Analytics-Methoden

Visuelle Analytik: Transparenz statt Black Box

Wir setzen konsequent auf Analyseverfahren, die für den Branchenexperten transparente Ergebnisse liefern und so menschliches Know-how und maschinelle Analytik intelligent kombinieren. Visuelle Analytik veranschaulicht die Daten und macht die Modelle plausibel. Spezialisierte Tools unterstützen den Data Scientist in seiner täglichen Arbeit. So können Branchenexperten ihr Wissen einbringen und die gefundenen Muster mit ihrem Sachverstand bewerten und verbessern.

 

Mustererkennung: Unstrukturierte Daten berücksichtigen

Oft sind relevante Informationen in unstrukturierten Daten wie Texten, Bildern, Audio- und Videodaten versteckt und entziehen sich einer klassischen Analyse. Durch moderne Mustererkennungstechnologien lassen sich auch komplexe, große Datenquellen automatisch erschließen und Informationen – harte Fakten, Übersichtsanalysen oder subjektive Stimmungen –  extrahieren.

 

Deep Learning: Komplexe Zusammenhänge erkennen

Relevante Muster zeigen sich oft nicht auf der Ebene einzelner Signale, Transaktionen oder Kunden, sondern im Zusammenhang vieler Daten. Erst durch smarte Verfahren ergibt sich so ein Bild: Graph Mining kann komplexe Netzwerkabhängigkeiten abbilden, Deep Learning lernt komplexe numerische Muster aus riesigen Datenmengen und Data Stream Mining operiert auf hochfrequenten Datenströmen. Wir forschen intensiv an innovativen Verfahren, damit Sie sich den Herausforderungen stellen und von Big Data profitieren können.

 

Privacy-preserving Data Mining: Garantierter Datenschutz

Personenbezogene Daten sind gesetzlich besonders geschützt und bedürfen einer besonderen Behandlung in der Datenanalyse. Aber auch kritische Geschäftsdaten sollen für Außenstehende aus Analyseergebnissen nicht erkennbar sein. In beiden Fällen hilft Privacy-preserving Data Mining, den geforderten Grad an Datenschutz mathematisch garantiert sicherzustellen.