Verfügbarkeit: Data Science Management

Data Science Management: vom ersten Konzept bis zur Governance datengetriebener Organisationen

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hebing, Marcel 1982- (VerfasserIn), Manhembué, Martin (VerfasserIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Heidelberg O'Reilly 2024
Ausgabe:	1. Auflage
Schlagworte:	Data Science Datenanalyse agiles Projektmanagement Agile MLOps DevOps DataOps AIOps Data Science Lifecycle Data Science Lebenszyklus Analytics Continuum Datenmanagement Data Science Architekturen Governance. Proof of Concept Statistik Machine Learning
Online-Zugang:	Inhaltstext Inhaltsverzeichnis
Beschreibung:	306 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
ISBN:	9783960092148 3960092148

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV049379741
003	DE-604
005	20241018
007	t
008	231024s2024 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 23,N31 \|2 dnb
016	7		\|a 1297343433 \|2 DE-101
020			\|a 9783960092148 \|c : circa EUR 34.90 (DE), circa EUR 35.90 (AT) \|9 978-3-96009-214-8
020			\|a 3960092148 \|9 3-96009-214-8
024	3		\|a 9783960092148
035			\|a (OCoLC)1424560126
035			\|a (DE-599)DNB1297343433
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-BW
049			\|a DE-M347 \|a DE-11 \|a DE-1102 \|a DE-1050 \|a DE-1049 \|a DE-Aug4 \|a DE-1051 \|a DE-573 \|a DE-858
084			\|a ST 530 \|0 (DE-625)143679: \|2 rvk
084			\|8 1\p \|a 004 \|2 23sdnb
100	1		\|a Hebing, Marcel \|d 1982- \|e Verfasser \|0 (DE-588)1104179555 \|4 aut
245	1	0	\|a Data Science Management \|b vom ersten Konzept bis zur Governance datengetriebener Organisationen \|c Marcel Hebing, Martin Manhembué
250			\|a 1. Auflage
264		1	\|a Heidelberg \|b O'Reilly \|c 2024
300			\|a 306 Seiten \|b Illustrationen, Diagramme \|c 24 cm x 16.5 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
650	0	7	\|a Data Science \|0 (DE-588)1140936166 \|2 gnd \|9 rswk-swf
653			\|a Data Science
653			\|a Datenanalyse
653			\|a agiles Projektmanagement
653			\|a Agile
653			\|a MLOps
653			\|a DevOps
653			\|a DataOps
653			\|a AIOps
653			\|a Data Science Lifecycle
653			\|a Data Science Lebenszyklus
653			\|a Analytics Continuum
653			\|a Datenmanagement
653			\|a Data Science Architekturen
653			\|a Governance. Proof of Concept
653			\|a Statistik
653			\|a Machine Learning
689	0	0	\|a Data Science \|0 (DE-588)1140936166 \|D s
689	0		\|5 DE-604
700	1		\|a Manhembué, Martin \|e Verfasser \|0 (DE-588)1204388652 \|4 aut
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, PDF \|z 978-3-96010-808-5
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, EPUB \|z 978-3-96010-809-2
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=ab12956d77ca4e629c255c0118df09fb&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034707395&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
883	1		\|8 1\p \|a vlb \|d 20230726 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb
943	1		\|a oai:aleph.bib-bvb.de:BVB01-034707395

Datensatz im Suchindex

_version_	1813237925944492032
