Esta web utiliza cookies propias y de terceros que nos permiten optimizar tu experiencia en el sitio web, evaluar su rendimiento, generar estadísticas de uso y mejorar y añadir nuevas funcionalidades. Mediante el análisis de tus hábitos de navegación podemos mostrar contenidos más relevantes y medir las interacciones con la web.
Puede obtener más información aquí.

Avanzado
Artículos
Portada

ANALYTICS UND ARTIFICIAL INTELLIGENCE IBD

DAVID BERGER / MATTHIAS BöCK / RAMONA GREINE
SPRINGER GABLER
09 / 2022
9783658381585
Alemán

Sinopsis

Die Autoren zeigen in diesem Buch, wie man für eigene Data-Science-Projekte mit Data Analytics und AI einen echten (Mehr-)Wert schafft. Sie entwickeln einen Leitfaden, mit dem Sie Ihre Datenanalyse systematisch, agil und nutzer:innenzentriert aufbauen und betreiben können. ZunÃñchst machen die Autoren klar, wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die für Ihr GeschÃñftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erlÃñutern sie, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen können. Schließlich zeigen sie, wie Sie die Projekte effektiv, effizient und gewinnbringend umsetzen können. Das Fundament dafür bilden agile Methoden und Design Thinking, die die Autoren für alltÃñgliche Analytics- und Data-Science-Projekte überführt und adaptiert haben.Mit zahlreichen Beispielen und Erfahrungen aus Daten-, Web- und Digital-Analytics-Projekten sowie zwei realen Beispielen, wie man von der Idee und dem Auftrag zum Prototypen kommt.áAus dem InhaltáAgile Basics: Agile Prinzipien und ErfolgsfaktorenVom Design Thinking zum Data Thinking - wie Design Thinking Datenprojekte besser machtArtificial Intelligence - wie Künstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kannEthische, rechtliche und ökologische Implikationen - wie Data Analytics und AI doch kein Schreckgespenst werdenDer Data Value Loop - Datenmehrwert agil und nutzer:innenzentriertAnalytics in der Praxis - von der Konzeption über Tracking und Reporting bis zum Arbeitsmeeting im AlltagAI in der Praxis - Data Science und Agile, geht das überhaupt zusammen? Zwei exemplarische ProjektdurchführungenGlossar