Vortrag von der DOAG 2015-Konferenz: Die Umsetzung von Datenprojekten muss man nicht zwangsläufig den sog. Data Scientists allein überlassen werden. Daten- und Tool-Komplexität im Umgang mit Big Data sind keine unüberwindbaren Hürden mehr für die Teams, die heute im Unternehmen bereits für Aufbau und Bewirtschaftung des Data Warehouses sowie dem Management bzw. der Weiterentwicklung der Business Intelligence-Plattform zuständig sind. In einem interdisziplinären Team bringen neben den technischen Rollen auch Fachanwender und Business Analysten von Anfang an ihr Domänenwissen in das Datenprojekt mit ein,
8. Konzept: Data Lab
Die benötigten analytischen, technischen und fachlichen
Skills sind nur schwer in einer Person zu vereinen. Als
Alternative bietet sich ein Teamansatz an, der vor-
handene fachliche und technische Expertise nutzt und
neue Skills (Big Data Architektur, Data Science) entwickelt
Beginnt mit dem Auftrag zu einer analytischen Aufgabe
(neues Modell/Datenprodukt, Location-based Services,
etc.). Datenbeschaffung, -untersuchung, Modellbildung,
Prototyping, Validierung, Verwertung der Ergebnisse
sind weitere Phasen in einem Data Analytics Zyklus
Datenprojekt: Team & RollenProzess
13. Konzept: Data Lab
Werkzeuge unc Mittel zur
interaktiven Datenanalyse von
beliebigen Kombinationen
strukturierter und
unstrukturierter Datenquellen
Enthält alle für das Daten-Projekt
benötigten Kopien vorhandener
Unternehmensdaten und extern
beschafften Data Sets
Anwendung geeigneter statistischer
Verfahren , Optimierung der
Parameter und Auswahl eines
Modells, das die Aufgabenstellung
am besten erfüllt
Data DiscoveryAnalytical Sandbox Data Science