10340 Data Science
|
Strategische und wirtschaftliche Unternehmensentscheidungen, auch im Kontext zum Qualitätsmanagement, werden auf der Grundlage von Daten getroffen. Das Datenaufkommen weltweit und in Unternehmen steigt stark an. Daten sind das Gold des 21. Jahrhunderts und sehr sensibel zu behandeln. Data Science kombiniert mehrere Bereiche, einschließlich Statistik, wissenschaftlichen Methoden, künstlicher Intelligenz und Datenanalyse, um Wert aus Daten zu extrahieren.
Der Beitrag gibt einen Überblick über die Grundlagen von Data Science und stellt Schnittstellen zum Qualitätsmanagement vor. In diesem Zusammenhang wird betrachtet, welchen Mehrwert der Einsatz von Data-Science-Methoden im Qualitätsmanagement hat. Abschließend werden die einzelnen Schritte eines Data-Science-Projekts beschrieben und am Beispiel eines IT-Dienstleisters erläutert. Arbeitshilfen: von: |
1 Einführung in die Grundlagen von Data Science
Datenaufkommen steigt massiv
Daten sind das Gold des 21. Jahrhunderts. Nach einer Prognose zum weltweit generierten Datenvolumen beläuft sich das Datenaufkommen im Jahr 2025 auf 175 Tettabyte [1]. Das Datenaufkommen in Unternehmen steigt ebenso massiv an. Daher sind Data Science, maschinelles Lernen und künstliche Intelligenz wichtige Themen für Unternehmen und auch in der Forschung. Strategische und wirtschaftliche Entscheidungen werden auf der Basis von Daten getroffen. Die Erwartungen sind zum Teil enorm. Ferner sind Daten die Grundlage im Qualitätsmanagement. Dabei können die Daten
Daten sind das Gold des 21. Jahrhunderts. Nach einer Prognose zum weltweit generierten Datenvolumen beläuft sich das Datenaufkommen im Jahr 2025 auf 175 Tettabyte [1]. Das Datenaufkommen in Unternehmen steigt ebenso massiv an. Daher sind Data Science, maschinelles Lernen und künstliche Intelligenz wichtige Themen für Unternehmen und auch in der Forschung. Strategische und wirtschaftliche Entscheidungen werden auf der Basis von Daten getroffen. Die Erwartungen sind zum Teil enorm. Ferner sind Daten die Grundlage im Qualitätsmanagement. Dabei können die Daten
| • | strukturiert – mit festen Strukturen und klaren Bezeichnungen, |
| • | semistrukturiert – tragen einen Teil der Strukturinformationen mit sich und |
| • | unstrukturiert – haben keine festen Strukturen |
vorliegen. Die meisten Daten liegen unstrukturiert vor und sind für weitere Analysen in entsprechende Strukturen zu bringen, damit sie technisch in Data-Science-Projekten verarbeitet werden können.
1.1 Was ist Data Science?
Datenwissenschaft
„Data” steht für Daten und „Science” für Wissenschaft. Data Science ist ein fachübergreifendes Wissenschaftsfeld mit fundierten Methoden, Prozessen und Algorithmen, das sich mit der Gewinnung von Wissen aus Daten befasst. Informationen werden aus großen Datenmengen generiert, um daraus Handlungsempfehlungen für das Unternehmensmanagement abzuleiten. Ziel dieser Handlungsempfehlungen ist die Verbesserung der Qualität unternehmerischer Entscheidungen und der Effizienz von Arbeitsabläufen.
„Data” steht für Daten und „Science” für Wissenschaft. Data Science ist ein fachübergreifendes Wissenschaftsfeld mit fundierten Methoden, Prozessen und Algorithmen, das sich mit der Gewinnung von Wissen aus Daten befasst. Informationen werden aus großen Datenmengen generiert, um daraus Handlungsempfehlungen für das Unternehmensmanagement abzuleiten. Ziel dieser Handlungsempfehlungen ist die Verbesserung der Qualität unternehmerischer Entscheidungen und der Effizienz von Arbeitsabläufen.
