Warum 85% aller Data Science Projekte scheitern und was man dagegen tun kann

Laut verschiedenen Studien* scheitern ca. 85% aller Data Science
Projekte in Unternehmen. Philipp Paraguya erklärt uns in dieser
Folge woran das liegt und was man dagegen tun kann. ##### Philipp
Paraguya ist Lead Consultant bei INFOMOTION, einem
Beratungsunternehmen für Business Intelligence, Big Data und
Digital Solutions. Philipp ist ein echter Datenliebhaber und weiß
um die Herausforderungen, die Data Science Projekte in
verschiedenen Unternehmen und Branchen mit sich bringen. #####
Kapitelmarken: (00:00) Intro (02:59) Warum ist
Erwartungsmanagement bei Data Science Projekten relevant? (06:37)
Warum scheitern Data Science Projekte? (11:46) Wie kann man die
Erfolgschancen eines Data Science Projektes erhöhen? (14:46) Wie
reagiere ich auf unterschiedliche Erwartungshaltungen? (21:44)
Wie setze ich ein Data Science Projekt richtig auf? (26:11) Warum
sollte man Data Science Projekt frühzeitig stoppen? (28:23) Warum
sollten Best Practices implementiert werden? (29:03) Welches
Mindset sollte man bei Data Science Projekten haben? (31:33)
Welches Buch empfiehlt Philipp? ##### Shownotes: Gast: Philipp
Paraguya (https://www.linkedin.com/in/philipp-paraguya-7420a087/)
von INFOMOTION (https://www.infomotion.de ) Host: Fabian Merkel (
https://www.linkedin.com/in/fabian-merkel/) Best Practices:
CRISP-DM (http://bit.ly/31I9KEy) Studienübersicht: Failure rates
for analytics, AI, and big data projects = 85% – yikes!
(http://bit.ly/2w3groU) Buch: Data Science for Business, by
Foster Provost and Tom Fawcett, (http://bit.ly/2UDbnSy)