adam_text	INHALT EINLEITUNG: EIN HANDBUCH ZUM MANAGEMENT VON DATA SCIENCE . 13 TEIL I: DATA-SCIENCE-GRUNDLAGEN . 27 1 EINE EINFUEHRUNG IN DATA SCIENCE AUS PROJEKTSICHT . 29 VERLAUF EINES DATA-SCIENCE-PROJEKTS (PROZESSMODELL) . 30 VON EINFACHEN ANALYSEN ZUR AUTOMATISIERUNG (ANALYTICS CONTINUUM) . . 32 WELCHE KOMPETENZEN BRAUCHEN WIR IN EINEM DATA-SCIENCE-PROJEKT? . 34 2 WIE WIR UEBER DATEN SPRECHEN . 37 STRUKTURIERTE DATEN . 37 SEMISTRUKTURIERTE DATEN . 38 UNSTRUKTURIERTE DATEN . 40 SKALENNIVEAUS UND BESONDERE DATENFORMATE . 40 VERSCHIEDENE ASPEKTE DER QUALITAET VON DATEN . 42 BIG DATA UND SMART DATA . 43 3 DATENBESCHAFFUNG UND-AUFBEREITUNG . 45 DATENQUELLEN UND DATENERHEBUNG . 45 DATENZUGRIFF IST NICHT NUR EINE TECHNISCHE ANGELEGENHEIT . 46 INTEGRATION UND AUFBEREITUNG VERSCHIEDENER DATENQUELLEN . 47 TRAININGS UND TESTDATEN FUER DAS TRAINING VON MACHINE-LEARNING ALGORITHMEN . 48 FEATURE ENGINEERING . 48 4 DESKRIPTIVE ANALYSEN . 51 UNIVARIATE BASISSTATISTIKEN UND KENNZAHLEN . 51 BIVARIATE DARSTELLUNGEN UND KORRELATIONEN . 53 VISUALISIERUNG VON DATEN . 55 EXPLORATIVE DATENANALYSE (EDA) . 58 I 5 5 MODELLBILDUNG IN DER KLASSISCHEN STATISTIK . 61 GRUNDGESAMTHEITEN UND STICHPROBEN . 61 DIE REGRESSIONSANALYSE ALS BEISPIEL FUER EIN ERKLAERENDES MODELL . 63 WIE FUNKTIONIERT EINE REGRESSIONSANALYSE AUS MATHEMATISCHER SICHT? . 64 DIE FLEXIBILITAET DER REGRESSIONSANALYSE . 65 SPEZIELLE ANWENDUNGSFAELLE: ZEITREIHENANALYSE UND VORHERSAGEN . 67 6 VORHERSAGEN IM MACHINE LEARNING . 71 SUPERVISED LEARNING . 73 REGRESSIONSANALYSE . 73 ENTSCHEIDUNGSBAEUME . 74 K-NEAREST-NEIGHBORS . 74 DATENQUALITAET UND VERWANDTE HERAUSFORDERUNGEN . 75 UNSUPERVISED LEARNING . 77 DIMENSIONSREDUKTION . 77 CLUSTERANALYSE . 77 DEEP LEARNING, REINFORCEMENT LEARNING UND NEURONALE NETZE . 78 PREDICTIVE, PRESCRIPTIVE, AUTOMATION . 80 7 AUFBEREITUNG DER ERGEBNISSE FUER DIE WEITERE VERWENDUNG . 81 DOKUMENTATION, WIEDERVERWENDUNG UND REPLIZIERBARKEIT . 81 REPORTING . 83 STATISCHER REPORT . 83 DASHBOARDS . 84 STORYTELLING UND VISUELLE KOMMUNIKATION MIT DATEN . 85 MEHRWERT VON DATEN IM UNTERNEHMEN . 86 IMPACT, EVALUATION UND FEEDBACK . 86 8 ASPEKTE EINER BASISINFRASTRUKTUR . 89 DATENFORMATE UND DATENBANKEN . 89 PLAINTEXT . 90 BINARY FILES . 91 SQL-DATENBANKEN . 91 NOSQL . 91 DATENVERARBEITUNG UND ANALYSE . 91 COLLABORATION UND ARBEIT IN DER CLOUD . 92 9 HANDS-ON: BEISPIELPROJEKT . 95 STUDIENDESIGN . 95 DATENBESCHAFFUNG UND -AUFBEREITUNG . 96 ANALYSE DER DATEN . 98 DOKUMENTATION UND REPORTING . 99 HANDLUNGSEMPFEHLUNG (IMPACT) . 100 TEIL II: DATA-SCIENCE-MANAGEMENT . 101 10 FALLSTRICKE FUER DATA-SCIENCE-PROJEKTE . 105 FALLSTRICKE IN TECHNOLOGIE UND INFRASTRUKTUR . 105 DATA ENGINEERING WIRD UNTERSCHAETZT . 106 DATENSILOS . 106 FALLSTRICKE IN DER MODELLIERUNG . 107 ZU KOMPLEXE MODELLE . 107 FLUCH DER DIMENSIONALITAET . 108 AUSREISSER . 109 FALLSTRICKE IM MANAGEMENT . 110 LAW OF INSTRUMENT . 110 ZU VIEL, ZU FRUEH . 111 UNKLARE ZIELE . 111 EIN PROJEKT IST KEINE PRODUKTIVE ANWENDUNG . 112 FEHLENDE SKILLS UND DATA-SCIENCE-KULTUR . 112 11 GRUNDLAGEN DES PROJEKTMANAGEMENTS . 115 KLASSISCHES ANFORDERUNGSMANAGEMENT . 117 AGILES MANAGEMENT UND LEAN MINDSET . 120 MEHRWERT UND KUNDENZENTRIERUNG . 121 KOLLABORATION . 121 ITERATIVES UND INKREMENTELLES VORGEHEN . 122 KONTINUIERLICHE VERBESSERUNG . 122 DEZENTRALITAET UND SELBSTORGANISATION . 123 POC UND MVP . 123 AGILES MINDSET . 124 ERKENNTNISSE AUS DER AGILEN PRAXIS . 124 AGILES ANFORDERUNGSMANAGEMENT . 125 ZEIT-UND RESSOURCENMANAGEMENT . 127 FINANZIELLE RESSOURCEN . 128 ZEITLICHE RESSOURCEN . 129 INFRASTRUKTURELLE RESSOURCEN . 132 DATEN . 133 KONTEXTUALISIERUNG UND KOMMUNIKATION . 