Daten vs. Informationen: Konzepte und Anwendung
158 Questions
7 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to Lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Welche Aussage beschreibt am besten den Unterschied zwischen Daten und Informationen?

  • Der Unterschied zwischen Daten und Informationen ist primär strukturell.
  • Daten sind immer aussagekräftiger als Informationen.
  • Informationen werden aus Daten abgeleitet und beantworten Fragen wie 'wer', 'was', 'wann' und 'wie viele'. (correct)
  • Daten sind immer strukturiert, während Informationen unstrukturiert sein können.

Was ist die primäre Funktion von Wissen (Knowledge/Insights) im Kontext der gegebenen Informationen?

  • Die reine Speicherung von Informationen.
  • Die automatische Generierung neuer Daten.
  • Die Umwandlung von Daten in Informationen.
  • Die Ermöglichung der Umsetzung von Informationen in konkrete Anweisungen oder Handlungen. (correct)

Welche Notwendigkeit stand nicht im Zentrum des Anwendungsfalls zur Verbesserung der Prognosequalität?

  • Die Notwendigkeit, die operative Umsetzung der Prognosen zu beschleunigen. (correct)
  • Die Notwendigkeit, die Umsatzprognose auf mehrere Geschäftseinheiten auszuweiten.
  • Die Notwendigkeit, bestehende Prognosen bezüglich Qualität und Effizienz zu bewerten.
  • Die Notwendigkeit, das Risiko künftiger Gewinnwarnungen zu minimieren.

Welcher Ansatz wurde im Anwendungsfall verfolgt, um die Umsatzprognose zu verbessern?

<p>Anpassung und Implementierung von KI-basierten Ertragsmodellen und eines Frühwarnsystems. (D)</p> Signup and view all the answers

Welchen Vorteil brachte der automatisierte Ansatz im Anwendungsfall primär mit sich?

<p>Eine erhöhte Effizienz und leichtere Skalierbarkeit im Vergleich zur manuellen Prognose. (D)</p> Signup and view all the answers

In welcher Phase des Anwendungsfalls 'Von Daten zu Einsichten' fand die Visualisierung der Prognose statt?

<p>Phase 4: Visualisierung der Prognose in PowerBI (C)</p> Signup and view all the answers

Welchen Nutzen zieht das FP&A-Team des Kunden aus der verbesserten Genauigkeit der Umsatzprognose NICHT?

<p>Direkte Kontrolle über externe Marktentwicklungen. (C)</p> Signup and view all the answers

Was ist ein wesentliches Element, um Wissen aus Informationen zu generieren?

<p>Das Know-how, Informationen in Anweisungen umzusetzen. (C)</p> Signup and view all the answers

Wann ist die multiplikative Zerlegung einer Zeitreihe in Trend-Zyklus, Saison und Rest sinnvoll?

<p>Wenn der Effekt von Trend oder Saison mit dem Gesamtniveau der Zeitreihe skaliert. (B)</p> Signup and view all the answers

Was unterscheidet die Zykluskomponente einer Zeitreihe von saisonalen Effekten?

<p>Saisonale Effekte sind von der Jahreszeit abhängig, während Zyklen keine feste Häufigkeit haben. (B)</p> Signup and view all the answers

Warum werden Zeitreihen saisonbereinigt?

<p>Um unerwünschte saisonale Bewegungen zu entfernen, die Trends und andere wichtige Abweichungen verdecken können. (A)</p> Signup and view all the answers

Was ist das Hauptmerkmal eines Trends in einer Zeitreihe?

<p>Ein langfristiger Anstieg oder Abfall der Daten, der seine Richtung ändern kann. (B)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten, wie Unternehmen von der Zykluskomponente der Wirtschaft betroffen sein können?

<p>Unternehmen haben oft eine zyklische Komponente, da die Wirtschaft ein unvorhersehbares Auf und Ab erlebt. (A)</p> Signup and view all the answers

Warum ist die Einbeziehung mittlerer Führungskräfte in Transformationsprogramme für Unternehmen wichtig?

<p>Weil mittlere Führungskräfte eine Schlüsselrolle bei der Planung und Durchführung des Transformationsprogramms spielen. (A)</p> Signup and view all the answers

Welche Herausforderung entsteht durch die 'Blackbox'-Komplexität von Deep-Learning-Techniken?

