Data Science – Infrastrukturberatung und Enablement

Die Nutzung von R und Python in Data-Science Systemlandschaften erfordert standardisierte Rahmenbedingungen um kollaborative Analytic effizient und nachhaltig zu gestalten. Welche Rahmenbedingungen dies im speziellen sind, ist vom jeweiligen Setup abhängig:

  • Wie sieht Ihre Systemlandschaft aus?
  • Wie groß ist das Team?
  • Welche Daten werden mit welchem Volumen verarbeitet?
  • Was setzen Sie im Data Science um? (ETL, Reporting, Web-Applikationen)
  • Welche Algorithmen setzen Sie ein?
Data-Science Enablement – Was wir tun

Wir unterstützen Sie dabei, ihre Data-Science Standards auf ein höheres Level zu heben. Schaffen Sie sich mit unserer Infrastrukturberatung eine Data-Science spezifische, objektorientierte Systemarchitektur, die Datenmodelle, Analytic und Produktebene unterscheidet. Nutzen Sie zukünftig Versionsverwaltungssysteme und arbeiten Sie mit Source-Distributionen um in Projekten zu kollaborieren. Arbeiten in einer Staging Architektur, um gewährleistung für Ihre Produktivsysteme zu haben. Schaffen Sie mit über einen teaminternen Konsens über Codepraktiken nachhaltige Projekte.

Unser Vorgehen
Assessment

Bestandsaufnahme im Rahmen eines Telefoninterviews

Workshop

Beratungsworkshop für Ihr Analytic-Vorhaben und Ihr Data-Science Team

Report

Abschlussreport mit Ergebnissen des Workshops und konkreten Handlungsempfehlungen für Ihr Data Science Team

In Rahmen eines Telefoninterviews erfolgt eine Bestandsaufnahme über die Ziele und Businesscases Ihrer Data-Science Vorhaben, über derzeitige und zukünftige Systemarchitekturen und spezielle Herausforderungen in der Umsetzung. Das Ergebnis des Interviews ist dient uns als Vorbereitung des Workshops.

In einem Intensivworkshop von einem Tag bringen wir die Erkenntnisse des Assessments mit und verdichten sie zu einer Agenda.

  • Sie tun sich schwer in der Technologieauswahl? Wir recherchieren im Vorfeld und informieren Sie in der Zeit des Workshops. Quellcodebeispiele, Visualisierungen, Mock-Ups – alles was Sie bei Ihnen Entscheidungen unterstützt, stellen wir im Vorfeld zusammen.
  • Sie möchten eine Data-Science Systemarchitektur entwickeln? Wir erarbeiten Vorschläge, wie diese Aussehen kann und nutzen Sie im Workshop als Arbeitsgrundlage.

Der Workshop gestaltet sich interaktiv. Wir arbeiten vor – mit Ihnen und dem Data Science Team erarbeiten wir gemeinsam Umsetzungsstrategien , wägen ab, verdichten Information. Das Ergebnis des Workshops ist ein Report mit den Ergebnissen der Zusammenarbeit. Dort sind die Ergebnisse der Ausarbeitung und konkrete Handlungsempfehlungen.

Wir wollen, das der Impuls des Workshops bestehen bleibt. Ganz im agilen Sinn evaluieren wir abschließend nach einigen Wochen mit Ihnen welche Veränderungen und Entscheidungen das Enablement gebracht hat – was hat einen positiven, was evtl. einen negativen Effekt auf Ihr Operativgeschäft?

Wer Sie beim Data Science Enablement begleiten wird

Andreas Wygrabek – Data-Science-Architect

Andreas Wygrabek

Andreas Wygrabek ist freiberuflicher Data Science Consultant und erfahrener Trainer im Bereich Programmierung und statistischer Methoden. Mit seinem Projekt Data-Science-Achitect bietet er Trainings und Full-Stack-Dienstleistungen im Bereich Data Science an. Seine zentralen Analysetools sind R und Python.

Nicolas Kuhaupt

Nicolas Kuhaupt hat Mathematik studiert und sich schon während des Studiums mit dem Themengebiet Big Data und Data Science beschäftigt. Anschließend war er ein Jahr lang als Big Data Consultant tätig und ist als Research Data Scientist zum Fraunhofer IEE gewechselt. Dort treibt er die Digitalisierung der Energiewende voran.

Sie interessieren sich für unsere Infrastrukturberatung und das Data-Science Enablement? Gerne beraten wir Sie unverbindlich und erörtern Ihnen unser Vorgehen im Detail.