Page 49 - Handbuch Internet of Things

Kapitel 1.6 / Data & Analytics
HANDBUCH INTERNET OF THINGS
ten Methoden und eigenen Entwicklungen auch Modelle aus Microso Azure ML ein. Die Modelle wurden auf konkrete Aufgaben- stellungen ausgerichtet (Abb. 2) und umfassen Algorithmen des Data Mining und Predictive Analytics. Im Bereich der Entscheidungsopti- mierung (Prescriptive Analytics) gibt es End- to-End-Lösungen – vom Au au der Strategie bis zur Verwirklichung – und die passenden Dienstleistungen. Ein ganzheitlicher Ansatz ermöglicht den exiblen Einsatz in verschie- denen Branchen.
Intelligente Algorithmen zur Optimie- rung von Business-Entscheidungen
Ein professionelles Data Management verein- facht, verwaltet und automatisiert die Integra- tion der Daten – ganz gleich, ob sie aus inter- nen oder externen Quellen stammen. Hierzu gehören etwa Unternehmens-, Maschinen-, Sensor- oder Kundendaten. Mit unseren Lö-
sungen zum Data Management lassen sich Daten qualitativ prüfen, harmonisieren und für betriebliche Entscheidungsprozesse auf- bereiten.
Die Data & Analytics-Lösungen dienen dazu, aus Daten Wissen zu generieren, um dem be- rühmtem Bauchgefühl fundierte Fakten zur Seite zu stellen. Selfservice-Strukturen wie Management-Dashboards können das Con- trolling entlasten und unterstützen zeitnahe Entscheidungen. Die beiden Segmente Data Management und Data&Analytics fasst man auch unter dem Fachbegri „Business Intelli- gence“ zusammen.
Nach Data Management und Data&Ana- lytics ist Data Science die nächste Stufe, um datengetriebene Prozesse im Unternehmen zu perfektionieren. Während Data&Analytics Zusammenhänge und Abhängigkeiten mul- tidimensional analysiert, nutzt Data Science
Vorgehensweise
Zielformulierung
Data Mining
Operations Research
Abb. 1: Vorgehensweise bei Data-Science-Projekten
Daten
Rahmenbedingungen
Maschinelles Lernen
Data Processing
Optimale Entscheidungen
50
Quelle: CosmoConsult