Data Science für Einsteiger

Name: Data Science für Einsteiger | Daten analysieren, interpretieren und richtige Entscheidungen treffen
Brand: Hanser
Price: 49.99 EUR
Availability: OnlineOnly

Daten analysieren, interpretieren und richtige Entscheidungen treffen

Uwe H. Kaufmann Amy Tan BC(Author)

Hanser (Publisher)

1st Edition

Published on 9. November 2020

250 pages

E-Book

PDF with digital watermarking

System requirements

978-3-446-46677-7 (ISBN)

€49.99incl. 7% vat

System requirements

for PDF with digital watermarking

E-Book Single Licence

Available for download

Description

More details

Other editions

Persons

Content

Intro
Vorwort
Entfesseln Sie das Potenzial Ihrer Daten!
Inhalt
1 Einführung
1.1 Warum Datenanalytik wichtig ist
1.2 Warum dieses Buch geschrieben wurde
1.3 Wie dieses Buch strukturiert ist
1.3.1 Geschäftsrelevante Frage formulieren
1.3.2 Daten erfassen
1.3.3 Daten vorbereiten
1.3.4 Daten analysieren
1.3.5 Geschäftsentscheidung vorbereiten
1.4 Welche Werkzeuge werden verwendet?
1.5 Aktivieren und Verwenden der erforderlichen Software
1.6 Was wird bereitgestellt
1.7 Welche Fallbeispiele sollte ich studieren?
2 Data Science und Datenanalytik
2.1 Komponenten der Datenanalytik
2.2 Big Data und ihre Beziehung zur Datenanalytik
2.3 Voraussetzung für Data Science und künstliche Intelligenz
3 Phasen von Data Science und Datenanalytik
3.1 Geschäftsrelevante Frage formulieren
3.2 Daten erfassen
3.3 Daten vorbereiten
3.4 Daten analysieren
3.4.1 Deskriptive Statistik
3.4.2 Normalverteilung
3.4.3 Arten von Daten
3.4.4 Werkzeuge für die Datenanalyse
3.5 Geschäftsentscheidung vorbereiten
3.6 Geschäftsentscheidung kommunizieren ? Storytelling
3.6.1 Wer ist das Publikum?
3.6.2 Wie werden die Daten angezeigt?
3.6.3 Was ist der Zweck der Präsentation?
3.6.4 Wie kann die Präsentation vereinfacht werden?
3.7 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
4 Kompetenzen eines Datenanalytikers
4.1 Benötigte Kompetenzen in den Phasen der Datenanalytik
4.2 Schlüsselrollen der heutigen Manager und Führungskräfte
5 Die Stimme des Kunden
5.1 Warum Kundenanalytik?
5.1.1 Hören Sie auf die Stimme Ihrer bestehenden Kunden
5.1.2 Kundenerwartungen verstehen
5.1.3 Untersuchen der Kundenerfahrung
5.2 Entwerfen von Kundenumfragen
5.2.1 Entwicklung und Durchführung einer eigenen Umfrage
5.2.2 Schlussfolgerung
6 Fall: Toll, wir haben uns verbessert . oder nicht?
6.1 Das Problem der Stichprobe
6.2 Geschäftsrelevante Frage formulieren
6.3 Daten erfassen
6.4 Daten vorbereiten
6.5 Daten analysieren
6.6 Geschäftsentscheidung vorbereiten
6.7 Was wäre, wenn wir alle Rohdaten hätten?
6.8 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
7 Fall: Was beeinflusst unsere Patientenzufriedenheit?
7.1 Analysieren der Treiber der Kundenzufriedenheitswerte
7.2 Aufbau der Patientenumfrage
7.3 Geschäftsrelevante Frage formulieren
7.3.1 Hypothese 1: Es besteht ein signifikanter Unterschied zwischen den Bewertungen für die Prozessschritte ? Mindestens ein Schritt wird unterschiedlich bewertet
