Kategorie: Data Science

Dashboard Tools im Test – Google Data Studio vs. Microsoft PowerBi

Autor: Melissa Schmidt Momentan ist es schwierig, sich am Business Intelligence Markt für ein geeignetes Tool zu entscheiden, um die eigenen Daten passend in einem Dashboard zu visualisieren. Es sind sowohl Open-Source-Tools, als auch kostenpflichtige Tools schnell gefunden, aber welches eignet sich nun am besten um idealerweise auch Ad-hoc Abfragen der eigenen Daten zu bekommen?

Datenqualitätsmanagement in Love with DV 2.0

Datenqualitätsmanagement (DQM) dient der Maximierung von Datenqualität. Dazu muss das Unternehmen vorhande „Daten-Metriken“ integrieren und auswerten. Um dies umzusetzen, muss das Unternehmen sowohl technische als auch fachliche Komponenten definieren. Dieser Beitrag beschreibt die technischen Komponenten.

DWH-Test-Package

Um die Exaktheit eines DWHs zu garantieren, muss regelmäßig überprüft werden, ob der Aufbau und alle Berechnungen fehlerfrei stattgefunden haben. Aufgrund der großen Datenmengen und der vielen unterschiedlichen Tabellen, Attribute und Berechnungen in den verschiedenen Schichten kann dies bei manueller Überprüfung schnell zu einer mühsamen (und fehleranfälligen) Prozedur werden.

Data Warehouse Automatisierung mit WhereScape

Speziell wenn Unternehmen Data Warehouses nach einem standardisierten Muster wie z. B. Data Vault 2.0 umsetzen, müssen Entwickler viel Programmcode redundant schreiben. Um die Entwicklung zu vereinfachen, nutzen Unternehmen Data Warehouse Automatisierungstools. Wie eine solche Automatisierung mit WhereScape funktioniert, zeigt dieser Beitrag.

Wie optimiere ich meine Entscheidungen?

Die Antwort ist: Mit Decision Intelligence! Decision Intelligence vereint Data Science mit Kompetenzen aus den Sozialwissenschaften und dem Management, um mithilfe von Daten die optimale Entscheidung für ein Problem treffen zu können.

Data Science Modeling: How to Use Linear Regression with Python

Die Lineare Regression wird unter anderem für Machine Learning verwendet und zählt zu den populärsten Modellierungsmethoden. Um lineare Regression erfolgreich zu implementieren, benötigt es verschiedene Schritte. Dazu gehört das Verstehen und Auswählen der Daten, die Auswahl der Parameter und die Validierung des Modells. Dieser Beitrag modelliert eine lineare Regression in Python und geht dabei vor… Weiter »

Künstliche Intelligenz als Chance

„Schau mal, wer da spricht? Sprachliche Zukunftsszenarien mit Künstlicher Intelligenz“ war das Thema des diesjährigen ISPA Internet Summit Austria. Das Thema wurde aus verschiedenen Blickwinkeln betrachtet. Wir raten unseren Kunden, dass es wichtig ist, die Beschränkungen der Künstlichen Intelligenz zu beachten, wie etwa, dass juristische Bots keine Anwälte sind oder medizinische Künstliche Intelligenz keine Ärzte… Weiter »

Warum funktioniert eigentlich Deep Learning?

Deep Learning in einem Artikel zu behandeln ist beinahe unmöglich. In dem verlinkten Artikel ist dieser Versuch dennoch sehr gut geglückt.  Die entscheidende Frage ist: „Warum funktioniert eigentlich Deep Learning?“ Das bleibt natürlich eine offene Frage – Gott sei Dank 😉.

Einsatz und Potenzial neuartiger interaktiver Visualisierungstypen in österreichischen Unternehmen

Perkhofer Lisa und Hofer Peter Unser letzter Beitrag hat sich mit der Vorstellung und der Bewertung der Usability unterschiedlichen neuartigen interaktiver Visualisierungsformen zur Darstellung von multidimensionalen Daten beschäftigt (Sankey, Sunburst, Parallel Coordinates Plot sowie Polar Coordinates Plot). In diesem Beitrag wird der aktuelle Einsatz dieser und anderer Big Data Visualisierungen in österreichischen Unternehmen genauer unter… Weiter »