Details
Data Science
Konzepte, Erfahrungen, Fallstudien und Praxis1. Aufl. 2021
42,99 € |
|
Verlag: | Springer Vieweg |
Format: | |
Veröffentl.: | 11.11.2021 |
ISBN/EAN: | 9783658334031 |
Sprache: | deutsch |
Anzahl Seiten: | 359 |
Dieses eBook enthält ein Wasserzeichen.
Beschreibungen
<div><div>Data Science ist in vielen Organisationen angekommen und oft alltägliche Praxis. Dennoch stehen viele Verantwortliche vor der Herausforderung, sich erstmalig mit konkreten Fragestellungen zu beschäftigen oder laufende Projekte weiterzuentwickeln. Die Spannbreite der Methoden, Werkzeuge und Anwendungsmöglichkeiten ist sehr groß und entwickelt sich kontinuierlich weiter. Die Vielzahl an Publikationen zu Data Science ist spezialisiert und behandelt fokussiert Einzelaspekte. </div><div>Das vorliegende Werk gibt den Leserinnen und Lesern eine umfassende Orientierung zum Status Quo aus der wissenschaftlichen Perspektive und zahlreiche vertiefende Darstellungen praxisrelevanter Aspekte. Die Inhalte bauen auf den wissenschaftlichen CAS-Zertifikatskursen zu Big Data und Data Science der Hochschule Niederrhein in Kooperation mit der Hochschule Bonn-Rhein-Sieg und der FH Dortmund auf. Sie berücksichtigen wissenschaftliche Grundlagen und Vertiefungen, aber auch konkrete Erfahrungenaus Data Science Projekten. Das Buch greift praxisrelevante Fragen auf wissenschaftlichem Niveau aus Sicht der Rollen eines „Data Strategist“, „Data Architect“ und „Data Analyst“ auf und bindet erprobte Praxiserfahrungen u. a. von Seminarteilnehmern mit ein. Das Buch gibt für Interessierte einen Einblick in die aktuell relevante Vielfalt der Aspekte zu Data Science bzw. Big Data und liefert Hinweise für die praxisnahe Umsetzung. </div></div><div><br></div>
Data Strategist: Digitalisierung von Geschäftsmodellen – Big Data Technologien erfolgreich implementieren.- Data Architect: Informationsarchitekturen gestalten – Daten effizient verwalten.- Data Analyst: Auswerten, Präsentieren, Entscheiden – Systematische Datenanalyse im Unternehmen.- Anwendungsorientierte Data Science.
<div><b>Prof. Dr. Detlev Frick</b> ist Professor für BWL, insb. Wirtschaftsinformatik an der Hochschule Niederrhein, </div><div><b>Prof. Dr. Andreas Gadatsch</b> ist Professor für BWL, insb. für Wirtschaftsinformatik an der Hochschule Bonn-Rhein-Sieg, </div><div><b>Professor Dr. Jens Kaufmann</b> ist Professor für Wirtschaftsinformatik, insb. Data Science an der Hochschule Niederrhein, </div><div><b>Dipl.-Kff. (FH) Birgit Lankes</b> ist Lehrkraft für besondere Aufgaben an der Hochschule Niederrhein,</div><div><b>Prof. Dr. Christoph Quix</b> ist Professor für Wirtschaftsinformatik und Data Science an der Hochschule Niederrhein,</div><div><b>Andreas Schmidt, M.A.</b> ist Wissenschaftlicher Mitarbeiter im Data Innovation Lab der Hochschule Bonn-Rhein-Sieg und</div><div><b>Prof. Dr. Uwe Schmitz</b> ist Professor für Wirtschaftsinformatik an der FH Dortmund. </div>
<div>Data Science ist in vielen Organisationen angekommen und oft alltägliche Praxis. Dennoch stehen viele Verantwortliche vor der Herausforderung, sich erstmalig mit konkreten Fragestellungen zu beschäftigen oder laufende Projekte weiterzuentwickeln. Die Spannbreite der Methoden, Werkzeuge und Anwendungsmöglichkeiten ist sehr groß und entwickelt sich kontinuierlich weiter. Die Vielzahl an Publikationen zu Data Science ist spezialisiert und behandelt fokussiert Einzelaspekte. </div><div>Das vorliegende Werk gibt den Leserinnen und Lesern eine umfassende Orientierung zum Status Quo aus der wissenschaftlichen Perspektive und zahlreiche vertiefende Darstellungen praxisrelevanter Aspekte. Die Inhalte bauen auf den wissenschaftlichen CAS-Zertifikatskursen zu Big Data und Data Science der Hochschule Niederrhein in Kooperation mit der Hochschule Bonn-Rhein-Sieg und der FH Dortmund auf. Sie berücksichtigen wissenschaftliche Grundlagen und Vertiefungen, aber auch konkrete Erfahrungen aus Data Science Projekten. Das Buch greift praxisrelevante Fragen auf wissenschaftlichem Niveau aus Sicht der Rollen eines „Data Strategist“, „Data Architect“ und „Data Analyst“ auf und bindet erprobte Praxiserfahrungen u. a. von Seminarteilnehmern mit ein. Das Buch gibt für Interessierte einen Einblick in die aktuell relevante Vielfalt der Aspekte zu Data Science bzw. Big Data und liefert Hinweise für die praxisnahe Umsetzung. </div><div><br></div><div><b>Der Inhalt</b></div><div><ul><li>Data Strategist: Digitalisierung von Geschäftsmodellen – Big Data Technologien erfolgreich implementieren</li><li>Data Architect: Informationsarchitekturen gestalten – Daten effizient verwalten</li><li>Data Analyst: Auswerten, Präsentieren, Entscheiden – Systematische Datenanalyse im Unternehmen</li><li>Anwendungsorientierte Data Science</li></ul></div><div><br></div><div><b>Die Zielgruppen </b></div><div><ul><li>Fachkräfte und Experten in Wirtschaft und Wissenschaft</li><li>fortgeschrittene Studierende der Wirtschaftsinformatik und Betriebswirtschaftslehre mit Interesse an Big Data und Data Science</li></ul></div><div><br></div><div><b>Die Herausgeber*innen</b></div><div><b>Prof. Dr. Detlev Frick</b> ist Professor für BWL, insb. Wirtschaftsinformatik an der Hochschule Niederrhein, </div><div><b>Prof. Dr. Andreas Gadatsch</b> ist Professor für BWL, insb. für Wirtschaftsinformatik an der Hochschule Bonn-Rhein-Sieg, </div><div><b>Prof. Dr. Jens Kaufmann</b> ist Professor für Wirtschaftsinformatik, insb. Data Science an der Hochschule Niederrhein, </div><div><b>Dipl.-Kff. (FH) Birgit Lankes</b> ist Lehrkraft für besondere Aufgaben an der Hochschule Niederrhein,</div><div><b>Prof. Dr. Christoph Quix</b> ist Professor für Wirtschaftsinformatik und Data Science an der Hochschule Niederrhein,</div><div><b>Andreas Schmidt</b>, M.A. ist Wissenschaftlicher Mitarbeiter im Data Innovation Lab der Hochschule Bonn-Rhein-Sieg und</div><div><b>Prof. Dr. Uwe Schmitz</b> ist Professor für Wirtschaftsinformatik an der FH Dortmund.<br></div>
Greift praxisrelevante Fragen auf wissenschaftlichem Niveau auf Gibt Hinweise für die praktische Umsetzung Gibt Einblick in die Vielfalt der Aspekte zu Data Science und Big Data