7.3.2 Hypothese 2: Es besteht ein signifikanter Unterschied zwischen den Bewertungen der Indikatoren ? Mindestens ein Indikator wird unterschiedlich bewertet
7.3.3 Hypothese 3: Es besteht eine signifikante Beziehung zwischen der Bewertung für einen Prozessschritt und der Gesamtbewertung
7.3.4 Hypothese 4: Es gibt ein Muster über die Zeit
7.4 Daten erfassen
7.5 Daten vorbereiten
7.5.1 Daten transformieren
7.5.2 Umgang mit nicht hilfreichen Eingaben
7.5.3 Umgang mit fehlenden Eingaben
7.6 Daten analysieren
7.6.1 Deskriptive Statistik und Darstellung
7.6.2 Hypothese 1: Es besteht ein signifikanter Unterschied zwischen den Bewertungen für Schritte (X)
7.6.3 Hypothese 2: Es besteht ein signifikanter Unterschied zwischen den Bewertungen der Indikatoren (X)
7.6.4 Hypothese 3: Es besteht eine signifikante Beziehung zwischen der Bewertung für mindestens einen der Prozessschritte (Step1 . Step5, X) und der Gesamtbewertung (Overall, Y)
7.6.5 Hypothese 4: Es gibt ein Muster über die Zeit
7.7 Geschäftsentscheidung vorbereiten
7.8 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
8 Fall: Wie erstellt man ein Dashboard zur Patientenzufriedenheit
8.1 Entscheidung über Metriken zur Veranschaulichung der Klinikleistungsbewertung
8.2 Aufbau eines Klinik-Dashboards mit MS Power BI und R
8.3 Verwendung von MS Power BI für analytisches Storytelling
8.4 Schlussfolgerung
9 Ohne Prozess läuft nichts
9.1 Warum Prozessanalytik?
9.2 Dimensionen der Prozessanalytik
9.2.1 Prozessdesign und Analytik
9.2.2 Definieren von Indikatoren für die Analytik
9.2.3 Prozessmanagement mit Analytik
9.2.4 Prozessverbesserung durch Analytik mit DMAIC
9.3 Rollen und Einsatz von Prozessanalytik
9.4 Schlussfolgerung
10 Fall: Welcher Anbieter hat die bessere Produktqualität?
10.1 Geschäftsrelevante Frage formulieren
10.2 Daten erfassen und vorbereiten
10.3 Daten analysieren
10.4 Geschäftsentscheidung treffen
10.5 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
11 Fall: Warum zahlt die Finanzabteilung unsere Auftragnehmer verspätet aus?
11.1 Geschäftsrelevante Frage formulieren
11.2 Daten erfassen
11.3 Daten vorbereiten
11.4 Daten analysieren
11.4.1 Hypothese: Einige Geschäftseinheiten sind besser als andere
11.4.2 Hypothese: Die Finanzabteilung erhält Rechnungen, nachdem die Zahlungsfrist abgelaufen ist
11.4.3 Hypothese: Geschäftseinheit 1 hat sich verbessert
11.5 Geschäftsentscheidung treffen
11.6 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
11.61 Mosaikdiagramm
11.6.2 Geigendiagramm
11.6.3 Nachweis eines signifikanten Unterschieds zwischen Gruppen
11.7 Ein Dashboard zur "Lieferantenbuchhaltung"
12 Fall: Warum vergeuden wir kostbare Blutprodukte?
12.1 Geschäftsrelevante Frage formulieren
12.1.1 Hypothese?1: Arbeitsstress erhöht die Verschwendung
12.1.2 Hypothese 2: Unterschiedliches Material von Blutbeuteln trägt zu höherer Verschwendung bei
12.1.3 Hypothese 3: Blutplättchen-Verluste hängen vom Spendenort ab
12.1.4 Hypothese 4: Die Zeit, die für die Blutung benötigt wird, beeinflusst die Verschwendung von Blutplättchen
12.1.5 Hypothese 5: Die Ruhezeit vor der Verarbeitung von Blutplättchen beeinflusst die Verschwendung