134 TEAM-BUBBLE . 135 12 DATA-SCIENCE-TEAMS . 137 FUNKTIONEN VON TEAMS . 137 TEAMSTRUKTUREN . 140 TEAM OF TEAMS UND NEW WORK . 143 VERORTUNG VON DATA-SCIENCE-TEAMS . 145 ROLLEN UND DEREN AUFGABEN IN DATA-SCIENCE-TEAMS . 147 ROLLENVERSTAENDNIS NACH METHODISCHER TIEFE . 147 ROLLENVERSTAENDNIS NACH AUSBILDUNG UND INTERESSEN . 148 ROLLENVERSTAENDNIS NACH AUFGABEN . 149 ROLLEN VON DATA SCIENTISTS . 150 DATA SCIENTISTS . 151 DATA ENGINEERS . 151 FACHEXPERTINNEN UND-EXPERTEN . 151 SOFTWARE ENGINEERS UND DEVOPS ENGINEERS . 152 MACHINE LEARNING ENGINEERS UND MLOPS ARCHITECTS . 152 MODEL-RISK-MANAGERINNEN UND -MANAGERN . 153 SOFTWAREARCHITEKTINNEN UND -ARCHITEKTEN . 153 ANALYSTINNEN UND ANALYSTEN . 154 HERAUSFORDERUNGEN UND KONFLIKTE IN TEAMS . 155 DIGITALES ARBEITEN UND REMOTE WORK . 155 ZUSAMMENARBEIT UND KOMMUNIKATION . 156 13 DATA-SCIENCE-MANAGERINNEN UND-MANAGER . 159 AUFGABEN UND FAEHIGKEITEN . 161 MODERNES LEADERSHIP . 164 SERVANT LEADERSHIP . 164 AGILE LEADERSHIP . 165 SHARED LEADERSHIP . 167 IMPACT DURCH LEADERSHIP . 168 COACHING UND MENTORING VON DATA SCIENTISTS . 171 14 HANDS-ON: EMPFOHLENES TOOLKIT FUER DAS DATA-SCIENCE-MANAGEMENT . 175 SCRUM . 175 KANBAN . 177 SCRUM ODER KANBAN NUTZEN? . 178 TEAM HEALTH CHECKS . 179 AI PROJECT CANVAS . 181 CHECKLISTE ANFORDERUNGSMANAGEMENT . 182 PROBLEMFELDER BENENNEN . 182 HERAUSFORDERUNGEN ERMITTELN . 183 MEHRWERT BESCHREIBEN . 183 TEIL III: INFRASTRUKTUR UND ARCHITEKTUR . 185 15 AUTOMATISIERUNG UND OPERATIONALISIERUNG IM KYBERNETISCHEN REGELKREIS . 187 DAS WISSENSCHAFTLICHE VORGEHEN: WISSEN ITERATIV WEITERENTWICKELN UND VERTIEFEN . 188 PROOF-OF-CONCEPT-PROJEKTE UND DESIGN THINKING . 188 OPERATIONALISIERUNG UND EVALUATION VON ZIELEN IN LAUFENDEN PROJEKTEN . 189 DER KYBERNETISCHE REGELKREIS . 190 CROSS INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM) . 192 16 GRUNDLAGEN DER IT-INFRASTRUKTUR . 193 BAUSTEINE EINER SOFTWAREANWENDUNG . 193 HARDWARE: EIGENE RECHNER VS. CLOUD . 196 CONTAINER UND MICROSERVICES . 199 PLATFORM-AS-A-SERVICE (PAAS) UND SERVERLESS . 200 SOFTWARE UND DATA-SCIENCE-AS-A-SERVICE (SAAS/DSAAS) . 201 17 DATA-SCIENCE-ARCHITEKTUREN . 203 DATA LAKE . 204 DATA WAREHOUSE (DWH) . 205 WEITERE OPTIONEN WIE DAS ANALYTICS LAB . 207 INTERAKTIVE VISUALISIERUNG, EDA UND BUSINESS INTELLIGENCE . 208 DATA MESH . 209 18 DEVOPS UND MLOPS: ENTWICKLUNG UND BETRIEB . 211 VERSIONIERUNG UND VERSIONSKONTROLLE . 211 CONTINUOUS INTEGRATION AND DELIVERY . 213 MICROSERVICES UND APPLICATION PROGRAMMING INTERFACES (APIS) . 215 TESTING UND MONITORING . 217 BETRIEB VON MACHINE-LEARNING-MODELLEN (DEVOPS UND MLOPS) . 219 19 HANDS-ON: MODELLIERUNG VON SOFTWARE UND INFRASTRUKTUR . 221 BESTANDSAUFNAHME IM EVENT-STORMING . 221 WEITERENTWICKLUNG IN DER BUSINESS PROCESS MODEL AND NOTATION (BPMN) . 223 MODELLIERUNG EINER TECHNISCHEN INFRASTRUKTUR .224 MODELLIERUNG EINER (RELATIONALEN) DATENBANK . 225 REGELKONFORMITAET . 226 TEIL IV: DATA SCIENCE GOVERNANCE UND DATA-DRIVEN CULTURE . 227 20 DIGITALE TRANSFORMATION DER UNTERNEHMEN . 231 STRATEGISCHER EINSATZ VON DATEN . 232 WETTBEWERBSVORTEILE DURCH DATA SCIENCE . 236 AS-A-SERVICE-MODELLE . 239 21 IMPLEMENTIERUNG IM UNTERNEHMEN . 241 SCHRITT 1: IDEENFINDUNG . 241 WIE FINDET MAN GEEIGNETE ANWENDUNGSFAELLE? . 241 SCHRITT 2: PROOF-OF-CONCEPT . 242 SCHRITT 3: TECHNISCHE IMPLEMENTIERUNG . 