Aus Daten Wissen generieren
Die Menge an jährlich generierten digitalen Daten weltweit stieg die letzten Jahre erheblich an und wird
auch in den nächsten Jahren um ein vielfaches ansteigen (Quelle: Statista).
Dies bietet zwar einerseits noch mehr Möglichkeiten Wissen aus Daten zu generieren, andererseits wird dadurch die Komplexität der Informationsgewinnung aus Daten zunehmend erhöht. Die JOIN(+) GmbH unterstützt sie dabei als erfahrener Partner während des gesamten Analytics Prozesses – von der Anforderungsdefinition bis zur Bereitstellung der Ergebnisse.
Unser Ansatz
Projektverständnis
Definition der spezifischen Anforderung und der Kriterien für ein erfolgreiches Projektergebnis.
Datenverständnis
Identifikation der relevanten Datenquellen und gegebenenfalls Integration von Daten verschiedener Quellen. Zudem werden anhandeinfacher Zusammenfassungen und Datenvisualisierung beispielsweise die Zusammenhänge in den Daten beurteilt oder die Datenqualität überprüft.
Datenvorbereitung
Das Ziel ist es die Daten so vorzubereiten, dass im nächsten Schritt, der Modellierung, die bestmöglichen Resultate erzielt werden können. Fundamentale Elemente sind die Datenselektion, Datenbereinigung, Ableitung neuer Merkmale, Datentransformation und Datenformatierung. Da der Erfolg des gesamten Prozesses wesentlich von diesem Schritt abhängt, sollte ein Großteil der Zeit in diesen fließen.
Modellierung
In dieser Phase werden einfache Methoden wie die Regression aber auch komplexe wie Neuronale Netze herangezogen, um typischerweise mehrere verschiedene Modelle zu erstellen. Die eigentliche Extraktion von Wissen bzw. die Zusammenhänge in den Daten geschieht anhand der gebildeten Modelle.
Beurteilung
Die gebildeten Modelle werden nun hinsichtlich der im Projektverständnis definierten Ziele sowie weiteren Erfolgskriterien bewertet und ausgewählt.
Bereitstellung
Für einen erfolgreichen Projektabschluss muss in jedem Fall eine Dokumentation erfolgen. Die Nutzung des erstellten Modells reicht von einer einmaligen Anwendung bis hin zu einem regelmäßigen, automatisierten Einsatz welcher in diesem Schritt umgesetzt wird.
Eingesetzte Sprachen und Tools
- Apache Spark
- Python
- RapidMiner
- R/R Studio
- SPSS
- Tableau
