Analytics und Artificial Intelligence

Die Autoren zeigen in diesem Buch, wie man fr 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 knnen. Zunchst machen die Autoren klar, wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die fr Ihr Geschftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erlutern sie, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen knnen. Schlielich zeigen sie, wie Sie die Projekte effektiv, effizient und gewinnbringend umsetzen knnen. Das Fundament dafr bilden agile Methoden und Design Thinking, die die Autoren fr alltgliche Analytics- und Data-Science-Projekte berfhrt 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 Knstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kann Ethische, rechtliche und kologische 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 ber Tracking und Reporting bis zum Arbeitsmeeting im Alltag AI in der Praxis - Data Science und Agile, geht das berhaupt zusammen? Zwei exemplarische Projektdurchfhrungen Glossar.