12.1.6 Hypothese 6: Der verwendete Zentrifugentyp verursacht unterschiedliche Abfallmengen
12.1.7 Hypothese 7: Mitarbeiter tragen zu höherer Verschwendung bei
12.2 Daten erfassen
12.3 Daten verarbeiten
12.4 Daten analysieren
12.4.1 Hypothese 1: Arbeitsstress erhöht die Verschwendung
12.4.2 Hypothese 2: Bestimmtes Material von Blutbeuteln trägt zu höherer Verschwendung bei
12.4.3 Hypothese 3: Thrombozyten-Verluste hängen vom Ort der Blutspende ab
12.4.4 Hypothese 4: Die Zeit, die für die Blutung benötigt wird, beeinflusst die Qualität von Blutplättchen
12.4.5 Hypothese 5: Die Ruhezeit vor der Verarbeitung von Blutplättchen beeinflusst die Qualität
12.4.6 Hypothese 6: Der verwendete Zentrifugen-Typ beeinflusst die Qualität der Blutplättchen
12.4.7 Hypothese 7: Einige Mitarbeiter tragen zu verminderter Qualität bei
12.4.8 Die kostspielige Frage
12.4.9 Investitionen sparen
12.5 Geschäftsentscheidung treffen
12.6 Schlussfolgerung
12.7 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
13 Arbeitskräfte machen den Unterschied
13.1 Warum Personalanalytik?
13.2 Warum hat sich das Thema "Arbeitskräfte" zu einer Priorität entwickelt?
13.3 Die Rolle von HR in der Personalanalytik
13.4 Dimensionen der Personalanalytik
13.5 Personalplanung
13.5.1 Personalplanung für transaktionale Aktivitäten
13.5.2 Personalplanung für weniger transaktionale Aktivitäten
13.6 Schritte zur Personalanalytik
13.6.1 Beginnen Sie mit einem Problem, das die Organisation lösen will
13.6.2 Benötigte Informationen ermitteln und Daten sammeln
13.6.2.1 Schritt 1: Identifizieren der potenziellen Treiber für das Problem
13.6.2.2 Schritt 2: Pilotdatenerfassung und -analyse durchführen
13.6.2.3 Schritt 3: Vollständige Datenerhebung durchführen
13.6.3 Analyse der Daten
13.6.4 Die geschäftsrelevante Antwort formulieren ? Storytelling
13.6.5 Change-Management ist essenziell
13.7 Zusammenfassung
14 Fall: Was macht unsere Organisation innovativ?
14.1 Geschäftsrelevante Frage formulieren
14.2 Daten erfassen
14.3 Daten vorbereiten
14.4 Daten analysieren
14.4.1 Vergleichen des innovativen Arbeitsverhaltens zwischen Abteilungen
14.4.2 Ermitteln der Treiber für innovatives Arbeitsverhalten
14.5 Geschäftsentscheidung treffen
14.6 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
15 Fall: Ist unsere Personalstärke angemessen?
15.1 Geschäftsrelevante Frage formulieren
15.2 Daten erfassen und vorbereiten
15.3 Daten analysieren
15.3.1 Die Nachfragestruktur verstehen
15.3.2 Vorhersage eines möglichen zukünftigen Problems
15.3.3 Verstehen des Aktivitätsmusters
15.4 Geschäftsentscheidung treffen
15.4.1 Planung der Arbeitskräfte
15.4.2 "Kampf gegen die Variation"
15.4.2.1 "Trainieren" der Kunden
15.4.2.2 Flexible Arbeitsvereinbarungen für das Personal
15.4.2.3 Spitzenzeiten mit Zeitarbeitskräften abdecken
15.4.2.4 Angestellte auf der Gehaltsliste sind nicht 100?% verfügbar
15.4.3 Den Prozess überdenken und erneuern
15.5 Schlussfolgerung
15.6 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
16 Fall: Was bedeutet das Ergebnis unserer Umfrage zum Engagement?
16.1 Geschäftsrelevante Frage formulieren
16.2 Daten erfassen und vorbereiten
