Tipps

Tipps

Datenanalyse

• Data-Warehouse-Plattformen und ihre Anwendung evaluieren

  Es gibt noch immer Bedarf für Data Warehouses in Unternehmen. Datenmanager und Analysten müssen allerdings prüfen, wofür sie ein Data Warehouse einsetzen wollen.  Weiterlesen

• Wie Data Lineage Tools Data-Governance-Richtlinien fördern

  Organisationen können Data-Governance-Bemühungen unterstützen, indem sie die Herkunft der Daten in ihren Systemen verfolgen. Tipps für den Einsatz von Data Lineage Tools.  Weiterlesen

• Jenseits der Kundenanalyse: Wie sich NLP-Tools nutzen lassen

  Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) wird immer interessanter für Unternehmen. Doch wie lässt sich NLP-Technologie einsetzen?  Weiterlesen

• Wie man Athena für das AWS-Troubleshooting verwendet

  Athena analysiert die in Amazon S3 gespeicherten Daten. AWS-Administratoren finden hier eine Vielzahl von Einsatzdaten für Fehlersuche und Optimierung.  Weiterlesen

• 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

• Die Analytics-Tools der Teradata Aster Analytics Suite

  Die Teradata Aster Analytics Plattform umfasst die Aster-Datenbank, das Aster SNAP Framework, Aster R, SQL MapReduce und verschiedene Analytics-Tools.  Weiterlesen

• Wie SAS Enterprise Miner Data Mining vereinfacht

  SAS Enterprise Miner hilft Anwendern, deskriptive sowie prädiktive Modelle zu entwickeln und unterstützt verschiedene Algorithmen und Datenbank-Scoring.  Weiterlesen

• SAP Predictive Analytics: Geschäfte von morgen analysieren

  SAP Predictive Analytics umfasst automatisierte und Expertenanalysen. Außerdem lassen sich mit dem Tool verschiedene andere Analysefunktionen verwenden.  Weiterlesen

• Microsoft Azure mit Integrierter künstlicher Intelligenz

  Microsoft Azure kann per Cortana Intelligence Suite Geschäftsprozesse umwandeln. Allerdings ist Fachwissen erforderlich, um die Services zu konfigurieren.  Weiterlesen

• Projekte für Social-Media-Analysen müssen einige Hürden überwinden

  Social Media Analytics gibt Firmen eine Idee davon, was Kunden über sie denken. Es gibt aber einige Hürden zu überwinden, bevor man damit startet.  Weiterlesen

• Wie SAP Integrated Business Planning S&OP die Absatzplanung optimiert

  SAP Integrated Business Planning für Sales und Operation Planning ist ein Tool, das auf HANA basiert, und Firmen bei der Absatzplanung unterstützt.  Weiterlesen

• Die wichtigsten AWS- und Drittanbieter-Tools für Big Data Analytics im Überblick

  AWS bietet eigene Analytics-Tools an und listet zudem Drittanbieter-Tools im Marketplace. Ein Überblick über die wichtigsten Analytics-Anwendungen.  Weiterlesen

• Fünf Preview-Services von Microsoft Azure für NoSQL, Big Data und Co.

  DocumentDB, Data Factory und Machine Learning: Viele Azure-Dienste sind als Preview verfügbar und geben Einblick in zukünftige Funktionen.  Weiterlesen

• Checkliste für die erfolgreiche Umsetzung von Big-Data-Projekten

  Ein Big-Data-Projekt bietet Chancen, aber auch Risiken. Wenn Projekt-Manager die hier beschriebenen Punkte beachten, können sie Probleme minimieren.  Weiterlesen

• Corporate Information Design: Konzepte, Gestaltung und Best Practice

  Berichte und Dashboards sollen Daten benutzergerecht darstellen, lassen sich aber oft nicht überblicken. Corporate Information Design schafft Abhilfe.  Weiterlesen

• Self Service Business Intelligence (BI): Wer sind die Anwender?

  Mehr Unabhängigkeit von spezifischen Anwendern ist einer der größten Business-Intelligence-Trends, der sich in Self Service BI widerspiegelt.  Weiterlesen

• Neue Business-Intelligence (BI) -Tools erfordern genaue Prüfung

  Anbieter von Business-Intelligence-Lösungen entwickeln Nischenprodukte, um wettbewerbsfähig zu sein. Das führt aber zu einer Markt-Fragmentierung.  Weiterlesen

• Sechs Irrtümer über die Bereitstellung von BI-Anwendungen und –Systemen

  Business-Intelligence (BI) -Anwendungen bringen nicht immer den erhofften Nutzen. Diese sechs Irrtümer zeigen, was den Erfolg von BI verhindert.  Weiterlesen

• Eine Übersicht von Open Source OLAP-Tools

  Eine Übersicht von Open Source OLAP-Tools und Open Source BI-Tools, zusammengestellt von Mario Ettelt,Peter Gluchowski und Melanie Pfoh OLAP.  Weiterlesen

• Mit einer Datentypanalyse den Datentyp für das Data Warehouse evaluieren

  Die Datentypanalyse ist eine eher technisch orientierte Analysemethode, die vor allem bei unbekannten Daten angewendet wird.  Weiterlesen

• Compliance- und Datenschutz-Anforderungen für Analytics

  Alle Tipps in diesem Artikel zeigen allgemeine Empfehlung zu Datenschutz-Bestimmungen und Compliance-Vorgaben bei Data Mining, Text Analytics und Sentiment Analysis.  Weiterlesen