243 SCHRITT 4: IMPLEMENTIERUNG AUF BEREICHSEBENE . 243 SCHRITT 5: SKALIERUNG AUFUNTERNEHMENSEBENE .244 SCHRITT 6: VERSTETIGUNG . 245 CHANGE MANAGEMENT . 245 DATENMANAGEMENT . 249 IT-MANAGEMENT . 253 22 SICHERHEIT UND DATENSCHUTZ . 255 SAFETY . 256 SECURITY .257 GOVERNANCE, COMPLIANCE UND RECHTLICHE ASPEKTE . 261 ETHISCHE ASPEKTE UND CORPORATE RESPONSIBILITY . 263 DIGITALPOLITIK . 266 23 DIGITALE KOMPETENZEN UND DATA-SCIENCE-KULTUR . 269 NEWWORK .270 FLEXIBILISIERUNG DER ARBEITSORGANISATION . 273 DIVERSITAET UND KREATIVITAET . 274 NETZWERKORGANISATIONEN UND LEADERSHIP . 274 ACHTSAMKEIT UND GESUNDHEIT . 274 RECRUITING . 275 UPSKILLING UND RESKILLING . 278 ENTREPRENEURSHIP, INTRAPRENEURSHIP UND INNOVATION . 280 LITERACY, ENABLEMENT UND CITIZEN DATA SCIENCE . 282 GRUNDPFEILER EINER KREATIVEN UMGEBUNG .284 24 HANDS-ON: TOOLKIT FUER STRATEGIE UND GOVERNANCE . 287 BUSINESS MODEL CANVAS .287 AI CANVAS . 288 DATENSTRATEGIE-DESIGNKIT .290 25 SCHLUESSELFAKTOREN FUER ERFOLGREICHES DATA-SCIENCE-MANAGEMENT . 293 DATA SCIENTISTS ALS INDIVIDUEN . 293 WIRTSCHAFTLICHKEIT . 294 GOVERNANCE . 294 KULTUR . 294 INFRASTRUKTUR . 295 PROJEKTE UND TEAMS . 296 WIRTSCHAFTLICHKEIT . 296 GOVERNANCE . 296 KULTUR . 297 INFRASTRUKTUR . 298 UNTERNEHMEN UND STRATEGIE . 298 WIRTSCHAFTLICHKEIT . 298 GOVERNANCE . 299 KULTUR . 299 INFRASTRUKTUR .300 INDEX . 301
adam_txt	INHALT EINLEITUNG: EIN HANDBUCH ZUM MANAGEMENT VON DATA SCIENCE . 13 TEIL I: DATA-SCIENCE-GRUNDLAGEN . 27 1 EINE EINFUEHRUNG IN DATA SCIENCE AUS PROJEKTSICHT . 29 VERLAUF EINES DATA-SCIENCE-PROJEKTS (PROZESSMODELL) . 30 VON EINFACHEN ANALYSEN ZUR AUTOMATISIERUNG (ANALYTICS CONTINUUM) . . 32 WELCHE KOMPETENZEN BRAUCHEN WIR IN EINEM DATA-SCIENCE-PROJEKT? . 34 2 WIE WIR UEBER DATEN SPRECHEN . 37 STRUKTURIERTE DATEN . 37 SEMISTRUKTURIERTE DATEN . 38 UNSTRUKTURIERTE DATEN . 40 SKALENNIVEAUS UND BESONDERE DATENFORMATE . 40 VERSCHIEDENE ASPEKTE DER QUALITAET VON DATEN . 42 BIG DATA UND SMART DATA . 43 3 DATENBESCHAFFUNG UND-AUFBEREITUNG . 45 DATENQUELLEN UND DATENERHEBUNG . 45 DATENZUGRIFF IST NICHT NUR EINE TECHNISCHE ANGELEGENHEIT . 46 INTEGRATION UND AUFBEREITUNG VERSCHIEDENER DATENQUELLEN . 47 TRAININGS UND TESTDATEN FUER DAS TRAINING VON MACHINE-LEARNING ALGORITHMEN . 48 FEATURE ENGINEERING . 48 4 DESKRIPTIVE ANALYSEN . 51 UNIVARIATE BASISSTATISTIKEN UND KENNZAHLEN . 51 BIVARIATE DARSTELLUNGEN UND KORRELATIONEN . 53 VISUALISIERUNG VON DATEN . 55 EXPLORATIVE DATENANALYSE (EDA) . 58 I 5 5 MODELLBILDUNG IN DER KLASSISCHEN STATISTIK . 61 GRUNDGESAMTHEITEN UND STICHPROBEN . 61 DIE REGRESSIONSANALYSE ALS BEISPIEL FUER EIN ERKLAERENDES MODELL . 63 WIE FUNKTIONIERT EINE REGRESSIONSANALYSE AUS MATHEMATISCHER SICHT? . 64 DIE FLEXIBILITAET DER REGRESSIONSANALYSE . 65 SPEZIELLE ANWENDUNGSFAELLE: ZEITREIHENANALYSE UND VORHERSAGEN . 67 6 VORHERSAGEN IM MACHINE LEARNING . 71 SUPERVISED LEARNING . 73 REGRESSIONSANALYSE . 73 ENTSCHEIDUNGSBAEUME . 74 K-NEAREST-NEIGHBORS . 74 DATENQUALITAET UND VERWANDTE HERAUSFORDERUNGEN . 75 UNSUPERVISED LEARNING . 77 DIMENSIONSREDUKTION . 77 CLUSTERANALYSE . 77 DEEP LEARNING, REINFORCEMENT LEARNING UND NEURONALE NETZE . 78 PREDICTIVE, PRESCRIPTIVE, AUTOMATION . 80 7 AUFBEREITUNG DER ERGEBNISSE FUER DIE WEITERE VERWENDUNG . 81 DOKUMENTATION, WIEDERVERWENDUNG UND REPLIZIERBARKEIT . 81 REPORTING . 83 STATISCHER REPORT . 