#63: Data Mining: der pragmatische Weg zu Datenreife & Datenkultur mit Prof. Dr. Ana Moya

„Data Mining“ – klingt nach Staub und Schaufeln, ist aber der
Schlüssel zur Mustererkennung in Daten! Wir diskutieren, warum
einfache Methoden oft besser sind als fancy KI-Lösungen,
besonders bei niedriger Datenreife. Außerdem: Wie man
nachhaltigen Mehrwert schafft, ohne sich in Dashboards zu
verlieren, und welche Skills und Tools wirklich zählen. Hilfreich
für alle, die effektiv mit Daten arbeiten wollen.


 


Zusammenfassung


Data Mining: Definition und Bedeutung als pragmatischer
Ansatz zur Mustererkennung

Herausforderungen: Niedrige Datenreife und der Druck, „fancy“
Methoden einzusetzen

Lösungsansätze: Bewährte Methoden wie Statistik,
Visualisierungen und Anomaly Detection

Nachhaltigkeit: Optimierte Prozesse und ressourcenschonende
Lösungen als Kernnutzen

Skills und Tools: Analytisches Denken, Statistik,
Programmierkenntnisse, sowie Tools aus dem Bereich Business
Intelligence und Programmiersprachen wie R & Python

Fehler vermeiden: Datenqualität, Vermeidung von Confirmation
Bias und sinnvolle Nutzung von Dashboards



 


***Links***


Prof. Dr. Ana Moya auf LinkedIn:
https://www.linkedin.com/in/doc-moya/

International School of Management (ISM) https://en.ism.de/

INFOMOTION GmbH https://www.infomotion.de/

Power BI
https://www.microsoft.com/de-de/power-platform/products/power-bi?market=de

Tableau https://www.tableau.com/

Python https://www.python.org/

R https://www.r-project.org/

Fragen, Feedback und Themenwünsche gern an
podcast@inwt-statistics.de