Tipps

Tipps

Datenanalyse

• Wie Entwickler Verzerrungen in KI-Algorithmen bekämpfen

  Da KI alle Arten von Software durchdringt, sollten Tester einen Plan zur Überprüfung der Ergebnisse entwickeln. Entwickler sollten aber zuerst das Bias beseitigen.  Weiterlesen

• Predictive Analytics und KI stärken sich gegenseitig

  Unternehmen haben den Wert von Predictive Analytics längst erkannt. Jetzt, da künstliche Intelligenz beginnt, die Prognose-Tools zu prägen, können die Vorteile noch tiefer gehen.  Weiterlesen

• Yellowfin: Business Intelligence, die Geschichten erzählt

  Neben großen BI-Anbietern dringen auch Spezialanbieter in den Markt vor – zum Beispiel Yellowfin. Das Unternehmen aus Down Under will den Markt neu aufmischen.  Weiterlesen

• Tableau: Business Intelligence mit intuitiver Oberfläche

  Viele Business-Intelligence-Pakete lassen sich nur von erfahrenen Datenexperten nutzen. Anbieter wie Tableau wollen die Komplexität der BI-Tools minimieren.  Weiterlesen

• Amazon Forecast vereint Zeitreihendaten mit Machine Learning

  Amazon Forecast hilft zum Beispiel bei Datenprognosen und der Ressourcenplanung. Wie der Service funktioniert und wie er sich an Bedürfnisse anpassen lässt.  Weiterlesen

• Wie man Predictive Modeling mit Machine Learning realisiert

  Machine Learning ist ein unschätzbares Werkzeug zur Lösung von Geschäftsproblemen. Im Zusammenhang mit Predictive Analytics sollte man verschiedene Faktoren berücksichtigen.  Weiterlesen

• Fünf Best Practices für die Verwaltung von Echtzeitdaten

  Echtzeit-Datenintegration und traditionelle Datenintegration unterscheiden sich. Doch was muss man beachten? Best Practices für Echtzeit-Datenintegration.  Weiterlesen

• Predictive Analytics verbessert Überwachung verteilter Apps

  Datenanalysen zur App-Performance liefern kein unmittelbares Ergebnis. Predictive IT Analytics kann das Beseitigen von Leistungsproblemen beschleunigen.  Weiterlesen

• Data-Science-Projektbeispiel für Deep-Learning-Profis

  Deep-Learning-Profis, die tiefer in das Thema Data Science einsteigen möchten, benötigen spezielle Fähigkeiten und Tools. Hier ein Projektbeispiel.  Weiterlesen

• Wie Customer Service Analytics Kundenerfahrungen verbessert

  Kundenservice ist für ein Unternehmen von großer Bedeutung. Um zufriedene Kunden zu erreichen, sollten Organisationen auch ihren Service analysieren.  Weiterlesen

• Dreizehn Methoden zur datengetriebenen Personalabteilung

  Wenn ein Unternehmen durch HR-Analytics einen Wettbewerbsvorteil erlangen möchte, sollte es die Personalabteilung einbeziehen. Dreizehn Strategien hierfür.  Weiterlesen

• Alteryx Analytics ermöglicht erweiterte Datenanalysen

  Die Alteryx Analytics Tools setzen sich aus drei Produkten zusammen: Alteryx Designer, Alteryx Server und die Cloud-Anwendung Alteryx Analytics Gallery.  Weiterlesen

• Daten mit IBM SPSS Modeler und SPSS Statistics analysieren

  Mit den Analyseprogrammen IBM SPSS Modeler und IBM SPSS Statistics können Anwender prädiktive Modelle erstellen und den Analyseprozess organisieren.  Weiterlesen

• Analytics mit der RapidMiner Data Science Platform

  Die RapidMiner Data Science Platform umfasst Produkte, mit denen sowohl technische als auch nicht-technische Anwender Daten analysieren können.  Weiterlesen

• Microsoft R Open und R Server für Analytics verwenden

  Das Microsoft R-Produktportfolio umfasst mehrere Analytics-Tools. Zum Portfolio gehören Microsoft R Open, Microsoft R Client und Microsoft R Server.  Weiterlesen