<p>Die Schwierigkeit der 'Erklärbarkeit', d.h. zu verstehen, welche Faktoren zu einer Entscheidung oder Vorhersage geführt haben. (B)</p> Signup and view all the answers

Welche Frage stand im Mittelpunkt von Alan Turings Arbeit über Computermaschinen und Intelligenz im Jahr 1950?

<p>Können Maschinen denken? (D)</p> Signup and view all the answers

Welche der folgenden Entwicklungen trug NICHT zu einem erneuten Anstieg des Interesses an KI bei?

<p>Stagnation in der Entwicklung neuer Algorithmen. (A)</p> Signup and view all the answers

Was ist das Endziel der Entwicklung von Künstlicher Allgemeiner Intelligenz (AGI)?

<p>Die Entwicklung eines Computersystems, das genauso intelligent oder intelligenter ist als ein Mensch. (D)</p> Signup and view all the answers

Welche Aussage beschreibt Künstliche Intelligenz im engeren Sinne (ANI) am besten?

<p>Eine KI, die in einer bestimmten Aufgabe, für die sie trainiert und entwickelt wurde, sehr gut ist. (C)</p> Signup and view all the answers

Was ist die Hauptfunktion des maschinellen Lernens (ML) im Kontext der Künstlichen Intelligenz?

<p>Die Entwicklung von Algorithmen, die Computerprogrammen die Fähigkeit verleihen, aus Daten zu lernen, ohne explizit neue Funktionen zu programmieren. (A)</p> Signup and view all the answers

Welche Aussage über das Verhältnis von maschinellem Lernen (ML) und Künstlicher Intelligenz (KI) trifft am ehesten zu?

<p>ML ist ein Werkzeug, das einen Großteil des Wertes schafft, der durch KI-Systeme entsteht.. (B)</p> Signup and view all the answers

Welche Aussage beschreibt am besten den Unterschied zwischen Deep Learning (DL) und Machine Learning (ML)?

<p>DL verwendet komplexere neuronale Netze, die aus großen Datenmengen lernen, während ML oft einfachere Algorithmen verwendet. (B)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt NICHT korrekt das Data Mining?

<p>Data Mining ist ein eigenständiger Bereich, der keine Verbindung zu KI oder ML hat. (A)</p> Signup and view all the answers

Welche Art von Lernen wird typischerweise in AlphaZero verwendet, um optimale Strategien zu entwickeln?

<p>Verstärkungslernen (D)</p> Signup and view all the answers

Was ist ein Hauptmerkmal des überwachten Lernens im Kontext von Machine Learning?

<p>Es verwendet gelabelte Daten, um Muster auf der Grundlage von Merkmalen zu lernen. (C)</p> Signup and view all the answers

Welche der folgenden Anwendungen ist ein typisches Beispiel für unüberwachtes Lernen?

<p>Clustering (B)</p> Signup and view all the answers

Was ist das Hauptziel des Verstärkungslernens?

<p>Eine Strategie zu entwickeln, die eine numerische Belohnung maximiert. (C)</p> Signup and view all the answers

Welche Herausforderung beschreibt das Problem, dass Unternehmen Daten- und Analyseressourcen nur begrenzt priorisieren?

<p>Watering Can (B)</p> Signup and view all the answers

Was versteht man unter dem Begriff 'Data desert' im Kontext von Herausforderungen bei der Datennutzung?

<p>Eine Lücke zwischen der Verfügbarkeit von Daten und den für den Anwendungsfall benötigten Daten. (A)</p> Signup and view all the answers

Wie sind Daten definiert, bevor sie in Erkenntnisse umgewandelt werden?

<p>Als Symbole, die Eigenschaften von Objekten, Ereignissen und ihrer Umgebung darstellen. (B)</p> Signup and view all the answers

In welchem Kontext ist es besonders wichtig, die Gesamtbelohnung zu optimieren und nicht nur kurzfristige Vorteile zu betrachten?

<p>Verstärkungslernen (B)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten das Risiko einer Überanpassung bei der Modellierung?

<p>Das Modell passt sich zu genau an die Trainingsdaten an, einschließlich des Rauschens, was zu einer schlechten Leistung bei neuen Daten führt. (A)</p> Signup and view all the answers

Was ist das Hauptziel eines Prognostikers im Gegensatz zu einem Statistiker bei der Entwicklung von Zeitreihenmodellen?

