Die Autoren zeigen in diesem Buch, wie man fur eigene Data-Science-Projekte mit Data Analytics und AI einen echten (Mehr-)Wert schafft. Sie entwickeln einen Leitfaden, mit dem Sie Ihre Datenanalyse systematisch, agil und nutzer:innenzentriert aufbauen und betreiben koennen. Zunachst machen die Autoren klar, wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die fur Ihr Geschaftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erlautern sie, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen koennen. Schliesslich zeigen sie, wie Sie die Projekte effektiv, effizient und gewinnbringend umsetzen koennen. Das Fundament dafur bilden agile Methoden und Design Thinking, die die Autoren fur alltagliche Analytics- und Data-Science-Projekte uberfuhrt und adaptiert haben.Mit zahlreichen Beispielen und Erfahrungen aus Daten-, Web- und Digital-Analytics-Projekten sowie zwei realen Beispielen, wie man von der Idee und dem Auftrag zum Prototypen kommt.
Aus dem Inhalt

Agile Basics: Agile Prinzipien und Erfolgsfaktoren Vom Design Thinking zum Data Thinking - wie Design Thinking Datenprojekte besser macht Artificial Intelligence - wie Kunstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kann Ethische, rechtliche und oekologische Implikationen - wie Data Analytics und AI doch kein Schreckgespenst werden Der Data Value Loop - Datenmehrwert agil und nutzer:innenzentriert Analytics in der Praxis - von der Konzeption uber Tracking und Reporting bis zum Arbeitsmeeting im Alltag AI in der Praxis - Data Science und Agile, geht das uberhaupt zusammen? Zwei exemplarische Projektdurchfuhrungen Glossar