| |  Online-Ressource |
|---|
| Verfasst von: | Greiner, Ramona [VerfasserIn]  |
|---|
| | Berger, David [VerfasserIn] |
|---|
| | Böck, Matthias [VerfasserIn] |
|---|
| Titel: | Analytics und Artificial Intelligence |
|---|
| Titelzusatz: | Datenprojekte mehrwertorientiert, agil und nachhaltig planen und umsetzen |
|---|
| Verf.angabe: | von Ramona Greiner, David Berger, Matthias Böck |
|---|
| Verlagsort: | Wiesbaden |
|---|
| | Wiesbaden |
|---|
| Verlag: | Springer Fachmedien Wiesbaden |
|---|
| | Imprint: Springer Gabler |
|---|
| E-Jahr: | 2022 |
|---|
| Jahr: | 2022. |
|---|
| | 2022. |
|---|
| Umfang: | 1 Online-Ressource (XXIII, 269 S. 45 Abb.) |
|---|
| Gesamttitel/Reihe: | Springer eBook Collection |
|---|
| ISBN: | 978-3-658-38159-2 |
|---|
| Abstract: | 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. |
|---|
| | 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 von der Idee 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 – was AI eigentlich ist und wie AI funktioniert 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 Die Autorin und die Autoren Dr. 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. |
|---|
| DOI: | doi:10.1007/978-3-658-38159-2 |
|---|
| URL: | Resolving-System: https://doi.org/10.1007/978-3-658-38159-2 |
|---|
| | DOI: https://doi.org/10.1007/978-3-658-38159-2 |
|---|
| Schlagwörter: | (s)Klein- und Mittelbetrieb / (s)Datenmanagement / (s)Datenanalyse / (s)Design Thinking / (s)Agilität <Management> / (s)Künstliche Intelligenz |
|---|
| Datenträger: | Online-Ressource |
|---|
| Sprache: | ger |
|---|
| Bibliogr. Hinweis: | Erscheint auch als : Druck-Ausgabe: Greiner, Ramona, 1986 - : Analytics und Artificial Intelligence. - Wiesbaden : Springer Gabler, 2022. - XXIII, 269 Seiten |
|---|
| Sach-SW: | Data Science und Data Analytics |
|---|
| | Big Data und AI Artificial Intelligence |
|---|
| | Künstliche Intelligenz - das europäische KI-Gesetz |
|---|
| | Datenmanagement in KMU |
|---|
| | Machine Learning und Deep Learning |
|---|
| | Asimov Gesetze Robotergesetze |
|---|
| | CRM |
|---|
| | DMP |
|---|
| | CDP und DWH |
|---|
| | MarTech-Landschaft - Marketing Technologie |
|---|
| | Data Layer |
|---|
| | Digital-Analytics sowie AI-Anwendungen |
|---|
| | Web Analytics: Tagging-Plan |
|---|
| | Tag-Management-System (TMS) |
|---|
| | Datenethik |
|---|
| | Turing Test – Mensch oder Maschine |
|---|
| | Participatory Design |
|---|
| | Digitaler Humanismus |
|---|
| K10plus-PPN: | 1817568884 |
|---|
| |
|
|---|
| | |
|---|
| Lokale URL UB: |  Zum Volltext |
|---|
Analytics und Artificial Intelligence / Greiner, Ramona [VerfasserIn]; 2022. (Online-Ressource)
Zurück zur Trefferübersicht und Suche
Andere Auflagen/Ausgaben