Analytics und Artificial Intelligence

Die Autor:innen zeigen in diesem Buch, wie man mit Analytics- und Artificial-Intelligence-Projekten echten (Mehr-)Wert schafft. Sie geben Ihnen an die Hand, was Sie wissen müssen, um Ihre Datenprojekte agil, effizient und nutzer:innenzentriert konzipieren und umsetzen zu können: Von den agilen Basics und den Grundlagen des Design Thinkings bis hin zu den Funktionsweisen von Artificial Intelligence und den ethischen, ökologischen und rechtlichen Implikationen von Big Data. Die Autor:innen entwickeln einen Leitfaden, der Ihnen hilft, zu Beginn Ihrer Datenprojekte die richtigen Fragen zu stellen und Ihnen zeigt, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen. Das Fundament dafür bilden Data Thinking und agile Methoden, die die Autor:innen in alltägliche Analytics- und Data-Science-Projekte überführt und adaptiert haben.Mit zahlreichen Beispielen aus Daten- und Digital-Analytics-Projekten sowie Einblicken in die Praxis, wie man vonder Idee zum Prototypen kommt. Aus dem Inhalt Agile Basics - Agile Prinzipien und ErfolgsfaktorenVom Design Thinking zum Data Thinking - wie Design Thinking Datenprojekte besser machtArtificial Intelligence - was AI eigentlich ist und wie AI funktioniertEthische, 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 Die Autorin und die AutorenDr. Ramona Greiner studierte Philosophie und Kunstgeschichte. Seit 2017 arbeitet sie als Digital Analytics und Data Ethics Consultant bei der Münchner Unternehmensberatung FELD M.David Berger ist zertifizierter Product Owner und hat mehrjährige Erfahrung in der Leitung von Data- und Analytics-Projekten für global agierende Kunden.Dr. Matthias Böck promovierte in Bioinformatik und Machine Learning und arbeitet seit 2013 als Data Scientist bei der Münchner Unternehmensberatung FELD M.

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.

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.