zu bestehen und einen Mehrwert für Unternehmen zu generieren?
Vorkenntnisse
* Grundlagen in Data und Analytics
* Data-Science-Grundlagen
Lernziele
Im Vortrag wird:
* eine Einordnung von Data Science, Visual Analytics und hybriden Datenarchitekturen gegeben,
* eine Klassifizierung von Data Science Anwendungsfällen vorgestellt,
* eine Referenzarchitektur für Data & Analytics vorgestellt die sowohl Reporting als auch Data Science ermöglicht,
* auf typische Herausforderungen von Data- und Analytics-Architekturen bei der Nutzung durch Data Science der Praxis eingegangen.
//
Michael Zimmer
ist Senior Manager bei Deloitte und verantwortet in der Service Line Analytics & Information Management die Versicherungsbranche sowie SAS als Technologie. Er beschäftigt sich mit der Konzeption, Einführung und Weiterentwicklung komplexer Data- und Analytics-Architekturen. Seine Schwerpunktthemen sind Data- und Analytics-Strategie sowie die Industrialisierung hybrider Analytics-Architekturen. Daneben ist Dr. Zimmer Speaker, Autor und Herausgeber zum Thema agile BI, digitale Agilität und Data Science.