Data Science Workshop

Gemeinsame Use Case Discovery für künftige Projekte in Data Science und AI

Systeme aus Produktion, Controlling, Vertrieb und Marketing werfen tagtäglich große Datenvolumina ab. Obwohl Unternehmen der mögliche Wertbetrag bewusst ist, fehlt es ihnen an einer konkreten Vorstellung, wie sie das in den Daten schlummernde Potenzial erschließen und damit ihre Prozesse optimieren können. Den richtigen Use Case für ein Data-Science-Projekt zu identifizieren wirft zahlreiche Fragen auf. Unser Workshop bringt Unternehmen auf den richtigen Data-Science-Kurs und bildet die Grundlage für ein erfolgreiches Data-Science-Projekt. Wir helfen, die vorhandenen Daten zu analysieren und ermitteln gemeinsam mit den Kunden, für welchen Use Case sich relevante Daten eignen.

Gründe für den Data Science Workshop

  • Bestimmung der Erfolgsfaktoren für Projekte in Data Science und AI
  • Methoden und Techniken des Data Thinking
  • Praxisbezogene Inhalte
  • Erarbeitung individueller Ansätze für die Projekt-Umsetzung
  • Initiale Priorisierung von Use Cases
  • Einordnung in eine analytische Roadmap
  • Mögliche Fortsetzung eines Use Case im Rahmen des Data Science MVP-Ansatzes
Services / Data Science Workshop / taod Consulting GmbH

Ablauf eines Workshops für Data Science und AI

Der eintägige Workshop vermittelt theoretisches Wissen in Kombination mit praxisbezogenen Übungen und endet mit konkreten Handlungsempfehlungen für dein erstes Data-Science-Projekt. Unter Anleitung unserer Consultants erschließen du und dein Team im Workshop das Potenzial eurer Unternehmensdaten. Die identifizierten Use Cases können in einem nächsten Schritt innerhalb eines MVP-Konzepts umsetzt werden.

In der ersten Phase vermitteln wir Methoden, um mit einer Anforderungsanalyse essenzielle Erkenntnisse für das eigene Geschäftsmodell zu identifizieren.

Im analytischen Teil des Workshops erstellen die Teilnehmenden eine „Landkarte“ der eigenen Datenlandschaft. Wie können die vorhandenen Daten kategorisiert und in Beziehung gebracht werden? Wo lassen sich unmittelbare Lücken erkennen?

Mit der Konzeptphase nähern sich die Teilnehmenden möglichen Use Cases aus ihrer beruflichen Praxis. Welche Anwendungsbereiche für erste Data-Science-Anwendungen lassen sich finden und priorisieren?

Zum Schluss werden die erfolgversprechendsten Ideen genauer betrachtet und ein gemeinsames Setting aus nächsten Schritten und Zwischenzielen vereinbart. Sie sollen den identifizierten Use Case als Projektskizze abschließen.

Themen, Services und Beratung rund um Data Science

Data Science FAQ

Big Data beschreibt eine große Menge an strukturierten und unstrukturierten Daten, welche zum Beispiel in IoT-Projekten entstehen können. Big Data stellt hinsichtlich Speicherung und Verfügbarkeit besondere Anforderungen an das Data Management. Auf Basis von Big Data lassen sich, beispielsweise mit Data-Science-Projekten, Entscheidungen zur Verbesserung von Geschäftsprozessen treffen.

Deep Learning ist ein Teilbereich des maschinellen Lernens. Beim Deep Learning werden meist unstrukturierte Daten verarbeitet. Die Komplexität ist höher als bei anderen Formen des Machine Learning und der Weg der Ergebnisfindung durch den Algorithmus ist, im Gegensatz zu anderen Machine Learning Modellen, meist nicht nachzuvollziehen.

Das Ziel von Low-Code-/No-Code-Plattformen ist es, das Schreiben von Code durch grafische Benutzeroberflächen so weit wie möglich zu ersetzen. Somit werden kaum oder keine Kenntnisse in Programmiersprachen benötigt, um Datenbank, Machine Learning-Modelle oder Software zu entwickeln. Beispielsweise sind bei der Verwendung von Azure ML Studio Kenntnisse in den Programmiersprachen Python oder R nicht zwangsläufig notwendig.

Benedikt Stienen - Managing Consultant - taod Consulting

Benedikt Stienen

Managing Consultant
benedikt.stienen@taod.de
+49 151 420 497 23

Du interessierst dich für einen Data Science Workshop?

Kontakt aufnehmen
UP
linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram