Description
– Einführung und Bedeutung von Data Mining und Big Data Analytics
– Notwendigkeit von Data Mining in der Digitalisierung
– Der Data Mining – Prozess, CRISP-Modell
– Ansatz Framework, Diagnostics, Predictive und Prescriptive
– Die 5 V’s von Big Data (Volume – Datenmenge, Velocity – Geschwindigkeit, Variety – Vielfalt der Datenquellen, Veracity – Glaubwürdigkeit, Value – Unternehmerischer Mehrwert)
– Knowledge Discovery in Data Bases – der KDD-Prozess
– Zielgerichteter Einsatz von Machine Learning und künstlicher Intelligenz; Aufzeigen realer Szenarien
– Vorstellung realer Business-Situationen und entsprechender Data Mining – Projekte
– Zusammenwirken Data Mining und Six Sigma
– Vorstellung ausgewählter Methoden wie Decision Trees, Neuronale Netze, Monte Carlo-Simulationen, Clustering-Methoden, Modellierung–Software Rapid Miner
– Aspekte und Herausforderungen einer strategischen Implementierung im Unternehmen
– Risiken und Herausforderungen
– Anforderungen an die Qualifikation aller Beteiligten, Zukunftsprofile und die Rolle von Data Scientists
