Einsatz von Key Performance Indikatoren im Controlling von Data Science Projekten - Tinz, Patrick
15,95 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
0 °P sammeln
  • Broschiertes Buch

Studienarbeit aus dem Jahr 2021 im Fachbereich Informatik - Sonstiges, Note: 1,3, Hochschule Darmstadt, Sprache: Deutsch, Abstract: In dieser Arbeit werden grundlegende KPIs für IT-Projekte herausgearbeitet und in Bezug auf Data Science Projekte analysiert. In Data Science Projekten spielt das Projektcontrolling eine zentrale Rolle, da die zeitlichen Aufwände und Kosten häufig schwer einzuschätzen sind. Auftraggeber möchten ihre Use Cases mit Methoden des Machine Learnings effizient und erfolgreich umsetzen. In diesem Zusammenhang ist das erfolgreiche Projektcontrolling während des…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Studienarbeit aus dem Jahr 2021 im Fachbereich Informatik - Sonstiges, Note: 1,3, Hochschule Darmstadt, Sprache: Deutsch, Abstract: In dieser Arbeit werden grundlegende KPIs für IT-Projekte herausgearbeitet und in Bezug auf Data Science Projekte analysiert. In Data Science Projekten spielt das Projektcontrolling eine zentrale Rolle, da die zeitlichen Aufwände und Kosten häufig schwer einzuschätzen sind. Auftraggeber möchten ihre Use Cases mit Methoden des Machine Learnings effizient und erfolgreich umsetzen. In diesem Zusammenhang ist das erfolgreiche Projektcontrolling während des Projektverlaufs ein entscheidender Aspekt. Das konsequente Projektcontrolling kann durch den Einsatz von aussagekräftiger Kennzahlen, sogenannter Key Performance Indikatoren (KPIs) positiv beeinflusst werden. Nach einigen Studien schlagen 85% aller Data Science Projekte fehl, deshalb ist ein frühzeitiges Erkennen von Hindernissen essenziell. In klassischen IT-Projekten existieren viele KPIs zum Projektcontrolling, diese sind allerdings nicht ausreichend für Data Science Projekte.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
Patrick Tinz, geb. 1996, hat einen Bachelor Abschluss in Informatik und einen Master Abschluss in Data Science. Seine Forschungsgebiete liegen im Bereich des Maschinellen Lernens, wobei er sich derzeit mit dem Einsatz von Maschinellem Lernen in der Finanzbranche auseinandersetzt.