<p>Erstellung von Vorhersagen auf der Grundlage von Daten aus der realen Welt und Messung des Erfolgs anhand der Genauigkeit außerhalb der Stichprobe. (B)</p> Signup and view all the answers

Wie beeinflussen komplexe Modelle im Vergleich zu einfachen Modellen das Risiko einer Überanpassung?

<p>Komplexe Modelle neigen eher zur Überanpassung der Trainingsdaten als einfache Modelle. (D)</p> Signup and view all the answers

Was ist der Hauptunterschied zwischen erklärender und prädiktiver Modellierung?

<p>Erklärende Modellierung zielt darauf ab, die Trainingsdaten zu erklären, während prädiktive Modellierung auf die Vorhersagegenauigkeit ausgerichtet ist. (D)</p> Signup and view all the answers

Welche der folgenden Beobachtungen deutet am ehesten auf eine Überanpassung bei Zeitreihenprognosen hin?

<p>Die prognostizierten Werte schwanken stark und unregelmäßig. (B)</p> Signup and view all the answers

Was ist das Ziel bei der Suche nach einem optimalen Modell im Kontext von Varianz und Verzerrung (Bias)?

<p>Einen Ausgleich zwischen Varianz und Verzerrung finden. (B)</p> Signup and view all the answers

Welche Rolle spielen Modellparameter beim Ausgleich zwischen Varianz und Verzerrung (Bias)?

<p>Geeignete Modellparameter helfen, den Kompromiss zwischen Varianz und Verzerrung auszugleichen. (A)</p> Signup and view all the answers

Welche Aussage beschreibt am besten die Funktion auto.arima() im Kontext der Zeitreihenanalyse?

<p><code>auto.arima()</code> ist ein Beispiel dafür, wie Heuristiken verwendet werden, um ein ARIMA-Modell schnell anzupassen. (C)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten den Hauptvorteil der Verwendung von Bootstrap-Datensätzen bei der Schätzung von 'n' Bäumen in einem Random Forest?

<p>Es mindert das Risiko der Überanpassung und verbessert die Generalisierungsfähigkeit des Modells. (D)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am genauesten einen Nachteil des K-Nearest-Neighbors (KNN)-Algorithmus?

<p>KNN erstellt kein Modell, was es schwierig macht, die Beziehungen zwischen Merkmalen und Klassen zu verstehen. (C)</p> Signup and view all the answers

In einem Szenario, in dem Sie ein Klassifizierungsmodell erstellen müssen, das nicht stark von verrauschten Daten beeinflusst wird und eine hohe Genauigkeit aufweist, welche der folgenden Algorithmen wäre am besten geeignet?

<p>Support Vector Machine (SVM) (B)</p> Signup and view all the answers

Sie haben einen Datensatz mit Kundeninformationen und möchten diese in verschiedene Gruppen einteilen, um Marketingstrategien besser anzupassen. Sie wissen jedoch nicht, wie viele Gruppen es geben sollte. Welcher Algorithmus wäre in diesem Fall am wenigsten geeignet?

<p>Support Vector Machine (SVM) (C)</p> Signup and view all the answers

Betrachten Sie einen Datensatz mit nominalen Merkmalen und fehlenden Werten. Welcher Algorithmus erfordert in der Regel zusätzliche Vorverarbeitungsschritte, um diese Art von Daten effektiv zu handhaben?

<p>K-Nearest Neighbors (KNN) (D)</p> Signup and view all the answers

Welchen Einfluss hat die Wahl eines zu kleinen Wertes für 'k' im K-Nearest-Neighbors (KNN)-Algorithmus?

<p>Das Modell wird anfälliger für Überanpassung an den Trainingsdatensatz. (D)</p> Signup and view all the answers

Welche Aussage beschreibt am besten die Herausforderung bei der Interpretation von Support Vector Machine (SVM)-Modellen, insbesondere bei hochdimensionalen Daten?

<p>SVM-Modelle sind oft schwer zu interpretieren, da sie als 'Blackbox'-Modelle gelten, besonders bei komplexen Datensätzen. (D)</p> Signup and view all the answers

Ein Unternehmen möchte ein Modell entwickeln, um anhand verschiedener Merkmale wie Alter, Einkommen und Bildung den potenziellen Wert eines Kunden vorherzusagen. Welcher der folgenden Algorithmen wäre am wenigsten geeignet?

