Kapitel 11. Vorsicht! Data Science-Projekte können des Kaisers neue Kleider sein
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Shweta Katre
Die vierte industrielle Revolution ist angebrochen: das Zeitalter der Analytik. Die Entwicklung von Vorhersagemodellen und Algorithmen ist in vollem Gange, um in einer wettbewerbsintensiven, datengesteuerten Welt die Vorherrschaft zu erlangen. Angefangen mit prädiktiver Analytik bis hin zu maschinellem Lernen und künstlicher Intelligenz erweitern die meisten Unternehmen ihre Fähigkeiten, um Data-Science-Projekte ins Leben zu rufen.
Data-Science-Teams stehen, wie alle anderen Projektteams auch, unter enormem Druck, innerhalb eines bestimmten Zeitrahmens einen nutzbaren und potenziell verwertbaren Geschäftswert zu liefern. Eine große Herausforderung für Data-Science-Teams ist es, sichtbare und messbare Fortschritte/Arbeitsergebnisse vorzuweisen, um das Interesse der Interessengruppen und die Finanzierung aufrechtzuerhalten.
Rund 80 % der Projektzeit wird jedoch für die Datenerhebung/-auswahl, die Datenaufbereitung und die explorative Analyse aufgewendet (siehe folgende Abbildung). Die Projektkosten sind enorm, aber es gibt keine sichtbaren Ergebnisse. Das versprochene Vorhersagemodell oder der Algorithmus wird nicht in der Anfangs- oder sogar in der Mittelphase ...
Get 97 Dinge, die jeder Dateningenieur wissen sollte now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
