
Data Science für Einsteiger
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
More details
Other editions
Additional editions

Persons
ISNI: 0000 0005 1323 5631
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
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.