Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Die Autor:innen zeigen in diesem Buch, wie man mit Analytics- und Artificial-Intelligence-Projekten echten (Mehr-)Wert schafft. Sie geben Ihnen an die Hand, was Sie wissen müssen, um Ihre Datenprojekte agil, effizient und nutzer:innenzentriert konzipieren und umsetzen zu können: Von den agilen Basics und den Grundlagen des Design Thinkings bis hin zu den Funktionsweisen von Artificial Intelligence und den ethischen, ökologischen und rechtlichen Implikationen von Big Data. Die Autor:innen entwickeln einen Leitfaden, der Ihnen hilft, zu Beginn Ihrer Datenprojekte die richtigen Fragen zu stellen und Ihnen zeigt, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen. Das Fundament dafür bilden Data Thinking und agile Methoden, die die Autor:innen in alltägliche Analytics- und Data-Science-Projekte überführt und adaptiert haben. Mit zahlreichen Beispielen aus Daten- und Digital-Analytics-Projekten sowie Einblicken in die Praxis, wie man von der Idee 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 – was AI eigentlich ist und wie AI funktioniert 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 Die Autorin und die Autoren Dr. Ramona Greiner studierte Philosophie und Kunstgeschichte. Seit 2017 arbeitet sie als Digital Analytics und Data Ethics Consultant bei der Münchner Unternehmensberatung FELD M. David Berger ist zertifizierter Product Owner und hat mehrjährige Erfahrung in der Leitung von Data- und Analytics-Projekten für global agierende Kunden. Dr. Matthias Böck promovierte in Bioinformatik und Machine Learning und arbeitet seit 2013 als Data Scientist bei der Münchner Unternehmensberatung FELD M.

Marketing. --- Business --- Strategic planning. --- Leadership. --- Business Analytics. --- Business Strategy and Leadership. --- Data processing.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Die Autoren legen beispielhafte Analysemethoden von Social-Media-Daten dar: deskriptive und Data-Mining-Methoden. Mit deren Hilfe werden kundenorientierte Geschäftsmaßnahmen eingeleitet und ein stetiges Abwägen zwischen vollautomatisierten und manuellen, kostenintensiven Reports gesteuert. Das Werk liefert eine Übersicht zu aktuell diskutierten Themen wie begleitende Emotionen, Vernetzung der interagierenden User oder Verbindung von Themen. Als Gewinn für ein Unternehmen müssen die Analysen durch eine strategische Prozedur geleitet werden, um Erkenntnisse in konkrete Handlungsempfehlungen zu überführen. Neben den Potenzialen durch die Anwendung komplexerer Analysemethoden gibt es auch konzeptionelle, technische und ethische Herausforderungen, wie die Autoren veranschaulichen. Der Inhalt Methoden – Metriken, Wordclouds, Trends, Sentiment, Assoziationsregeln, Netzwerkstrukturen Mehrwert durch strategische Prozedur  Social-Media-Analysen der Zukunft Die Zielgruppen Social-Media-Verantwortliche und -Analysten, Budgetverantwortliche der Online-Marketing-Kanäle Die Autoren  Dr. Matthias Böck promovierte im Bereich Data Mining an der Technischen Universität München. Dr. Felix Köbler promovierte in der Wirtschaftsinformatik an der Technischen Universität München. Dr. Eva Anderl promovierte an der Universität Passau im Themengebiet Online-Kundenverhalten. Linda Le studierte Statistik an der Ludwig-Maximilians-Universität München.

Data mining. --- Computer science. --- Big data. --- Internet marketing. --- Information technology. --- Data Mining and Knowledge Discovery. --- Information Systems Applications (incl. Internet). --- Models and Principles. --- Big Data. --- Online Marketing/Social Media. --- IT in Business. --- IT (Information technology) --- Technology --- Telematics --- Information superhighway --- Knowledge management --- Online marketing --- Web marketing --- World Wide Web marketing --- Electronic commerce --- Marketing --- Data sets, Large --- Large data sets --- Data sets --- Informatics --- Science --- Algorithmic knowledge discovery --- Factual data analysis --- KDD (Information retrieval) --- Knowledge discovery in data --- Knowledge discovery in databases --- Mining, Data --- Database searching --- Application software. --- Computers. --- Business—Data processing. --- Automatic computers --- Automatic data processors --- Computer hardware --- Computing machines (Computers) --- Electronic brains --- Electronic calculating-machines --- Electronic computers --- Hardware, Computer --- Computer systems --- Cybernetics --- Machine theory --- Calculators --- Cyberspace --- Application computer programs --- Application computer software --- Applications software --- Apps (Computer software) --- Computer software