Modul: Data Science Projektkompetenz

Sie durchlaufen den kompletten Prozess vom ersten Kundenkontakt bis zur schlussendlichen Übergabe Ihrer finalen Analyse und setzen die einzelnen Analysen praktisch um.

Eckdaten

ECTS-Punkte: 2
Nächster Start: Herbstsemester 2024
Dauer: 2 Unterrichtstage
Unterrichtssprache: Deutsch
Ort: FHNW Campus Brugg-Windisch
Preis: CHF 1200.–

Nächster Start: 11. November 2023. Jetzt anmelden!

Jetzt anmelden

Data Science Projekte haben immer einen gewissen Forschungscharakter. Data Science Consultants sind häufig mit der Situation konfrontiert, dass deren Kunden gerne Data Science Methoden zur Optimierung der Geschäftsprozesse oder Verkaufszahlen einsetzen möchten. Nur sind sich die Kunden meistens nicht bewusst, welche Daten in welcher Qualität vorhanden sind und welche gewinnbringenden Erkenntnisse daraus gewonnen werden können.

Modulübersicht

In diesem Modul durchlaufen Sie begleitet einen solchen kompletten Prozess. Dies beginnt beim ersten Kundenkontakt, bei welchem dessen Wünsche entgegengenommen und vorhandene Daten erstmals gesichtet werden. Gemeinsam werden mögliche geschäftsrelevante Nutzen von Data Science Methoden identifiziert, Hypothesen aufgestellt und der Projektablauf wie auch Zielmetriken definiert. Eine nachfolgende explorative Datenanalyse zeigt, ob die vorhandenen Daten über die nötige Aussagekraft, Struktur, Menge und Qualität aufweisen, um die geplanten Analysen durchzuführen. Nachdem die vereinbarten Fragestellungen anhand der Daten genauer untersucht wurden, werden in weiteren Gesprächen mit dem Kunden die Resultate präsentiert, die Software in geeigneter Form übergeben und vorzugsweise Ziele weiterer Analysen im Rahmen von Folgeprojekten genauer festgelegt.

Sie können zusammen mit dem Kunden in Erfahrung bringen, welcher geschäftsrelevante Nutzen in den Daten untersucht werden soll.
Sie können zusammen mit dem Kunden Hypothesen aufstellen, die es zu untersuchen gilt
Sie können zusammen mit dem Kunden Zielmetriken definieren, um den Projektfortschritt zu messen.
Sie kennen verschiedene Data Science Projektvorgehensmodelle (z.B.: CRISP-DM, Microsoft TDSP) und können begründet entscheiden, welches davon sich für ein Projekt am besten eignet.
Sie können in einer explorativen Datenanalyse die wichtigsten Kennwerte zu den vorhandenen Daten untersuchen und anhand der Datenmenge und Datenqualität ableiten, welche Analysen durchgeführt werden können.
Sie können dem Kunden Zwischenresultate auf eine verständliche Weise näherbringen und mit ihm gemeinsam das weitere Vorgehen definieren.
Sie können dem Kunden das erstellte Produkt / die erstellten Analysen in geeigneter Form abliefern, so dass hoffentlich ein Folgeauftrag daraus resultiert.