<p>K-Means Clustering (B)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten den Unterschied zwischen Regression und Klassifizierung im Kontext des überwachten Lernens?

<p>Regression sagt kontinuierliche Werte voraus, während Klassifizierung diskrete Kategorien vorhersagt. (A)</p> Signup and view all the answers

In welchem Szenario wäre der Einsatz von Clustering im Rahmen des unüberwachten Lernens am sinnvollsten?

<p>Identifizierung von Kundensegmenten basierend auf ihren Kaufgewohnheiten ohne vorherige Kenntnis der Segmente. (A)</p> Signup and view all the answers

Wie beeinflusst die Erstellung von 'n' Bäumen auf Bootstrap-Datensätzen in einem Random Forest die Modellleistung?

<p>Mindert das Risiko der Überanpassung und verbessert die Generalisierung. (A)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten den Zweck der Erkennung von Anomalien?

<p>Die Identifizierung ungewöhnlicher oder verdächtiger Datenpunkte, die sich deutlich vom Rest der Daten unterscheiden. (D)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten, wie Kanban den Arbeitsfluss im Vergleich zu einem traditionellen Push-System steuert?

<p>Kanban nutzt ein Pull-System, bei dem Aufgaben nur dann in den Workflow gezogen werden, wenn Kapazität vorhanden ist, im Gegensatz zum Push-System, das Aufgaben unabhängig von der Kapazität zuweist. (D)</p> Signup and view all the answers

Welche Konsequenz ergibt sich aus der Verwendung ausschließlich einer zufällig ausgewählten Teilmenge von Merkmalen für die Aufteilung an jedem Knoten in einem Random Forest?

<p>Führt zu schwächeren, aber unkorrelierten Einzelbäumen, was die Gesamtleistung verbessert. (A)</p> Signup and view all the answers

Wann ist eine multiplikative Zerlegung einer Zeitreihe im Vergleich zu einer additiven Zerlegung besonders geeignet?

<p>Wenn die Größe der saisonalen Schwankungen mit dem Niveau der Zeitreihe variiert. (A)</p> Signup and view all the answers

Wie beeinflusst die Begrenzung der unfertigen Arbeit (WIP-Limit) die Produktivität eines Teams, das Kanban verwendet?

<p>Sie kann die Produktivität steigern, da sich die Teammitglieder auf die Fertigstellung begonnener Aufgaben konzentrieren, anstatt mehrere gleichzeitig zu bearbeiten. (B)</p> Signup and view all the answers

Welche Aussage beschreibt am besten einen Nachteil des K-Nearest-Neighbors (KNN)-Algorithmus?

<p>Erstellt kein Modell, was die Interpretation des Zusammenhangs zwischen Merkmalen und Klasse erschwert. (A)</p> Signup and view all the answers

Welche Art von Informationen liefern vorlaufende Indikatoren primär im Kontext von Vorhersagemodellen?

<p>Erwartete zukünftige Entwicklungen oder Veränderungen, die für die Vorhersage relevant sind. (A)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt den Hauptunterschied zwischen der Freigabemethode in Scrum und Kanban?

<p>Scrum plant Freigaben am Ende jedes Sprints, während Kanban eine kontinuierliche Lieferung oder Freigabe nach Ermessen ermöglicht. (B)</p> Signup and view all the answers

Warum erfordert der K-Nearest-Neighbors (KNN)-Algorithmus zusätzliche Vorverarbeitungsschritte bei nominalen Merkmalen und fehlenden Werten?

<p>Um die Berechnung der Distanz zwischen den Datenpunkten zu ermöglichen. (C)</p> Signup and view all the answers

Wie beeinflusst die Wahl zwischen additiver und multiplikativer Zerlegung die Interpretation der Saisonkomponente einer Zeitreihe?

<p>Bei additiver Zerlegung wird die Saisonkomponente als konstanter Wert überlagert, bei multiplikativer als prozentualer Anteil. (A)</p> Signup and view all the answers

Welche Priorität sollte ein Team haben, das Kanban implementiert, um die Effektivität des Systems zu maximieren?

<p>Die kontinuierliche Messung und Verbesserung der Prozesse und Durchlaufzeiten. (B)</p> Signup and view all the answers

Sie möchten ein Prognosemodell erstellen und haben festgestellt, dass es sowohl saisonale Muster als auch einen langfristigen Trend in Ihren Daten gibt. Welcher Ansatz wäre am besten geeignet, um diese Komponenten zu berücksichtigen?

