Matthias Böck – författare

Die Autoren legen beispielhafte Analysemethoden von Social-Media-Daten dar: deskriptive und Data-Mining-Methoden. Mit deren Hilfe werden kundenorientierte Geschäftsmaßnahmen eingeleitet und ein stetiges Abwägen zwischen vollautomatisierten und manuellen, kostenintensiven Reports gesteuert. Das Werk liefert eine Übersicht zu aktuell diskutierten Themen wie begleitende Emotionen, Vernetzung der interagierenden User oder Verbindung von Themen. Als Gewinn für ein Unternehmen müssen die Analysen durch eine strategische Prozedur geleitet werden, um Erkenntnisse in konkrete Handlungsempfehlungen zu überführen. Neben den Potenzialen durch die Anwendung komplexerer Analysemethoden gibt es auch konzeptionelle, technische und ethische Herausforderungen, wie die Autoren veranschaulichen.

Die Autoren zeigen in diesem Buch, wie man für eigene Data-Science-Projekte mit Data Analytics und AI einen echten (Mehr-)Wert schafft. Sie entwickeln einen Leitfaden, mit dem Sie Ihre Datenanalyse systematisch, agil und nutzer:innenzentriert aufbauen und betreiben können. Zunächst machen die Autoren klar, wie wichtig es ist zu Beginn Ihrer Analytics-Projekte die für Ihr Geschäftsmodell richtigen und wertstiftenden Fragen zu stellen. Im Anschluss erläutern sie, wie Sie Technologien und Daten so einsetzen, dass sie einen echten Mehrwert erzeugen können. Schließlich zeigen sie, wie Sie die Projekte effektiv, effizient und gewinnbringend umsetzen können. Das Fundament dafür bilden agile Methoden und Design Thinking, die die Autoren für alltägliche Analytics- und Data-Science-Projekte überführt und adaptiert haben.Mit zahlreichen Beispielen und Erfahrungen aus Daten-, Web- und Digital-Analytics-Projekten sowie zwei realen Beispielen, wie man von der Idee und dem Auftrag zum Prototypen kommt. Aus dem Inhalt Agile Basics: Agile Prinzipien und ErfolgsfaktorenVom Design Thinking zum Data Thinking – wie Design Thinking Datenprojekte besser machtArtificial Intelligence – wie Künstliche Intelligenz mehrwertorientiert in Data Analytics eingesetzt werden kannEthische, rechtliche und ökologische Implikationen – wie Data Analytics und AI doch kein Schreckgespenst werdenDer Data Value Loop - Datenmehrwert agil und nutzer:innenzentriertAnalytics in der Praxis – von der Konzeption über Tracking und Reporting bis zum Arbeitsmeeting im AlltagAI in der Praxis - Data Science und Agile, geht das überhaupt zusammen? Zwei exemplarische ProjektdurchführungenGlossar

Dieses Buch bietet Ihnen einen praktischen Einstieg in die Welt der Künstlichen Intelligenz (KI) und Data Science. Es hinterfragt aktuelle Hypes und ist ein praxiserprobter Guide mit konkreten Schritten für den sinnvollen Einsatz von einfachen bis komplexeren KI-Anwendungen im Unternehmen – mit Schwerpunkt auf Data Analytics und Web-/App-Tracking.In welchen Einsatzbereichen steckt das meiste Potenzial? Wie bestimmen Sie den KI-Reifegrad Ihres Unternehmens und wie planen Sie Ihre KI-Weiterbildungsoffensive? Welche wirtschaftlichen, ethischen und ökologischen Risiken sollten Sie berücksichtigen? Antworten darauf erhalten Sie in diesem Quick Guide – mit zahlreichen Tipps, Methoden und Vorlagen für den Transfer in Ihr Unternehmen. Ein Buch für alle, die sich die Möglichkeiten von KI-Anwendungen jetzt erschließen und schon bald davon profitieren wollen. Der InhaltGrundlagen und historische EinordnungEinsatzbereiche von KIim Bereich AnalyticsRisiken und Chancen beim Einsatz von KI im UnternehmenKI-Governance in fünf konkreten SchrittenAI & Data Analytics trifft Recht: AI Act und DSGVOKI-Strategie aus Ihrer Geschäftsstrategie ableitenKI-Kompetenz im Unternehmen erhöhen – mit Self-Assessment, Gap-Analyse und KI-Kompetenz-CanvasVom Scheitern lernen: Der Friedhof der KI-ProjekteWas Sie aus diesem Buch mitnehmen werden:Warum wir im Zeitalter der allgegenwärtigen Künstlichen Intelligenz alle zumindest ein bisschen zu Data Scientists werden müssenWie sich die Teildisziplinen von Künstlicher Intelligenz und Data Science zueinander verhaltenWas Machine Learning und Deep Learning eigentlich sind und was das mit Neuronalen Netzen zu tun hatWie sich die genAI, also generative Künstliche Intelligenz, in verschiedenen Domänen (Sprache, Bild, Musik etc.) entwickelt Wo aktuelldas meiste Potenzial für den Einsatz von KI steckt und welche Bereiche Sie sich deshalb genauer ansehen solltenWo Sie KI in Ihrem Alltag direkt anwenden können, um Aufgaben schneller und einfacher zu erledigenWelche wirtschaftlichen, ethischen und ökologischen Risiken und Chancen Sie beim Einsatz von KI berücksichtigen solltenWieso eine Kosten-Nutzen-Abwägung erfolgen sollte, bevor ein KI-Projekt gestartet wirdWie Sie die Ziele Ihrer KI-Governance festlegenWorauf Sie bei der Umsetzung Ihrer GovernanceWelche rechtlichen Entwicklungen im Bereich von Data Procurement und Data Analytics zu erwarten sindGrundlegende Schritte zur Bewertung der Anwendbarkeit des Gesetzes auf spezifische Praktiken durch FallstudienanalysenWie sich Ihre KI-Strategie in der Praxis umsetzen lässt (am Beispiel von Conversion Rate Optimization)Warum sich KI-Kompetenz und KI-Strategie gegenseitig bedingen und wie Sie dieses Henne-AI-Problem lösen könnenWie Sie bestimmen, welchen KI-Reifegrad Ihr Unternehmen gerade hat und welchen es erreichen möchteWie Sie die vorhandene KI-Kompetenz in Ihrem Unternehmen erheben und anhand eines Zielbildes und einer Gap-Analyse herausfinden, auf welche Bereiche Sie sich bei Ihrer Weiterbildungsoffensive konzentrieren solltenWie Sie Ihre Weiterbildungsoffensive mit einem Canvas planen Wie wir mit den Hypes im Zeitalter der KI umgehen solltenWarum es KI-Kompetenz und kritisches Denken braucht, um herauszufinden, aus welchen Fehlern und Projekten man wirklich lernen kann - mit Self-Assessment und Gap-AnalyseWas Scheitern mit Ihrer Datenkultur zu tun hat und wie diese gefördert werden kann MitSelf-Assessment und Gap-Analyse für die KI-Kompetenz Ihres UnternehmensZahlreichen konkreten Tipps für den Transfer in Ihr Unternehmen