DataCamp Digest ist unsere monatliche Zusammenstellung mit den aktuellsten Insights und Neuigkeiten rund um Data Science. In dieser Ausgabe erfährst du, warum es so schwer ist, wirklich datenbasiert zu arbeiten, welche Merkmale zukunftsfähige Unternehmen auszeichnen, wie du mit einer Product-Mindset-Herangehensweise bessere Dashboards entwickelst und mehr.
Why is it so hard to become a data-driven company? | Harvard Business Review
Im Jahr 2021 ist ein erfolgreiches Unternehmen zwangsläufig ein datengetriebenes Unternehmen. Daher überrascht es nicht, dass die Mehrheit der Fortune-1000-Unternehmen in Daten- und KI-Initiativen investiert. Trotz dieser Investitionen berichten jedoch nur wenige von spürbarem Geschäftseinfluss. Finde heraus, wie Datenkultur und Kompetenzen der zentrale Stolperstein sind, wenn es darum geht, mit Data Science echten Mehrwert zu skalieren – und was du dagegen tun kannst.
How to build data literacy at your company | MIT Sloan
Im gleichen Themenfeld rund um den Aufbau einer Datenkultur taucht dieser Artikel tief in die Entwicklung von Programmen zur Datenkompetenz in Unternehmen ein. Von der Bewertung vorhandener Datenkompetenzen bis zum Aufbau einer Lernkultur – hier findest du die zentralen Bausteine für ein erfolgreiches Datenkompetenzprogramm.
The nine traits of future-ready companies | McKinsey
Eine unterhaltsame, interaktive Infografik zu den wichtigsten Merkmalen zukunftsfähiger Unternehmen. Hinweis: Daten und Lernen sind zentrale Säulen, um Wachstum zu beschleunigen.
Why are video calls so tiring? You might be misreading cultural styles | The Overflow
Einer unserer Lieblingsartikel des Monats: Er zeigt, wie unterschiedliche Kommunikationsstile Remote-Arbeit verbessern oder erschweren können.
One question to make your data project 10x more valuable | Narrator
Erfahre, wie du mit einer einzigen, entscheidenden Frage Abstimmung und Wirkung bei Anforderungen an Datenanalysen deutlich verbesserst.
How to Make Dashboards Using a Product Thinking Approach | Shopify
Dashboards zählen zu den einfachsten und zugleich wirkungsvollsten Datenprodukten in Unternehmen. In diesem Artikel beschreibt Shopify Data Scientist Lin Taylor eine Product-Thinking-Methodik, mit der du beim Entwickeln von Dashboards maximale Wirkung erzielst.
Why external data should be part of your data strategy | MIT Sloan
Wenn Unternehmen ihre Daten für Analytics und Machine Learning ausschöpfen, werden sie zunehmend externe Datensätze nutzen müssen, um Modelle und Analyseergebnisse zu verfeinern. In diesem Artikel erfährst du, warum externe Daten hierfür so wichtig sind.
Data Observability: Building Data Quality Monitors Using SQL | Barr Moses & Ryan Kearns
In dieser Artikelserie zeigen Barr Moses und Ryan Kearns, wie du in SQL Datenqualitäts-Monitore aufbaust, um Aktualität und Anomalien zu erkennen (Teil 1), und wie du die eigentliche Ursache dieser Datenanomalien aufspürst (Teil 2).
Interpretable Machine Learning | Christoph Molnar
In diesem Buch erläutert Christoph Molnar die Bedeutung von erklärbarerem Machine Learning, zeigt Techniken, die Datenteams schon heute einsetzen können, und skizziert die Zukunft der Interpretierbarkeit.
White Paper: Our guide to open source in data science
Wie schon in der Softwareentwicklung wird Open Source Unternehmen befähigen, das Potenzial ihrer Daten voll auszuschöpfen und mithilfe von Machine Learning und Data Science wegweisende Lösungen, Prozesse und Produkte zu schaffen. In unserem neuen exklusiven Guide erfährst du alles Wichtige zu Open Source in der Data Science.
Webinar: Path to data fluency
Die datengetriebene Transformation ist ein längerer Prozess, in dem Organisationen verschiedene Reifestufen durchlaufen. In diesem Webinar zeigen wir, welche Reifestufen es gibt und welche Schritte dich von einer Stufe zur nächsten bringen.