<p>Anwendung eines exponentiellen Glättungsverfahrens, das sowohl Trend- als auch Saisonkomponenten berücksichtigt. (D)</p> Signup and view all the answers

Wie beeinflusst ein zu kleiner Wert für 'k' im K-Nearest-Neighbors (KNN)-Algorithmus die Vorhersage?

<p>Erhöht die Komplexität des Modells und das Risiko der Überanpassung. (A)</p> Signup and view all the answers

Welchen Vorteil bietet die Support Vector Machine (SVM) im Vergleich zu anderen Klassifikationsalgorithmen in Bezug auf verrauschte Daten?

<p>SVM wird nicht übermäßig von verrauschten Daten beeinflusst und neigt weniger zur Überanpassung. (D)</p> Signup and view all the answers

Wie unterstützt die Visualisierung des Workflows durch eine Kanban-Tafel die Teamarbeit und das Projektmanagement?

<p>Sie bietet eine transparente Übersicht über den Projektstatus für alle Beteiligten, fördert die Zusammenarbeit und zeigt Engpässe auf. (D)</p> Signup and view all the answers

Welche Herausforderung entsteht, wenn ein Modell zu stark an die Trainingsdaten angepasst wird (Überanpassung), und wie wirkt sich dies auf die Vorhersagegenauigkeit aus?

<p>Überanpassung führt zu einer hohen Genauigkeit auf den Trainingsdaten, aber zu einer schlechteren Leistung auf neuen, unbekannten Daten. (B)</p> Signup and view all the answers

Warum sind Modellinterpretationen bei Support Vector Machines (SVM), insbesondere bei hochdimensionalen Daten, schwierig?

<p>Weil die Transformation der Daten in hochdimensionale Räume die Visualisierung und das Verständnis erschwert. (C)</p> Signup and view all the answers

Was ist der Hauptunterschied zwischen K-Means und K-Medians beim Clustering von Daten?

<p>K-Means ist sensitiver gegenüber Ausreißern als K-Medians. (B)</p> Signup and view all the answers

Welche Aussage beschreibt am besten, wie Wissen im Kontext von 'Daten zu Einsichten' entsteht?

<p>Durch die Anwendung von Know-how, um Informationen in handlungsleitende Anweisungen zu überführen. (A)</p> Signup and view all the answers

Welches war ein Hauptziel des Anwendungsfalls zur Verbesserung der Umsatzprognose, das über die reine Prognose hinausging?

<p>Die Erweiterung der Prognose auf verschiedene Hierarchieebenen, um die Steuerungsfähigkeit des Unternehmens zu verbessern. (B)</p> Signup and view all the answers

Inwiefern unterscheidet sich der automatisierte Ansatz zur Umsatzprognose im Anwendungsfall von traditionellen, manuellen Methoden?

<p>Der automatisierte Ansatz ermöglicht eine höhere Effizienz und Skalierbarkeit im Vergleich zu manuellen Prozessen. (B)</p> Signup and view all the answers

Welche der folgenden Tätigkeiten ist kein direkter Bestandteil der Phasen im Anwendungsfall 'Von Daten zu Einsichten'?

<p>Die Entwicklung einer mobilen App zur Prognosevisualisierung für Endnutzer. (D)</p> Signup and view all the answers

Welchen zusätzlichen Vorteil bietet die verbesserte Genauigkeit der Umsatzprognose dem FP&A-Team (Financial Planning & Analysis) des Kunden, über die reine Vorhersage hinaus?

<p>Die Möglichkeit, detailliertere Ad-hoc-Analysen durchzuführen und schneller auf Marktveränderungen zu reagieren. (A)</p> Signup and view all the answers

Wie beeinflusst die Identifizierung von Clustern relevanter interner und externer Daten die Qualität der Umsatzprognose im beschriebenen Anwendungsfall?

<p>Sie ermöglicht eine gezieltere Auswahl aufschlussreicher Geschäftstreiber, was zu präziseren Prognosen führt. (A)</p> Signup and view all the answers

Warum ist die Durchführung von Weiterbildungsworkshops mit dem FP&A-Team des Kunden ein wichtiger Bestandteil des beschriebenen Ansatzes?