83 DASHBOARDS . 84 STORYTELLING UND VISUELLE KOMMUNIKATION MIT DATEN . 85 MEHRWERT VON DATEN IM UNTERNEHMEN . 86 IMPACT, EVALUATION UND FEEDBACK . 86 8 ASPEKTE EINER BASISINFRASTRUKTUR . 89 DATENFORMATE UND DATENBANKEN . 89 PLAINTEXT . 90 BINARY FILES . 91 SQL-DATENBANKEN . 91 NOSQL . 91 DATENVERARBEITUNG UND ANALYSE . 91 COLLABORATION UND ARBEIT IN DER CLOUD . 92 9 HANDS-ON: BEISPIELPROJEKT . 95 STUDIENDESIGN . 95 DATENBESCHAFFUNG UND -AUFBEREITUNG . 96 ANALYSE DER DATEN . 98 DOKUMENTATION UND REPORTING . 99 HANDLUNGSEMPFEHLUNG (IMPACT) . 100 TEIL II: DATA-SCIENCE-MANAGEMENT . 101 10 FALLSTRICKE FUER DATA-SCIENCE-PROJEKTE . 105 FALLSTRICKE IN TECHNOLOGIE UND INFRASTRUKTUR . 105 DATA ENGINEERING WIRD UNTERSCHAETZT . 106 DATENSILOS . 106 FALLSTRICKE IN DER MODELLIERUNG . 107 ZU KOMPLEXE MODELLE . 107 FLUCH DER DIMENSIONALITAET . 108 AUSREISSER . 109 FALLSTRICKE IM MANAGEMENT . 110 LAW OF INSTRUMENT . 110 ZU VIEL, ZU FRUEH . 111 UNKLARE ZIELE . 111 EIN PROJEKT IST KEINE PRODUKTIVE ANWENDUNG . 112 FEHLENDE SKILLS UND DATA-SCIENCE-KULTUR . 112 11 GRUNDLAGEN DES PROJEKTMANAGEMENTS . 115 KLASSISCHES ANFORDERUNGSMANAGEMENT . 117 AGILES MANAGEMENT UND LEAN MINDSET . 120 MEHRWERT UND KUNDENZENTRIERUNG . 121 KOLLABORATION . 121 ITERATIVES UND INKREMENTELLES VORGEHEN . 122 KONTINUIERLICHE VERBESSERUNG . 122 DEZENTRALITAET UND SELBSTORGANISATION . 123 POC UND MVP . 123 AGILES MINDSET . 124 ERKENNTNISSE AUS DER AGILEN PRAXIS . 124 AGILES ANFORDERUNGSMANAGEMENT . 125 ZEIT-UND RESSOURCENMANAGEMENT . 127 FINANZIELLE RESSOURCEN . 128 ZEITLICHE RESSOURCEN . 129 INFRASTRUKTURELLE RESSOURCEN . 132 DATEN . 133 KONTEXTUALISIERUNG UND KOMMUNIKATION . 134 TEAM-BUBBLE . 135 12 DATA-SCIENCE-TEAMS . 137 FUNKTIONEN VON TEAMS . 137 TEAMSTRUKTUREN . 140 TEAM OF TEAMS UND NEW WORK . 143 VERORTUNG VON DATA-SCIENCE-TEAMS . 145 ROLLEN UND DEREN AUFGABEN IN DATA-SCIENCE-TEAMS . 147 ROLLENVERSTAENDNIS NACH METHODISCHER TIEFE . 147 ROLLENVERSTAENDNIS NACH AUSBILDUNG UND INTERESSEN . 148 ROLLENVERSTAENDNIS NACH AUFGABEN . 149 ROLLEN VON DATA SCIENTISTS . 150 DATA SCIENTISTS . 151 DATA ENGINEERS . 151 FACHEXPERTINNEN UND-EXPERTEN . 151 SOFTWARE ENGINEERS UND DEVOPS ENGINEERS . 152 MACHINE LEARNING ENGINEERS UND MLOPS ARCHITECTS . 152 MODEL-RISK-MANAGERINNEN UND -MANAGERN . 153 SOFTWAREARCHITEKTINNEN UND -ARCHITEKTEN . 153 ANALYSTINNEN UND ANALYSTEN . 154 HERAUSFORDERUNGEN UND KONFLIKTE IN TEAMS . 155 DIGITALES ARBEITEN UND REMOTE WORK . 155 ZUSAMMENARBEIT UND KOMMUNIKATION . 156 13 DATA-SCIENCE-MANAGERINNEN UND-MANAGER . 159 AUFGABEN UND FAEHIGKEITEN . 161 MODERNES LEADERSHIP . 164 SERVANT LEADERSHIP . 164 AGILE LEADERSHIP . 165 SHARED LEADERSHIP . 167 IMPACT DURCH LEADERSHIP . 168 COACHING UND MENTORING VON DATA SCIENTISTS . 171 14 HANDS-ON: EMPFOHLENES TOOLKIT FUER DAS DATA-SCIENCE-MANAGEMENT . 175 SCRUM . 175 KANBAN . 177 SCRUM ODER KANBAN NUTZEN? . 178 TEAM HEALTH CHECKS . 179 AI PROJECT CANVAS . 181 CHECKLISTE ANFORDERUNGSMANAGEMENT . 182 PROBLEMFELDER BENENNEN . 182 HERAUSFORDERUNGEN ERMITTELN . 183 MEHRWERT BESCHREIBEN . 183 TEIL III: INFRASTRUKTUR UND ARCHITEKTUR . 185 15 AUTOMATISIERUNG UND OPERATIONALISIERUNG IM KYBERNETISCHEN REGELKREIS . 187 DAS WISSENSCHAFTLICHE VORGEHEN: WISSEN ITERATIV WEITERENTWICKELN UND VERTIEFEN . 188 PROOF-OF-CONCEPT-PROJEKTE UND DESIGN THINKING . 