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.
INHALTSVERZEICHNIS
1 Einführung
2 Grundlagen
2.1 Projektcontrolling
2.2 Balanced-Scorecard-Konzept
2.2.1 Key Performance Indikatoren
3 analyse
3.1 Geschäftsverständnis
3.2 Datenverständnis
3.3 Datenvorbereitung
3.4 Modellierung / Evaluation
3.3 Bereitstellung
4 Diskussion
3 Zusammenfassung
Literatur
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.