<p>Um die Akzeptanz der neuen KI-basierten Ertragsmodelle zu fördern und das Verständnis für deren Funktionsweise zu verbessern. (D)</p> Signup and view all the answers

Welchen potenziellen Nachteil könnte es haben, wenn ein Unternehmen sich ausschließlich auf die automatisierte Vorauswahl aufschlussreicher Geschäftstreiber verlässt, ohne menschliches Zutun?

<p>Es könnten relevante, aber nicht offensichtliche Faktoren übersehen werden, die für die Prognose wichtig sind. (C)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten, wie der Product Owner zur Entwicklung des Produkt-Backlogs beiträgt?

<p>Der Product Owner priorisiert die Elemente im Backlog basierend auf ihrem Wert für die Benutzer oder Kunden. (A)</p> Signup and view all the answers

Wie unterscheidet sich das Sprint Backlog vom Product Backlog hinsichtlich des Detaillierungsgrads und der Verantwortlichkeit?

<p>Das Sprint Backlog ist detaillierter und wird vom Team verwaltet, während das Product Backlog allgemeiner ist und vom Product Owner verwaltet wird. (A)</p> Signup and view all the answers

In welchen der folgenden Szenarien wäre die Verwendung von User Stories zur Beschreibung von Backlog Items besonders vorteilhaft?

<p>Wenn das Team ein tiefes Verständnis für die Bedürfnisse und Ziele der Endbenutzer entwickeln soll. (B)</p> Signup and view all the answers

Welche Implikation hat die Festlegung einer festen Zeitspanne für einen Sprint auf die Flexibilität des Teams bei der Aufgabenbearbeitung?

<p>Eine feste Zeitspanne reduziert die Flexibilität, zwingt das Team aber zur Priorisierung und Fokussierung. (A)</p> Signup and view all the answers

Wie beeinflusst die Beteiligung des gesamten Scrum-Teams an der Sprint-Planung die Qualität und das Engagement im Sprint?

<p>Sie erhöht das Engagement und die Qualität, da das Team gemeinsam Verantwortung übernimmt und ein besseres Verständnis entwickelt. (A)</p> Signup and view all the answers

Warum ist es wichtig, dass das Scrum-Team während des Daily Stand-up Meetings nicht nur über Fortschritte, sondern auch über Hindernisse spricht?

<p>Um sicherzustellen, dass alle Teammitglieder die gleichen Informationen haben und Hindernisse schnell beseitigt werden können. (C)</p> Signup and view all the answers

Welche Konsequenz hätte es, wenn ein Scrum-Team während des Sprints ständig neue Aufgaben hinzufügt, die nicht Teil des ursprünglichen Sprint Backlogs sind?

<p>Es würde den Fokus des Teams verwässern, die Wahrscheinlichkeit der Zielerreichung verringern und die Sprint-Planung untergraben. (A)</p> Signup and view all the answers

Wie wirkt sich die regelmäßige Neupriorisierung des Product Backlogs durch den Product Owner auf die langfristige Produktentwicklung aus?

<p>Sie ermöglicht es, flexibel auf Marktveränderungen und Kundenfeedback zu reagieren und den Wert des Produkts kontinuierlich zu optimieren. (C)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten die Rolle des Analytics Hubs innerhalb eines Unternehmens?

<p>Die Gewinnung von Geschäfts- und Steuerungserkenntnissen durch wissenschaftliche Methoden. (B)</p> Signup and view all the answers

Was ist ein wesentlicher Vorteil der funktionsübergreifenden Ausrichtung eines Analytics Hubs?

<p>Die Steigerung des Potenzials für neue Erkenntnisse durch die Kombination von Daten aus verschiedenen Bereichen. (D)</p> Signup and view all the answers

Welche der folgenden Kompetenzen ist _kein_Schlüsselbereich für Unternehmen, um eine effektive Datennutzung zu gewährleisten?

<p>Personalverwaltung. (A)</p> Signup and view all the answers

Welche Auswirkung hat die zunehmende Digitalisierung auf die Notwendigkeit eines Analytics Hubs?

<p>Sie verstärkt die Notwendigkeit, Datenzusammenhänge zu verstehen und kritische Ereignisse vorherzusehen. (C)</p> Signup and view all the answers

Welche Rolle spielt die Unternehmenskultur bei der Definition einer Daten- und Analysestrategie?

