Themenspektrum: Designen von Projekten Datenverarbeitung Analysemethoden Rolle und Aufgaben
von Data Science Manager:innen Kommunikation mit Stakeholdern Automatisierung MLOps
Governance Inklusive konkreter Toolsets wie z.B. Softwarepakete Checklisten Projekt-Canvases
sowie Übersichten über bewährte Methoden Die Autoren sind Professoren für Data Science bzw.
Data Science Management an der Digital Business University of Applied Sciences und
Startup-Gründer Viele Data-Science-Vorhaben scheitern an organisatorischen Hürden: Oftmals ist
die Rolle des Managements in diesen Projekten nicht klar definiert zudem gibt es
unterschiedliche Vorstellungen wie gutes Projektmanagement für Data-Science-Produkte aussehen
muss. Dieser praxisorientierte Leitfaden unterstützt Sie beim erfolgreichen Management von
Data-Science-Projekten jeder Größe. Sie erfahren zunächst wie Datenanalysen durchgeführt
werden und welche Tools hierfür infrage kommen. Marcel Hebing und Martin Manhembué zeigen dann
Wege auf wie Sie Projekte entlang des Data-Science-Lifecycles planen und eine datengetriebene
Organisationskultur implementieren. Dabei wird die Rolle von Data-Science-Managerinnen und
-Managern im Kontext eines modernen Leaderships beleuchtet und der Aufbau von
Datenanalyse-Teams beschrieben. Jeder Themenbereich wird ergänzt durch Hands-on-Kapitel die
Toolsets und Checklisten für die Umsetzung in die Praxis enthalten. Themen des Buchs:
Data-Science-Grundlagen: Designen von Projekten Datenformate und Datenbanken
Datenaufbereitung Analysemethoden aus Statistik und Machine Learning Management von
Data-Science-Projekten: Grundlagen des Projektmanagements typische Fallstricke Rolle und
Aufgaben des Managements Data-Science-Teams Servant und Agile Leadership Kommunikation mit
Stakeholdern Infrastruktur und Architektur: Automatisierung IT-Infrastruktur
Data-Science-Architekturen DevOps und MLOps Governance und Data-driven Culture: Digitale
Transformation Implementierung von Data Science im Unternehmen Sicherheit und Datenschutz
New Work Recruiting
