Data Science Vokabeln, richtig übersetzt

Es ist im Grunde ja immer so, ein neuer digitaler Trend entsteht und um ihn herum wimmelt es von neuen Begrifflichkeiten. Und diejenigen, die mit der Welle schwappen, streuen wie selbstverständlich das neue Vokabular auf das Geradewohl ein. Jetzt würde ich Data Science nicht gerade als „Trend“ bezeichnen – es kommt aber als Terminus  immer häufiger vor. Um so erfrischender finde ich den Artikel von R Bloggers, die mal alle Begriffe aufführen und erklären was eigentlich damit gemeint ist.

https://www.r-bloggers.com/demystifying-data-science-terminology/

Big Data Projects – Ten Mistakes to Avoid

 

Big Data und KI bieten bekanntlich viele Chancen. Diese zu erschließen ist jedoch ein langer Weg.  Es ist oft schon schwer, den Startpunkt zu finden, denn es ist ja nicht so, dass Unternehmen bislang ohne Daten, Reports und BI gearbeitet haben. Daten und Datenhoheiten liegen heute meist in den Fach- bzw. Geschäftsbereichen. Es geht daher darum, bewußt etwas Neues zu schaffen, dass sich übergreifend definiert. Fachleute empfehlen mit kleinen Projekten (POC) zu starten, um den Beweis der Nützlichkeit in möglichst kurzer Zeit zu liefern. Dies jedoch nicht ohne eine grundlegende Idee von der generellen Daten Strategie zu haben.

Sehr nützlich in diesem Kontext die Serie „Ten Mistakes to Avoide“, die Professor Vossen von der WWU Münster in seinen Data Sciences Vorlesungen zur Pflichtlektüre gemacht hat.  Zum Download geht es hier für Mitglieder:

TDWI – 10 Mistakes to Avoid Serie