Analytics und Artificial Intelligence

Mehr zum Buch

Die Autoren zeigen, wie man mit Data Analytics und AI in eigenen Data-Science-Projekten echten Mehrwert schaffen kann. Sie bieten einen Leitfaden, um Datenanalysen systematisch, agil und nutzer:innenzentriert zu gestalten. Zu Beginn der Projekte betonen sie die Bedeutung, die richtigen Fragen für das Geschäftsmodell zu stellen. Anschließend erläutern sie den effektiven Einsatz von Technologien und Daten zur Wertschöpfung. Die Umsetzung erfolgt durch agile Methoden und Design Thinking, die sie für alltägliche Analytics- und Data-Science-Projekte anpassen. Das Buch enthält zahlreiche Beispiele und Erfahrungen aus verschiedenen Projekten sowie zwei reale Fallstudien, die den Weg von der Idee zum Prototypen aufzeigen. Die Themen umfassen agile Prinzipien, die Verbindung von Design Thinking und Data Thinking, den gezielten Einsatz von Künstlicher Intelligenz in der Datenanalyse und die ethischen sowie rechtlichen Implikationen von Data Analytics und AI. Darüber hinaus wird der Data Value Loop vorgestellt, der einen agilen und nutzer:innenzentrierten Ansatz zur Wertschöpfung aus Daten bietet. Praktische Aspekte der Analytics werden von der Konzeption über Tracking und Reporting bis hin zu Meetings im Alltag behandelt. Zudem wird die Frage erörtert, wie Data Science und Agile zusammen funktionieren können. Ein Glossar und ein Inhaltsverzeichnis runden das Werk ab.