Analytische Expertise nutzen

Data Fluency

Konstantinos Kattidis

Data Analytics Lead

Über das Erkunden und Beschreiben hinaus

• Über die grundlegende Exploration oder Beschreibung von Daten hinausgehen
• Beispiele für komplexe Analytik:
  • Analyse großer Datensätze
  • Aufbau von KPI-Dashboards
  • Entwicklung prädiktiver Modelle

Techniken kennen

• Datenkompetente Personen müssen fortgeschrittene Methoden nicht meistern
• Aber sie sollten deren Existenz und Potenzial kennen
• Und mit Datenexpert:innen kooperieren
• So lassen sich wirksamere Analyselösungen anwenden

Use Cases für Advanced Analytics erkennen

• Datenkompetente Personen können Business-Use-Cases für Advanced Analytics identifizieren
• Beispiel:
  • Eine Marketing-Manager:in erkennt das Potenzial, Kundenabwanderung zu prognostizieren, um Retention-Strategien zu steuern

Mit Datenexpert:innen zusammenarbeiten

• Zusammenarbeit mit Datenexpert:innen ist der Schlüssel zum Erfolg
• Fachbereiche liefern Domänenwissen
• Datenexpert:innen bringen Technik-Know-how
• Diese Zusammenarbeit fördert Innovation, indem Business-Insights und technische Expertise zusammenkommen, um komplexe Probleme zu lösen

Grenzen verstehen

• Die Wirksamkeit fortgeschrittener Analysen hängt von der Datenqualität ab
  • Fehlende Werte behandeln und Ausreißer managen ist essenziell
• Erforderlich sind:
  • Spezialisierte Skills
  • Rechenressourcen
  • Zeit

Beispiel: Genauigkeit vs. Zeit

• Eine Operations-Manager:in in einem Einzelhandelsgeschäft bittet um eine Nachfrageprognose für fundierte Nachbestellentscheidungen
• Ein komplexes Modell kann höhere Genauigkeit liefern, erfordert aber oft viel Zeit und Ressourcen
• Eine einfachere Methode wird gewählt, um Genauigkeit und Zeitvorgaben auszubalancieren

Lass uns üben!

Data Fluency