188 OPERATIONALISIERUNG UND EVALUATION VON ZIELEN IN LAUFENDEN PROJEKTEN . 189 DER KYBERNETISCHE REGELKREIS . 190 CROSS INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM) . 192 16 GRUNDLAGEN DER IT-INFRASTRUKTUR . 193 BAUSTEINE EINER SOFTWAREANWENDUNG . 193 HARDWARE: EIGENE RECHNER VS. CLOUD . 196 CONTAINER UND MICROSERVICES . 199 PLATFORM-AS-A-SERVICE (PAAS) UND SERVERLESS . 200 SOFTWARE UND DATA-SCIENCE-AS-A-SERVICE (SAAS/DSAAS) . 201 17 DATA-SCIENCE-ARCHITEKTUREN . 203 DATA LAKE . 204 DATA WAREHOUSE (DWH) . 205 WEITERE OPTIONEN WIE DAS ANALYTICS LAB . 207 INTERAKTIVE VISUALISIERUNG, EDA UND BUSINESS INTELLIGENCE . 208 DATA MESH . 209 18 DEVOPS UND MLOPS: ENTWICKLUNG UND BETRIEB . 211 VERSIONIERUNG UND VERSIONSKONTROLLE . 211 CONTINUOUS INTEGRATION AND DELIVERY . 213 MICROSERVICES UND APPLICATION PROGRAMMING INTERFACES (APIS) . 215 TESTING UND MONITORING . 217 BETRIEB VON MACHINE-LEARNING-MODELLEN (DEVOPS UND MLOPS) . 219 19 HANDS-ON: MODELLIERUNG VON SOFTWARE UND INFRASTRUKTUR . 221 BESTANDSAUFNAHME IM EVENT-STORMING . 221 WEITERENTWICKLUNG IN DER BUSINESS PROCESS MODEL AND NOTATION (BPMN) . 223 MODELLIERUNG EINER TECHNISCHEN INFRASTRUKTUR .224 MODELLIERUNG EINER (RELATIONALEN) DATENBANK . 225 REGELKONFORMITAET . 226 TEIL IV: DATA SCIENCE GOVERNANCE UND DATA-DRIVEN CULTURE . 227 20 DIGITALE TRANSFORMATION DER UNTERNEHMEN . 231 STRATEGISCHER EINSATZ VON DATEN . 232 WETTBEWERBSVORTEILE DURCH DATA SCIENCE . 236 AS-A-SERVICE-MODELLE . 239 21 IMPLEMENTIERUNG IM UNTERNEHMEN . 241 SCHRITT 1: IDEENFINDUNG . 241 WIE FINDET MAN GEEIGNETE ANWENDUNGSFAELLE? . 241 SCHRITT 2: PROOF-OF-CONCEPT . 242 SCHRITT 3: TECHNISCHE IMPLEMENTIERUNG . 243 SCHRITT 4: IMPLEMENTIERUNG AUF BEREICHSEBENE . 243 SCHRITT 5: SKALIERUNG AUFUNTERNEHMENSEBENE .244 SCHRITT 6: VERSTETIGUNG . 245 CHANGE MANAGEMENT . 245 DATENMANAGEMENT . 249 IT-MANAGEMENT . 253 22 SICHERHEIT UND DATENSCHUTZ . 255 SAFETY . 256 SECURITY .257 GOVERNANCE, COMPLIANCE UND RECHTLICHE ASPEKTE . 261 ETHISCHE ASPEKTE UND CORPORATE RESPONSIBILITY . 263 DIGITALPOLITIK . 266 23 DIGITALE KOMPETENZEN UND DATA-SCIENCE-KULTUR . 269 NEWWORK .270 FLEXIBILISIERUNG DER ARBEITSORGANISATION . 273 DIVERSITAET UND KREATIVITAET . 274 NETZWERKORGANISATIONEN UND LEADERSHIP . 274 ACHTSAMKEIT UND GESUNDHEIT . 274 RECRUITING . 275 UPSKILLING UND RESKILLING . 278 ENTREPRENEURSHIP, INTRAPRENEURSHIP UND INNOVATION . 280 LITERACY, ENABLEMENT UND CITIZEN DATA SCIENCE . 282 GRUNDPFEILER EINER KREATIVEN UMGEBUNG .284 24 HANDS-ON: TOOLKIT FUER STRATEGIE UND GOVERNANCE . 287 BUSINESS MODEL CANVAS .287 AI CANVAS . 288 DATENSTRATEGIE-DESIGNKIT .290 25 SCHLUESSELFAKTOREN FUER ERFOLGREICHES DATA-SCIENCE-MANAGEMENT . 293 DATA SCIENTISTS ALS INDIVIDUEN . 293 WIRTSCHAFTLICHKEIT . 294 GOVERNANCE . 294 KULTUR . 294 INFRASTRUKTUR . 295 PROJEKTE UND TEAMS . 296 WIRTSCHAFTLICHKEIT . 296 GOVERNANCE . 296 KULTUR . 297 INFRASTRUKTUR . 298 UNTERNEHMEN UND STRATEGIE . 298 WIRTSCHAFTLICHKEIT . 298 GOVERNANCE . 299 KULTUR . 299 INFRASTRUKTUR .300 INDEX . 301
any_adam_object	1
any_adam_object_boolean	1
author	Hebing, Marcel 1982- Manhembué, Martin
author_GND	(DE-588)1104179555 (DE-588)1204388652
author_facet	Hebing, Marcel 1982- Manhembué, Martin
author_role	aut aut
author_sort	Hebing, Marcel 1982-
author_variant	m h mh m m mm
building	Verbundindex
bvnumber	BV049379741
classification_rvk	ST 530
