Data Analytics – Bedeutung, Potenziale, Realisierung

Data Science, Analytics und Big Data sind Themen, die inzwischen von Unternehmen in allen Industrien als unumgängliche Entwicklung mit strategischer Bedeutung gesehen werden. Gleichzeitig gibt es am Markt eine unüberschaubare Zahl vor allem an technischen Lösungen für alle denkbaren Herausforderungen im Bereich Data Analytics. Weitgehend ungelöst ist allerdings bisher das Problem, mit welchen konkreten Schritten ein Unternehmen Data Analytics nutzbar machen kann und gleichzeitig das Risiko von Fehlinvestitionen minimiert.

Dieses Seminar ist speziell für Führungskräfte, Projektleiter und Business Developer konzipiert. Mit inspirativen Beispielen wird Ihnen aufgezeigt, wie der Einsatz von Data Analytics zu Wettbewerbsvorteilen verhelfen kann. Sie erhalten eine realistische Einführung in die Konzepte der prädiktiven Analytik, und darauf aufbauend konkrete Vorgehensweisen, um Data Analytics im Unternehmen zu verankern.

Zielgruppe: Führungskräfte, Projektleiter, Business Developer

Voraussetzung: Interesse an Data Analytics

Empfehlung: Kombinieren Sie dieses Angebot mit der Schulung »Analysis of Big Data Potentials in Business«

Inhalt

Get excited:

  • Beispiele für bereits erfolgreich realisierte Data Analytics Anwendungsfälle in verschiedenen Funktionsbereichen und Industrien.
  • Demystifizierung des Hypes rund um Data Analytics: Was ist wirklich neu und was nicht.
Get knowledgable:
  • 3 Rollen in einem Data Scientist Team.
  • Visualisierungen als Kommunikationsmittel und Data-Science-Werkzeug.
  • Blick hinter die Kulissen von Big Data: grundlegende Begriffe, Architektur und Technologien.
  • Methoden und Konzepte der maschinellen Datenanalyse.
Get started:
  • Wie identifiziert man die Potenziale von Data Analytics bis hin zu konkreten Business Cases?
  • Wie identifiziert man die Voraussetzungen von Datenanalyse-Lösungen und rollt sie erfolgreich vom Lab ins Unternehmen aus?

Rahmen

Dauer: 2 Tage 

Tagungssprache: deutsch

Maximale Teilnehmerzahl: 12
Die Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.

Veranstaltungsort:

Fraunhofer-Institutszentrum Schloss Birlinghoven
53757 Sankt Augustin

Teilnahmegebühr: 1.900 Euro

Die Teilnahmegebühr ist steuerfrei gem. § 4 Nr. 22a UStG. Sie umfasst Begleitunterlagen (auf Englisch) und Verpflegung.  

Bitte beachten Sie die Storno- und Teilnahmebedingungen sowie die Datenschutzerklärung.

Falls Sie die Anmeldung über eine Bestellung vornehmen, erbitten wir eine Kopie der Bestellung an "datascientist(at)iais.fraunhofer.de".

Termine und Anmeldung

* Pflichtfelder

Termine
Hinweis: Gemäß Datenschutzgrundverordnung (DSGVO) unterrichten wir Sie über die Speicherung Ihrer Daten. Die Einwilligung zur Speicherung und Nutzung Ihrer Daten erfolgt freiwillig und kann jederzeit widerrufen werden.
Stornogebühren

Unsere Referenten

Diese Schulung wird in Kooperation mit dem Fraunhofer IESE durchgeführt.

Dr.-Ing. Georg Fuchs hat langjährige Erfahrung als Wissenschaftler in EU-, Grundlagen- und angewandten Forschungsprojekten sowie als Berater und Software Engineer in Industrieprojekten. Seine aktuellen Arbeitsschwerpunkte am Fraunhofer IAIS sind die visuelle Analyse von raum-/zeitbezogenen Daten mit besonderem Fokus auf Verfahren zur datenschutzkonformen semantischen Analyse von Bewegungsdaten.

Dr. rer. nat. Tim Wirtz betreut als Senior Data Scientist am Fraunhofer IAIS zahlreiche Big Data-Analyseprojekte für Kunden der Pharma- und Automobilindustrie und dem Maschinenbau. Er promovierte mit Zeitreihenanalysen in komplexen physikalischen und nicht-physikalischen Systemen und ist als Gutachter für Physical Review E tätig. Zuletzt arbeitete er als Softwareentwickler im Bereich Automotive an Sensitivitätsanalysen.

Dr.  Liliana Guzmán arbeitet als Projektleiterin und Wissenschaftlerin in der Data Engineering Abteilung am Fraunhofer IESE. Ihre beruflichen Interessen umfassen Datenanalyse und Data Mining sowie die Evaluation von Big Data Lösungen und Software Technologien mittels quantitativen und qualitativen Forschungsmethoden.

Dr. Michael Kläs ist seit Abschluss seines Informatikstudiums in der angewandten Forschung tätig und berät Unternehmen in den Bereichen Softwarequalität und Datenanalyse. In der letzten Dekade verantwortete er insbesondere den Aufbau von KPI-Systemen, die Evaluation neuer Technologien und die Entwicklung prädiktiver Analysen. In seiner Dissertation beschäftigte er sich mit Fehlervorhersagemodellen. Aktuell liegt sein Schwerpunkt im Bereich der Potenzialanalyse für datengetriebene Innovation und der Datenqualität bei Big-Data-Lösungen. Zudem engagiert er sich in der Normierung (DIN) bei „Smart Data“.

Dr. Adam Trendowicz ist Senior Engineer der Data Engineering Abteilung am Fraunhofer IESE. Seine beruflichen Interessen umfassen Datenanalyse und Visualisierung, Big Data Geschäftsausrichtung, quantitatives Management von Software Qualität und technischen Schulden sowie Softwareprojekt-Management.

Joachim Sicking arbeitet als Data Scientist am Fraunhofer IAIS an Big Data-Analyseprojekten für Kunden aus der Automobilindustrie und dem Maschinenbau. Der Schwerpunkt seiner Tätigkeit liegt dabei auf der Analyse von Zeitreihen und der Weiterentwicklung von Machine Learning Verfahren.