Notice
This is not the latest version of this item. The latest version can be found at: http://dx.doi.org/10.25673/32872.2
Please use this identifier to cite or link to this item:
http://dx.doi.org/10.25673/32872
Title: | DASC-PM v1.0 - Ein Vorgehensmodell für Data-Science-Projekte |
Author(s): | Schulz, Michael Neuhaus, Uwe Kaufmann, Jens Badura, Daniel Kerzel, Ulrich Welter, Felix Prothmann, Maik Kühnel, Stephan Passlick, Jens Rissler, Raphael Badewitz, Wolfgang Dann, David Gröschel, Alexander Kloker, Simon Alekozai, Emal M. Felderer, Michael Lanquillon, Carsten Brauner, Dorothee Gölzer, Philipp Binder, Harald Rhode, Heiko Gehrke, Nick |
Issue Date: | 2020-02-20 |
Type: | Monograph |
Language: | German |
Publisher: | Universitäts- und Landesbibliothek Sachsen-Anhalt |
Subjects: | Data Science Vorgehensmodell Data-Science-Projekte |
Abstract: | Das Thema Data Science hat in den letzten Jahren in vielen Organisationen stark an Aufmerksamkeit gewonnen. Häufig herrscht jedoch weiterhin große Unklarheit darüber, wie diese Disziplin von anderen abzugrenzen ist, welche Besonderheiten der Ablauf eines Data-Science-Projekts besitzt und welche Kompetenzen vorhanden sein müssen, um ein solches Projekt durchzuführen. In der Hoffnung, einen kleinen Beitrag zur Beseitigung dieser Unklarheiten leisten zu können, haben wir von April 2019 bis Februar 2020 in einer offenen und virtuellen Arbeitsgruppe mit Vertretern aus Theorie und Praxis das vorliegende Dokument erarbeitet, in dem ein Vorgehensmodell für Data-Science-Projekte beschrieben wird – das Data Science Process Model (DASC-PM). Ziel war es dabei nicht, neue Herangehensweisen zu entwickeln, sondern viel-mehr, vorhandenes Wissen zusammenzutragen und in geeigneter Form zu strukturieren. Die Ausarbeitung ist als Zusammenführung der Erfahrung sämtlicher Teilnehmerinnen und Teilnehmer dieser Arbeitsgruppe zu verstehen. Als Zielgruppe des Dokumentes sind all diejenigen zu sehen, die direkt oder aber auch indirekt an Data-Science-Projekten beteiligt sind. Grundlegende Kenntnisse über den Komplex der analytischen Informationssysteme werden dabei vorausgesetzt. Das Vorgehensmodell soll dazu dienen, allen Interessengruppen von Data-Science-Projekten ein Verständnis der not-wendigen Aufgaben und Zusammenhänge zu vermitteln. Zudem kann es von Studierenden genutzt werden, um sich dem Themenfeld zu nähern. Die Data Science befindet sich noch am Anfang ihrer Entwicklung. Deshalb soll dieses Dokument nicht als abgeschlossenes Werk betrachtet werden. Wir wünschen uns sehr, dass es zukünftig in der Durchführung von Data-Science-Projekten Berücksichtigung findet. Dadurch gewonnene Erkenntnisse sollen sowohl genutzt werden, um die bestehenden Ausarbeitungen in Frage zu stellen, als auch, um sie zu vervollständigen und zu detaillieren. Falls Sie Verbesserungsvorschläge zum Vorgehensmodell haben oder sich aktiv an seiner Weiterentwicklung beteiligen möchten, freuen wir uns über eine Kontaktaufnahme. Das nächste Treffen der virtuellen Arbeitsgruppe ist für September 2020 geplant. Unser Dank gilt allen Teilnehmerinnen und Teilnehmern der Arbeitsgruppe. In produktiver und konstruktiver Atmosphäre haben wir ein unserer Meinung nach nutzbringendes und verständnisförderndes Ergebnis erzielt – und dabei auch selbst viel Neues über Data Science gelernt. Hamburg, im Februar 2020 |
URI: | https://opendata.uni-halle.de//handle/1981185920/33065 https://lhhal.gbv.de/DB=10/XMLPRS=N/PPN?PPN=1690639369 http://dx.doi.org/10.25673/32872 |
ISBN: | 978-3-00-064898-4 |
Open Access: | ![]() |
License: | ![]() |
Sponsor/Funder: | NORDAKADEMIE gAG Hochschule der Wirtschaft valantic Business Analytics GmbH |
Appears in Collections: | Lehrstuhl für Betriebliches Informationsmanagement |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DASC-PM_v1.0_ULB.pdf | 4.46 MB | Adobe PDF | ![]() View/Open |
Notice
This is not the latest version of this item. The latest version can be found at: http://dx.doi.org/10.25673/32872.2