Die Autoren zeigen in diesem Buch wie man für eigene Data-Science-Projekte mit Data Analytics
und AI einen echten (Mehr-)Wert schafft. Sie entwickeln einen Leitfaden mit dem Sie Ihre
Datenanalyse systematisch agil und nutzer:innenzentriert aufbauen und betreiben können.
Zunächst machen die Autoren klar wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die für
Ihr Geschäftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erläutern sie
wie Sie Technologien und Daten so einsetzen dass sie einen echten Mehrwert erzeugen können.
Schließlich zeigen sie wie Sie die Projekte effektiv effizient und gewinnbringend umsetzen
können. Das Fundament dafür bilden agile Methoden und Design Thinking die die Autoren für
alltägliche Analytics- und Data-Science-Projekte überführt und adaptiert haben.Mit zahlreichen
Beispielen und Erfahrungen aus Daten- Web- und Digital-Analytics-Projekten sowie zwei realen
Beispielen wie man von der Idee und dem Auftrag 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 - 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