Data Science

Datenanalyse - wissenschaftlich fundiert

Sie analysieren Daten aus zwei Gründen. Entweder Sie brauchen einen Überblick über eine große Menge Daten - dazu würden Sie z.B. den Mittelwert Ihrer Umsatzerlöse berechnen. Oder Sie möchten die Aussagen Ihres Datensatzes verallgemeinern - welches Produkt wird ein Kunde mit einem bestimmten Profil nächsten Monat kaufen? 

 

Visualisierung oder explorative Datenanalyse ist ein zentrales Mittel der deskriptiven Statistik. Das Ziel ist das Wesentliche Ihres Datensatzes prägnant zu beschreiben. Aber auch für weitergehende Modellierung ist Visualisierung essenziell.

 

Evaluationsforschung und prädiktive Modellierung zielen darauf ab, die Muster in den vorhandenen Daten zu verallgemeinern: Kann man erwarten, dass die aufgefundenen Muster sich in zukünftigen Daten ebenfalls wiederfinden werden?

Evaluation Research

Beurteilung der Wirksamkeit von Maßnahmen

 

Sie haben eine neue Marketing-Kampagne gestartet und möchten wissen, wie erfolgreich sie war. Als Vergleich soll die alte Marketing-Kampagne herangezogen werden. Von wie vielen Kunden müssen Sie Daten sammeln, um eine hinreichend genaue Schätzung zu bekommen? Was bedeutet "repräsentativ" wirklich und wie bekommen Sie eine repräsentative Stichprobe? 

Predictive Modeling

Datenbasierte Vorhersage

 

Sie verfügen über einen umfangreichen Datenschatz von Kundentransaktionen. Ist es damit möglich, vorherzusagen, wie sich zukünftige Kunden mit ähnlichen Profilen verhalten werden? Welche Produkte sie kaufen werden? Wie genau ist Ihre Vorhersage? Wo sind die Grenzen des Modells?

Visualization

Das Wesentliche auf einen Blick sichtbar machen

 

Um das Wesentliche in einem Datenmeer herauszuarbeiten, ist ein Diagramm oft essenziell. Mit welchen Diagrammen können Sie - ohne falsche Schlüsse zu suggerieren - die Kernbotschaft Ihrer Daten verständlich machen? Welche Diagramme sind gleichzeitig elegant, übersichtlich und aussagekräftig?

 

 

Druckversion Druckversion | Sitemap
© Data-Divers