Ein Vorgehensmodell zum systematischen Planen und Aufsetzen von Data Science Projekten

Katharina Hölzle (Herausgeber)

Die rasante Entwicklung der vierten industriellen Revolution stellt die Unternehmen an einen Scheideweg. Es muss entschieden werden, ob weiter gearbeitet wird wie bisher oder ob der Weg der digitalen Transformation eingeschlagen wird. Diese Entscheidung wird durch die zunehmende Überalterung und den damit einhergehenden Fachkräftemangel zusätzlich erschwert. Einerseits sollen Aufgaben an Technologien abgegeben werden, andererseits fehlt die Expertise, diese Übergabe zu gestalten und beispielsweise potenziell vorhandene Unternehmensdaten zu nutzen.
Das entwickelte praxisorientierte Data Science Vorgehensmodell schließt die Lücke bisheriger Vorgehensmodelle, indem es nicht nur technische, sondern auch menschlich-organisatorische Aspekte beleuchtet. Letztere sind gerade bei interdisziplinären und komplexen Projekten von besonderer Relevanz, da ohne deren Berücksichtigung Projekte häufig scheitern und nicht in die Praxis überführt werden. Durch den systematischen Aufbau mit klaren Herleitungen, Fragen und Werkzeugen bietet es auch fachfremden Expert/-innen und insbesondere kleinen und mittleren Unternehmen eine Möglichkeit, den Einstieg und die Umsetzung solcher Projekte zu meistern.