ctrlnum	(OCoLC)1424560126 (DE-599)DNB1297343433
discipline	Informatik
discipline_str_mv	Informatik
edition	1. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV049379741</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20241018</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">231024s2024 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">23,N31</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1297343433</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960092148</subfield><subfield code="c">: circa EUR 34.90 (DE), circa EUR 35.90 (AT)</subfield><subfield code="9">978-3-96009-214-8</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3960092148</subfield><subfield code="9">3-96009-214-8</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783960092148</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1424560126</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1297343433</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-858</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Hebing, Marcel</subfield><subfield code="d">1982-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1104179555</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Science Management</subfield><subfield code="b">vom ersten Konzept bis zur Governance datengetriebener Organisationen</subfield><subfield code="c">Marcel Hebing, Martin Manhembué</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">2024</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">306 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 16.5 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Science</subfield><subfield code="0">(DE-588)1140936166</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">agiles Projektmanagement</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Agile</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">MLOps</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">DevOps</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">DataOps</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">AIOps</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science Lifecycle</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science Lebenszyklus</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Analytics Continuum</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenmanagement</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science Architekturen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Governance. Proof of Concept</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Statistik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Machine Learning</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Data Science</subfield><subfield code="0">(DE-588)1140936166</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Manhembué, Martin</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1204388652</subfield><subfield code="4">aut</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-96010-808-5</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-96010-809-2</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=ab12956d77ca4e629c255c0118df09fb&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034707395&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20230726</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-034707395</subfield></datafield></record></collection>
