Deep Learning für Programmierer mit fastai und PyTorch

Anhang B. Checkliste für Datenprojekte

Bei der Entwicklung nützlicher Datenprojekte geht es um viel mehr als nur darum, ein genaues Modell zu trainieren! Als Jeremy noch als Berater tätig war, hat er immer versucht, den Kontext eines Unternehmens für die Entwicklung von Datenprojekten zu verstehen, und zwar anhand der folgenden Überlegungen, die in Abbildung B-1 zusammengefasst sind:

Strategie

Was will die Organisation erreichen(Ziel), und was kann sie ändern, um es besser zu machen(Hebel)?

Daten

Erfasst die Organisation die notwendigen Daten und stellt sie zur Verfügung?

Analytik

Welche Erkenntnisse wären für die Organisation nützlich?

Umsetzung

Welche organisatorischen Möglichkeiten gibt es?

Wartung

Welche Systeme gibt es, um Veränderungen in der betrieblichen Umgebung zu verfolgen?

Zwänge

Welche Einschränkungen müssen in jedem der oben genannten Bereiche berücksichtigt werden?

Abbildung B-1. Die Wertschöpfungskette der Analytik

Er entwickelte einen Fragebogen, den er seine Kunden vor Beginn eines Projekts ausfüllen ließ, und half ihnen dann während des Projekts, ihre Antworten zu verfeinern. Dieser Fragebogen basiert auf jahrzehntelangen Projekten in vielen Branchen, darunter Landwirtschaft, Bergbau, Banken, Brauereien, Telekommunikation, Einzelhandel und mehr.

Bevor wir die Analytics-Wertschöpfungskette durchgehen, befasst sich der erste Teil des Fragebogens ...