Analytics und Artificial Intelligence

Datenprojekte mehrwertorientiert, agil und nachhaltig planen und umsetzen
1. Auflage 2022
ISBN: 978-3-658-38158-5
Verlag: Springer

Buch, Deutsch, 269 Seiten, Paperback, Format (B × H): 168 mm x 240 mm, Gewicht: 501 g

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. Zunächst machen die Autoren klar, wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die für Ihr Geschäftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erläutern 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 alltägliche 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. 
Aus dem Inhalt 

• Agile Basics: Agile Prinzipien und Erfolgsfaktoren
• Vom Design Thinking zum Data Thinking – wie Design Thinking Datenprojekte besser macht
• Artificial Intelligence – wie Künstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kann
• Ethische, rechtliche und ökologische Implikationen – wie Data Analytics und AI doch kein Schreckgespenst werden
• Der Data Value Loop - Datenmehrwert agil und nutzer:innenzentriert
• Analytics in der Praxis – von der Konzeption über Tracking und Reporting bis zum Arbeitsmeeting im Alltag
• AI in der Praxis - Data Science und Agile, geht das überhaupt zusammen? Zwei exemplarische Projektdurchführungen
• Glossar

Zielgruppe

Professional/practitioner

Autoren/Hrsg.

Greiner, Ramona

Böck, Matthias

Berger, David

Fachgebiete

• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Automatische Datenerfassung, Datenanalyse
• Wirtschaftswissenschaften Betriebswirtschaft Bereichsspezifisches Management Marketing
• Wirtschaftswissenschaften Betriebswirtschaft Management Strategisches Management

Inhaltsverzeichnis

Agile Basics: Agile Prinzipien und Erfolgsfaktoren.- Vom Design Thinking zum Data Thinking – wie Design Thinking Datenprojekte besser macht.- Artificial Intelligence – wie Künstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kann.- Ethische, rechtliche und ökologische Implikationen – wie Data Analytics und AI doch kein Schreckgespenst werden.- Der Data Value Loop - Datenmehrwert agil und nutzer:innenzentriert.- Analytics in der Praxis – von der Konzeption über Tracking und Reporting bis zum Arbeitsmeeting im Alltag.- AI in der Praxis - Data Science und Agile, geht das überhaupt zusammen? Zwei exemplarische Projektdurchführungen.- Glossar.

Über Autor(innen)

Dr. Ramona Greiner studierte Philosophie und Kunstgeschichte. Seit 2017 arbeitet sie als Digital Analytics und Data Ethics Consultant bei der Münchner Unternehmensberatung FELD M. Dort leitet sie internationale agile Kund:innenprojekte im Bereich Data & Analytics, hält Vorträge und Design-Thinking-Workshops und berät Kund:innen bei der ethischen wie rechtskonformen Datenerhebung und -nutzung. Mit Digitaler Ethik und der sozialen Gestaltung der Digitalisierung beschäftigt sie sich außerdem auf politischer Ebene.David Berger studierte Sportmanagement und Strategic Management mit dem Schwerpunkt Marketing, Innovation Management und Sustainable Development. Er ist zertifizierter Product Owner und hat mehrjährige Erfahrung in der Leitung von Data & Analytics Projekten für global agierende Kunden, wodurch er fundierte Expertise in der Konzeption und Umsetzung agiler Datenprojekte gesammelt hat. Er arbeitet in München als Berater für internationale Projekte im Bereich Business Strategy, Data-Driven Marketing und Business Transformation. 
Dr. Matthias Böck promovierte in Bioinformatik und Machine Learning und arbeitet seit 2013 als Data Scientist im Bereich Data Product bei der Münchner Unternehmensberatung FELD M. Dort ist er technischer Leiter für Projekte aus den Bereichen Advanced Analytics und Maschinelles Lernen. Dies beinhaltet u. a. Personalisierung, Natural Language Processing oder Vorhersagen sowie die zugrundeliegenden Datenarchitekturen und -strategien. Er hält Design-Thinking-Workshops und arbeitet mit Universitäten an Forschungsprojekten. Neben diesen Feldern beschäftigt er sich mit dem Thema Data for Good und dessen Einsatz in der Praxis.