Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
Published in:
Data Science: Vom Begriff zur Anwendung Read chapter Read first chapter

2021 | OriginalPaper | Chapter

8. Data-Science-Projekte mit dem Vorgehensmodell „DASC-PM“ durchführen: Kompetenzen, Rollen und Abläufe

Authors : Emal M. Alekozai, Jens Kaufmann, Stephan Kühnel, Uwe Neuhaus, Michael Schulz

Published in: Data Science anwenden

Publisher: Springer Fachmedien Wiesbaden

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Der Beitrag stellt anhand des Data Science Process Model (DASC-PM) und mittels einer Fallstudie dar, wie die umfassend gestalteten Projektphasen, Aufgaben und Ergebniselemente eines Data-Science-Projekts ineinandergreifen und für den individuellen Einsatzzweck ausgewählt, angepasst und umgesetzt werden können. Dies erlaubt Organisationen, ihre individuellen Fragestellungen, die sich etwa in Größe, Komplexität, Art des zu erzielenden Ergebnisses und Erfahrungslevel der beteiligten Personen unterscheiden, pragmatisch und fundiert zu bearbeiten. Es wird zudem gezeigt, wie sich die abstrakten Phasen des DASC-PM durch Kompetenz- und Rollenprofile spezifizieren lassen. Dies Spezifikation ermöglicht es, DASC-PM für verschiedene betriebliche Situationen zu nutzen, beispielsweise, um gezielt Projektmitglieder auszuwählen, Schlüsselqualifikationen zu identifizieren und einen nachhaltigen Projekterfolg sicherzustellen.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now
previous chapter Vergleich der Machine-Learning-Funktionalitäten von Business-Intelligence- und Analytics-Tools
next chapter Integration erneuerbarer Energien – KI-basierte Vorhersageverfahren zur Stromerzeugung durch Photovoltaikanlagen
Literature
1.
Al-Hegami AS, Bhatnagar V, Kumar N (2004) Novelty framework for knowledge discovery in databases. In: International Conference on Data Warehousing and Knowledge Discovery, S 48–57
2.
Fayyad U, Piatetsky-Shapiro G, Smyth P (1996) From data mining to knowledge discovery in databases: an overview. AI Mag 17(3):37–54
3.
Wirth R, Hipp J (2000) CRISP-DM: Towards a standard process model for data mining. In: Proc. 4th Int. Conference on Practical Applications of Knowledge Discovery and Data mining, S 29–39
4.
5.
6.
Schulz M, Neuhaus U, Kaufmann J et al (2020) Introducing DASC-PM: a Data Science Process Model. In: Proc. Australasian Conference on Information Systems
7.
Aho T, Sievi-Korte O, Kilamo, T et al (2020) Demystifying data science projects: a look on the people and process of data science today. In: International Conference on Product-Focused Software Process Improvement, S 153–167
8.
Baijens J, Helms R, Iren D (2020) Applying scrum in data science projects. In: 2020 IEEE 22nd Conference on Business Informatics, S 30–38
9.
Cao L (2017) Data science: challenges and directions. Commun ACM 60(8):59–68CrossRef
10.
Metadata
Title
Data-Science-Projekte mit dem Vorgehensmodell „DASC-PM“ durchführen: Kompetenzen, Rollen und Abläufe
Authors
Emal M. Alekozai
Jens Kaufmann
Stephan Kühnel
Uwe Neuhaus
Michael Schulz
Copyright Year
2021
Book
Data Science anwenden

Print ISBN: 978-3-658-33812-1

Electronic ISBN: 978-3-658-33813-8

Copyright Year: 2021

DOI
https://doi.org/10.1007/978-3-658-33813-8_8