16.3 Daten analysieren
16.4 Geschäftsrelevante Entscheidung treffen
16.5 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
17 Fall: Was verursacht unsere Personalfluktuation?
17.1 Geschäftsrelevante Frage formulieren
17.2 Daten erfassen
17.2.1 Vergleich mit Benchmarks
17.2.2 Verwendung von Proxy-Messungen
17.2.3 Einsatz von Direktmessungen
17.2.4 Einbeziehen einer Kontrollgruppe
17.2.5 Aufnehmen von demografischen Faktoren
17.3 Daten vorbereiten
17.4 Daten analysieren
17.4.1 Hypothese?1: Der Umfang an Geschäftsreisen hat einen signifikanten Einfluss auf die Absicht der Mitarbeiter, das Unternehmen zu verlassen
17.4.2 Hypothese 2: Die Kündigungsabsicht ist für verschiedene Organisationseinheiten unterschiedlich
17.4.3 Hypothese 3: Die Entscheidung des Personals zur Kündigung hängt von dessen Familienstand ab
17.4.4 Hypothese 4: Die Entscheidung der Mitarbeiter, zu kündigen, hängt von ihrem Geschlecht ab
17.4.5 Hypothese 5: Die Kündigungsentscheidung des Personals hängt von den gegebenen Ausbildungsmöglichkeiten ab
17.4.6 Hypothesen 6??14: Die Entscheidung des Personals, zu kündigen, hängt von den Faktoren Job Level, Alter, Amtszeit, Entfernung zum Wohnort, Bildungsniveau, Arbeitsmotivation, Führungspraxis, Teamarbeit und Gehalt ab
17.4.7 Berechnung der Vorhersagegenauigkeit
17.4.8 Priorisierung von Prädiktoren
17.5 Geschäftsentscheidung vorbereiten
17.5.1 Haupttriebkräfte zur Fluktuation von Mitarbeitern
17.5.2 Modell zur Vorhersage von Personal, das die Organisation verlässt
17.5.3 Maßnahmen zur Eindämmung der Fluktuation
17.6 Schlussfolgerung
17.7 Überlegungen zu den wichtigsten verwendeten Analysewerkzeugen
18 Bessere Entscheidungen treffen
18.1 Mögliche Fehler bei der Entscheidungsfindung
18.1.1 Fall 1: Es gibt keinen Unterschied, und wir entscheiden, dass es keinen gibt - kein Fehler
18.1.2 Fall 2: Es gibt keinen Unterschied und wir entscheiden, dass es einen gibt - Typ-I-Fehler
18.1.3 Fall 3: Es gibt einen Unterschied, und wir entscheiden, dass es einen gibt - kein Fehler
18.1.4 Fall 4: Es gibt einen Unterschied, aber wir entscheiden, dass es keinen gibt - Typ-II-Fehler
18.2 Bessere Entscheidungen treffen - der Statistik nicht blind vertrauen
18.2.1 Signifikanter Unterschied bedeutet nicht wichtiger Unterschied
18.2.2 Ein nichtsignifikanter Unterschied könnte für die Organisation wichtig sein
18.3 Schlussfolgerung
19 Sicherstellung des Erfolgs
19.1 Grundsätzliches
19.2 Schritte zur Implementierung der Datenanalytik
19.3 Managementunterstützung sicherstellen
19.4 Begeisterung für die Datenanalytik und deren Vorteile erzeugen
19.5 Wissen aufbauen ? fangen Sie klein an
19.6 Analysen zum Aufbrechen von Silos verwenden
19.7 Kreislauf schließen
19.8 Datenanalytik-Implementierung überprüfen
20 Literatur und Links
Literatur
Links
21 Stichwortverzeichnis
22 Zusatzmaterial zum Download
23 Die Autoren

Content (PDF)

System requirements

Save as PDF Copy link into clipboard

Schweitzer Fachinformationen

Data Science für Einsteiger

Description

More details

Other editions

Additional editions

Persons

Content

System requirements