Case Study - Data Science Management

Data Science Management ist für jedes Vorhaben unerlässlich, das seine Prozesse mit datengetriebenen Entscheidungen optimieren will.

Kunde/Partner
O'Reilly
Jahr
Dienstleistung
Buch

+++ Voraussichtlicher Erscheinungstermin: Januar 2024 +++

Data Science Management ist für jedes Vorhaben unerlässlich, das seine Prozesse mit datengetriebenen Entscheidungen optimieren will. Dies umfasst die Organisation von iterativen Prozessen mit dem Ziel, neue Einsichten mithilfe von wissenschaftlichen Methoden zu gewinnen, genauso wie die Automatisierung von daten- und softwarebasierten Infrastrukturen, um Geschäftsziele zu erreichen. Best practices betreffen hierbei das Anforderungsmanagement, die Verwaltung von Zeit und Ressourcen, die Interaktion mit Stakeholdern und die Anleitung des Teams. Dabei bedeutet Data Science Management insbesondere, Kommunikationskanäle zu etablieren, eine team bubble für fokussierte Arbeit zu schaffen und ganz grundlegendes Projektmanagement umzusetzen.

Modell

Das Dreieck des Informationsflusses im Data Science Management. Die blauen Pfeile stellen pull-Beziehungen dar, also Informationen, die gezielt eingefordert werden. Die grauen Pfeile hingegen stellen push-Beziehungen dar, bei denen aktiv auf die Gegenseite zugegangen wird. Während Data Science Manager*innen sowohl auf das Team als auch auf die Stakeholder aktiv zugehen, ist die push-Beziehung vom Data Science Team zu den Stakeholdern bewusst unterbrochen, um eine team bubble (also eine geschützte Arbeitsumgebung) für die Mitglieder des Teams zu schaffen. Neben der Pflege der Informationsflüsse und Beziehungen im Dreieck, liegen natürlich auch noch grundlegende Projektmanagementaufgaben bei den Data Science Manager*innen. [Quelle]

Nach heutigem Stand sind analytisches Denken, Programmiererfahrung und ein grundlegendes Verständnis von Data Science ganz wesentliche Teile einer Unternehmensentwicklung. Für viele Unternehmen ist es inzwischen selbstverständlich, sich zunehmend auf digitale Geschäftsmodelle zu konzentrieren, basierend auf Methoden des Data Minings und Machine Learnings. Die Entwicklung eines datengetriebenen Geschäftsmodells ist ein komplexer Prozess mit vielen Fallstricken. Entsprechend klug ist es schon jetzt, Data Science Manager*innen einzustellen, die sich in den kommenden Jahren immer mehr als eigenständiges Berufsbild etablieren werden.

Weiterlesen

Blog-Beitrag: Die sieben Aufgaben im Data Science Management

Ihre Ansprechpartner

Weitere Fallbeispiele

Deep Sphere

Entwicklung eines Persönlichkeitstests und Umsetzung als Webanwendung.

Weiterlesen

Beratung im Projekt C-POP

Workflow-Automatisierung zur Content-Optimierung mithilfe des kybernetischen Regelkreises.

Weiterlesen

Erzählen Sie uns von Ihrem Anliegen.

Standorte

  • mStats DS GmbH
    Hohe Bleichen 12
    20354 Hamburg
  • kaleidemoskop GmbH
    Pappelallee 78/79
    10437 Berlin