29. März 2022
Heute am 30. März 2022 ist es so weit: Das neue, weiterentwickelte Vorgehensmodell des Data Science Process Models (DASC-PM) ist verfügbar! In Zusammenarbeit mit valantic und zahlreichen namhaften Mitwirkenden aus Wissenschaft und Praxis ist das DASC-PM als umfassendes Vorgehensmodell für die Planung und Durchführung von erfolgreichen Data-Science-Projekten entwickelt worden.
Auf der Basis von Rückmeldungen aus Wirtschaft und Wissenschaft wurde in der aktualisierten Version:
Hierzu wurden neben der Überarbeitung des bestehenden Data-Science-Vorgehensmodells auch neue Elemente hinzugefügt, die als praktische Arbeitsmaterialien und Orientierungshilfen genutzt werden können. Es wurde ein Fragebogen erstellt, der dazu dient, die Eckpunkte des Projektes sowie Ziele und Fallstricke für alle Stakeholder Schritt für Schritt transparent zu machen.
Außerdem wurde eine Grafik in Form eines Posters konzipiert, das im Projektraum aufgehängt werden kann und auf einen Blick das Vorgehensmodell mit seinen Schlüsselbereichen, Phasen, Rollen und Kompetenzen zusammenfasst.
In naher Zukunft wird zudem eine englische Übersetzung der Modelldokumentation erfolgen, um das DASC-PM auch für internationale Projekte zur Verfügung zu stellen.
Das Modell wird kontinuierlich weiter ausgearbeitet und verbessert, um eine große Bandbreite der neuesten Erkenntnisse aus Theorie und Praxis abzubilden. Hierzu werden auch in den nächsten Monaten Case Studies aus der Praxis veröffentlicht, die Projektbeispiele zeigen und beschreiben.
DASC-PM v1.1: Ein Vorgehensmodell für Data-Science-Projekte
Ihre Ansprechpartner:
Heiko Rohde ist Managing Consultant bei valantic im Bereich Business Analytics. Er fokussiert sich hierbei auf die ganzheitliche strategische und technologische Beratung mit einem Schwerpunkt auf Enterprise Performance Management mit Planung und Forecasting, sowie Data Science und Advanced Analytics.
Daniel Badura ist Consultant und Data Scientist. Bei valantic ist er der Experte zur Integration von betriebswirtschaftlichen Anwendungsfeldern in analytischen Datenbanken für Reporting und Planung sowie der Nutzung von Data-Science-Methoden zur Konstruktion von komplexen Vorhersagemodellen.
Als Autorinnen und Autoren der Version 1.1 werden alle aktiv an der Bearbeitung dieser Version Beteiligten geführt, die dieser Nennung zugestimmt haben. Sie bedanken sich bei allen Mitwirkenden der Version 1.0 für die Arbeit an den bisherigen Ausarbeitungen.
Nichts verpassen.
Blogartikel abonnieren.