Data Science ist nicht nur ein Trend, sondern kann Ihrem Unternehmen einen großen Mehrwert durch gezielte Nutzung von Daten verschaffen. Häufig stehen am Anfang von Data Science-Initiativen viele Fragezeichen im Raum – die ich gerne gemeinsam mit Ihnen beseitigen möchte.

Der erste Schritt bei der Bearbeitung einer empirischen Fragestellung, Entwicklung von Prognosen oder dem Ausprobieren von datengetriebenen Business Modellen, ist es, Prototypen zu bauen. Prototypen haben das Ziel, die Güte von vorhandenen Daten zu überprüfen, die geeignete Methode aus der Vielzahl an möglichen Methoden und Algorithmen auszuwählen und mittels Fail Fast-Ansatz gemeinsam mit dem Fachbereich im agilen Vorgehen, so schnell wie möglich eine funktionierende Datenanalyse zu realisieren.

Die Open Source Softwareumgebung R hat sich für den Prototypenbau bewährt, da eine Vielzahl von Algorithmen und Methoden bereits in einer großen Pakete-Bibliothek zur Verfügung stehen. Auch können interaktive Dashboards mit R (sogenannte Shiny-Applikationen) erstellt werden. Diese bieten den Fachbereichen die Möglichkeit, ihre Daten selbstständig, ohne Kenntnisse von Programmierungen und analytischem komplexen Wissen, zu erkunden. Neben Shiny-Apps bieten sich dafür auch Self Service BI-Tools, wie z.B. Tableau an.

Für die Überführung von Prototypen in Ihre bestehende IT Landschaft sind u.U. andere Technologien neben R notwendig. Das ist im Einzelfall zu entscheiden.

Auch in Forschungseinrichtungen und für wissenschaftliche Arbeiten unterstütze ich Sie gerne bei der Exploration und Auswertung von Datenbeständen.

Datenliebe-wordcloud

Verwendete Algorithmen und Methoden

Die häufig gestellte Frage nach bereits erfolgreich eingesetzten Methoden möchte ich gerne mittels regelmäßiger Blogposts beantworten. Es gibt eine Vielzahl an Methoden des Machine Learnings, die oft das gleiche Ziel, z.B. die Klassifizierung einer Beobachtung, haben. Dabei gibt es keine einzelne dominierende Methode, sondern es kommt sehr auf die Einzelsituation an, z.B. die Datenmenge. Auch wenn im Rahmen der Digitalisierung immer mehr Daten zur Verfügung stehen, sind nicht immer alle Datenbestände automatisch „Big Data“. Für kleine Datensätze sind oft auch die Methoden der klassischen Statistik für gute Prognoseergebnisse geeignet.

 Leistungen

  • Exploration und Bewertung von vorhandenen Daten in Unternehmen hinsichtlich Güte und Aussagekraft
  • Beratung bei der Entwicklung von datengetriebenen Use Cases
  • Umsetzung und Realisierung von Prototypen für datengetriebene Geschäftsmodelle
  • Auswertungen und Visualisierungen von Daten u.a. mittels der Software Tableau und R
  • Programmierung in R
  • Schulungen in empirischen Methoden und in der Softwareumgebung R
  • Beantwortung von Fragestellungen von Unternehmen anhand von Daten
  • Beratung in empirischen Arbeiten in Forschung und Entwicklung

 

Ich freue mich sehr auf Ihre Kontaktaufnahme (M.Wocken@gmx.de). Auf Anfrage schicke ich Ihnen gerne eine Liste von Referenzprojekten und -analysen zu.