<p>Sie muss mit der Daten- und Analysestrategie im Einklang stehen. (B)</p> Signup and view all the answers

Was ist das Hauptziel bei der Bewertung von Anwendungsfällen im Kontext eines Analytics Hubs?

<p>Die Erfassung von Anforderungen und die qualitative Bewertung des erwarteten Werts. (D)</p> Signup and view all the answers

Wie kann ein Analytics Hub die Effizienz in einem Unternehmen steigern?

<p>Durch den Einsatz von maschinellem Lernen und künstlicher Intelligenz. (C)</p> Signup and view all the answers

Was ist ein wichtiges Element der Daten-Governance?

<p>Die Festlegung von Dateneigentum und -verantwortung. (B)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten, wie Unternehmen von der Kombination interner und externer Daten profitieren können?

<p>Sie bietet ein umfassenderes Bild und ermöglicht neue Erkenntnisse, die mit internen Daten allein nicht möglich wären. (D)</p> Signup and view all the answers

Wie trägt ein Analytics Hub zur besseren Planung bei?

<p>Durch die Implementierung von Frühwarnsystemen und hoher Vorhersagequalität. (C)</p> Signup and view all the answers

Welchen Vorteil bietet die datenbasierte Entscheidungsfindung im Vergleich zur traditionellen Entscheidungsfindung?

<p>Sie gewährleistet Effektivität durch fundierte Erkenntnisse. (B)</p> Signup and view all the answers

Welchen Einfluss hat die Prozessarchitektur auf die Wertschöpfung durch Daten und Analysen?

<p>Sie muss E2E-Prozesse von der Entdeckung bis zu Ergebnissen über Funktionen und Kompetenzen hinweg abstimmen. (B)</p> Signup and view all the answers

Was ist der Hauptfokus des Lenkungsmodells im Kontext einer Daten- und Analysestrategie?

<p>Die Konzentration auf die wichtigsten geschäftlichen Fragen zur Förderung von Wachstum und Effizienz sowie zum Management von Compliance und Risiken. (C)</p> Signup and view all the answers

Welche Rolle spielt die Datensicherheit im Rahmen der Daten- und Analysefähigkeiten eines Unternehmens?

<p>Sie umfasst Datenklassifizierung, Datenschutz, Verschlüsselung und Zugangskontrollen. (C)</p> Signup and view all the answers

Was ist der Zweck der Priorisierung von Anwendungsfällen im Analytics Hub?

<p>Um auf der Grundlage der geschätzten Implementierungskosten und -vorteile einen quantitativen Business Case zu erfassen. (C)</p> Signup and view all the answers

Wie wird der Nettonutzen aus einer rein monetären Unternehmensperspektive typischerweise berechnet?

<p>Nettonutzen = Effizienz + Effektivität - Projektkosten (D)</p> Signup and view all the answers

Was ist der Hauptunterschied zwischen 'Effizienz' und 'Effektivität' laut Peter Drucker im unternehmerischen Kontext?

<p>Effizienz bedeutet, die Dinge richtig zu tun; Effektivität bedeutet, die richtigen Dinge zu tun. (A)</p> Signup and view all the answers

Welche der folgenden Optionen beschreibt am besten den Einfluss von Effizienzsteigerungen auf das Unternehmensergebnis?

<p>Effizienzsteigerungen führen direkt zu Margenverbesserungen und Kosteneinsparungen, was sich positiv auf das Ergebnis auswirkt. (C)</p> Signup and view all the answers

Wie unterscheidet sich Business Analytics von Business Intelligence?

<p>Business Analytics bezieht fortgeschrittene Analytik ein, um nützliche Informationen aus dem Geschäft zu erhalten, während Business Intelligence sich primär auf die Sammlung und Aufbereitung von Daten konzentriert. (B)</p> Signup and view all the answers

Was ist das Hauptziel von Business Forecasting im Kontext von Data Science?

<p>Die Anwendung von Data Science mit dem Schwerpunkt auf vorausschauende und prädiktive Analysen in Geschäftsbereichen. (D)</p> Signup and view all the answers

Welche Rolle spielt 'Domänenwissen' bei der Anwendung von Data Science auf standortbezogene Probleme?

<p>Domänenwissen hilft bei der Interpretation der Analyseergebnisse und dem Verständnis des spezifischen Kontexts des Problems. (D)</p> Signup and view all the answers

Welche Art von Nutzen ist schwieriger zu messen als der Nettonutzen aus monetärer Sicht für ein Unternehmen?