id	DE-604.BV049379741
illustrated	Illustrated
index_date	2024-07-03T22:58:52Z
indexdate	2024-10-18T08:00:39Z
institution	BVB
isbn	9783960092148 3960092148
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-034707395
oclc_num	1424560126
open_access_boolean
owner	DE-M347 DE-11 DE-1102 DE-1050 DE-1049 DE-Aug4 DE-1051 DE-573 DE-858
owner_facet	DE-M347 DE-11 DE-1102 DE-1050 DE-1049 DE-Aug4 DE-1051 DE-573 DE-858
physical	306 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm
publishDate	2024
publishDateSearch	2024
publishDateSort	2024
publisher	O'Reilly
record_format	marc
spelling	Hebing, Marcel 1982- Verfasser (DE-588)1104179555 aut Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen Marcel Hebing, Martin Manhembué 1. Auflage Heidelberg O'Reilly 2024 306 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm txt rdacontent n rdamedia nc rdacarrier Data Science (DE-588)1140936166 gnd rswk-swf Data Science Datenanalyse agiles Projektmanagement Agile MLOps DevOps DataOps AIOps Data Science Lifecycle Data Science Lebenszyklus Analytics Continuum Datenmanagement Data Science Architekturen Governance. Proof of Concept Statistik Machine Learning Data Science (DE-588)1140936166 s DE-604 Manhembué, Martin Verfasser (DE-588)1204388652 aut Erscheint auch als Online-Ausgabe, PDF 978-3-96010-808-5 Erscheint auch als Online-Ausgabe, EPUB 978-3-96010-809-2 X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=ab12956d77ca4e629c255c0118df09fb&prov=M&dok_var=1&dok_ext=htm Inhaltstext DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034707395&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20230726 DE-101 https://d-nb.info/provenance/plan#vlb
spellingShingle	Hebing, Marcel 1982- Manhembué, Martin Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen Data Science (DE-588)1140936166 gnd
subject_GND	(DE-588)1140936166
title	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen
title_auth	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen
title_exact_search	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen
title_exact_search_txtP	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen
title_full	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen Marcel Hebing, Martin Manhembué
title_fullStr	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen Marcel Hebing, Martin Manhembué
title_full_unstemmed	Data Science Management vom ersten Konzept bis zur Governance datengetriebener Organisationen Marcel Hebing, Martin Manhembué
title_short	Data Science Management
title_sort	data science management vom ersten konzept bis zur governance datengetriebener organisationen
title_sub	vom ersten Konzept bis zur Governance datengetriebener Organisationen
topic	Data Science (DE-588)1140936166 gnd
topic_facet	Data Science
url	http://deposit.dnb.de/cgi-bin/dokserv?id=ab12956d77ca4e629c255c0118df09fb&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034707395&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT hebingmarcel datasciencemanagementvomerstenkonzeptbiszurgovernancedatengetriebenerorganisationen AT manhembuemartin datasciencemanagementvomerstenkonzeptbiszurgovernancedatengetriebenerorganisationen

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Beschreibung

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge