Warum 85% aller Data Science Projekte scheitern und was man dagegen tun kann

32:16
 
Teilen
 

Manage episode 259448792 series 2607332
Von Fabian Merkel von ai z and Fabian Merkel entdeckt von Player FM und unserer Community - Das Urheberrecht hat der Herausgeber, nicht Player FM, und die Audiodaten werden direkt von ihren Servern gestreamt. Tippe auf Abonnieren um Updates in Player FM zu verfolgen oder füge die URL in andere Podcast Apps ein.
#11 mit Philipp Paraguya von INFOMOTION

Gast: Philipp Paraguya (https://www.linkedin.com/in/philipp-paraguya-7420a087/) von INFOMOTION (https://www.infomotion.de ) Host: Fabian Merkel ( https://www.linkedin.com/in/fabian-merkel/) Best Practices: CRISP-DM (http://bit.ly/31I9KEy) Studienübersicht: Failure rates for analytics, AI, and big data projects = 85% – yikes! (http://bit.ly/2w3groU) Buch: Data Science for Business, by Foster Provost and Tom Fawcett, (http://bit.ly/2UDbnSy)

Kapitel

1. Intro (00:00:00)

2. Warum ist Erwartungsmanagement bei Data Science Projekten relevant? (00:02:59)

3. Warum scheitern Data Science Projekte? (00:06:37)

4. Wie kann man die Erfolgschancen eines Data Science Projektes erhöhen? (00:11:46)

5. Wie reagiere ich auf unterschiedliche Erwartungshaltungen? (00:14:46)

6. Wie setze ich ein Data Science Projekt richtig auf? (00:21:44)

7. Warum sollte man Data Science Projekt frühzeitig stoppen? (00:26:11)

8. Warum sollten Best Practices implementiert werden? (00:28:23)

9. Welches Mindset sollte man bei Data Science Projekten haben? (00:29:03)

10. Welches Buch empfiehlt Philipp? (00:31:33)

48 Episoden