Workshops

In den Medien, in finanzwirtschatlfichen Journalen und auf Fachkonferenzen sind die Themen Künstliche Intelligenz, Big Data und Machinelles Lernen aktuell sehr präsent. Die meisten Beiträge lassen aber Informationen zu konkreten Anwendungsfällen in der Praxis und den technischen Voraussetzungen für den erfolgreichen Einsatz von Data Science vermissen. Dies ist zum Teil der mangelnden Erfahrung in diesem neuartigen Themengebiet geschuldet. Dies erschwert den Zugang zu diesen Schlüsseltechnologien und schafft Skepsis.

Möchten Sie erfahren, wie Sie von Data Science profitieren können? Wir erläutern gern die Hintergründe und erarbeiten mit Ihnen konkrete Anwendungsmöglichkeiten in Ihrem Unternehmen.

Workshop: Data Science Grundlagen

Was ist Data Science?

Was ist möglich und was nicht?

Welchen Nutzen kann mein Unternehmen daraus ziehen?

Welche Voraussetzungen gibt es?

Umfang: 1 Tag - Crashkurs in geringerem Umfang auf Anfrage.

(Wenn Sie ein Vertriebssteuerer in einer Bank, Sparkasse oder Versicherung sind, bieten wir Ihnen diesen Workshop als Kennenlerntermin kostenfrei an.)
Ergebnis: Konkrete Anwendungsmöglichkeiten von Data Science in Ihrem Unternehmen

 

Falls Sie bereits darüber nachdenken, das Potential in Ihren Daten gewinnbringend einzusetzen, möchten wir Ihnen gern zu einem reibungslosen Start verhelfen. Der Einsatz von Data Science hat einige Voraussetzungen. Wir helfen Ihnen gerne dabei, Ihren aktuellen Stand zu evaluieren und die notwendigen vorbereitenden Maßnahmen zu identifizieren.

 

Workshop: Data Science Infrastruktur

Welche technischen und infrastrukturellen Voraussetzungen gibt es für den Einsatz von Data Science?

Welche Art von Daten ist notwendig?

Liegen die notwendigen Daten und Schnittstellen in meinem Unternehmen bereits vor?

Wie ist die Qualität meiner Daten in Hinsicht auf Data Science zu beurteilen?

Welche Schritte sind zu unternehmen, um den Einsatz von Data Science zu ermöglichen?

Umfang: 2-3 Tage
Ergebnis: Fachmännische Bewertung der technischen Grundlagen und der Datenqualität.

 

Sollten Sie bereits statistische Verfahren im Einsatz haben, die beispielsweise Ihre Kunden mit Produktscores versorgen, bringen wir außerdem gern unsere Erfahrung ein und decken Optimierungspotential auf. Viele traditionelle Systeme können durch den Einsatz moderner Methoden und Verfahren hinsichtlich ihrer Genauigkeit verbessert werden. Auch fortgeschrittene Ansätze und Machine Learning Pipelines profitieren von passgenauen Metriken, statistisch soliden Validierungsverfahren und fallorientiertem Feature Engineering. Wir zeigen Ihnen wie.

 

Workshop: Data Science Audit

Wie ist die Qualität meines Vorhersagemodells einzuschätzen?

Gibt es "Quick Wins" durch den Einsatz eines fortgeschrittenen Verfahrens oder das Tuning von Parametern?

Lässt mein Validierungsverfahren eine zuverlässige Einschätzung der zukünftigen Vorhersagequalität zu?

Gibt es Metriken, die meinen Anwendungsfall besser beschreiben und damit meine Verfahren optimieren können?

Wie kann Feature Engineering eingesetzt werden, z.B. um Saisonalitäten oder zeitliche Trends in meine Auswertung mit einzubeziehen?

Wie können die Vorhersagen meines Modells für mein Vertriebspersonal verständlich aufbereitet werden?

Umfang: 4-5 Tage
Ergebnis: Eine Bewertung des aktuellen Vorhersagemodells und der Validierungsverfahren, inklusive Vorschlägen zur Optimierung der Vorhersagequalität.