<p>Sozialer, ökologischer, kultureller oder wirtschaftlicher Nutzen. (A)</p> Signup and view all the answers

Was ist das übergeordnete Ziel von Business Analytics in Bezug auf datengestützte Entscheidungsfindung?

<p>Die Gewinnung von Erkenntnissen aus Daten zur Unterstützung faktenbasierter Entscheidungen und zur Steigerung der Unternehmenseffizienz. (A)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten den Nutzen der vorausschauenden Analyse historischer Daten im Kontext der Nachfrageprognose?

<p>Sie dient primär der Identifizierung von Mustern und Trends, um fundierte Entscheidungen über die Lagerhaltung zu treffen. (C)</p> Signup and view all the answers

Wie kann die Nutzung des Einflusses von Treibern auf die Nachfrage das Marktverhalten simulieren und auslösen?

<p>Durch die Anpassung von Marketingstrategien, um die Kundenpräferenzen zu beeinflussen. (C)</p> Signup and view all the answers

Welchen Vorteil bietet die Automatisierung der Kassenmittelvorausschätzung über die reine Zeitersparnis hinaus?

<p>Sie ermöglicht es, sich auf wertschöpfende Aufgaben zu konzentrieren und strategische Entscheidungen hinsichtlich der Liquiditätslage zu treffen. (A)</p> Signup and view all the answers

Was bedeutet es im Kontext der Operationalisierung, dass Unternehmen oft in der Pilotphase 'feststecken'?

<p>Obwohl einzelne Anwendungsfälle entwickelt wurden, gelingt es nicht, Machine Learning breit anzuwenden und fortgeschrittene Formen zu nutzen. (B)</p> Signup and view all the answers

Welchen Wettbewerbsvorteil bietet das Sammeln umfassender, genauer und relevanter externer Daten für das maschinelle Lernen?

<p>Es ermöglicht präzisere Vorhersagen und ein besseres Verständnis des Marktes. (C)</p> Signup and view all the answers

Wie führt die sporadische Anwendung datengesteuerter Ansätze in einem Unternehmen zu Ineffizienzen?

<p>Sie führt dazu, dass ungenutztes Potenzial brachliegt und Ressourcen nicht optimal eingesetzt werden. (D)</p> Signup and view all the answers

Warum ist das Engagement des mittleren Managements wichtig für den Erfolg von Transformationsprogrammen in Unternehmen?

<p>Das mittlere Management ist für die operative Umsetzung der strategischen Vorgaben verantwortlich und kann Widerstände abbauen. (C)</p> Signup and view all the answers

Welche Herausforderung ergibt sich aus der Talentlücke zwischen hochbezahlten Technologen und langjährigen, traditionellen Mitarbeitern?

<p>Es kann zu Kommunikationsschwierigkeiten, mangelndem Wissensaustausch und Ineffizienzen bei der Zusammenarbeit kommen. (A)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten, wie eine zufällig ausgewählte Teilmenge von Merkmalen, die für die Aufteilung an jedem Knoten in einem Random Forest verwendet wird, zur Verbesserung der Modellleistung beiträgt?

<p>Sie gleicht den Kompromiss zwischen starken Einzelbäumen und unkorrelierten Bäumen aus, wodurch die Generalisierungsfähigkeit verbessert wird. (C)</p> Signup and view all the answers

Wie beeinflusst die Schätzung von 'n' Bäumen auf Bootstrap-Datensätzen die Anfälligkeit eines Random Forest für Überanpassung?

<p>Sie mindert das Risiko der Überanpassung, indem sie die Variabilität der einzelnen Bäume reduziert und eine robustere Vorhersage ermöglicht. (B)</p> Signup and view all the answers

Welche Konsequenz ergibt sich aus der Tatsache, dass der K-Nearest-Neighbors (KNN)-Algorithmus 'kein Modell erstellt'?

<p>Die Fähigkeit, zu verstehen, wie die Merkmale mit der Klasse zusammenhängen, wird eingeschränkt. (D)</p> Signup and view all the answers

Welche Aussage beschreibt am besten den Unterschied zwischen Koinzidenz- und Nachlaufenden Indikatoren?

<p>Koinzidenzindikatoren ändern sich gleichzeitig mit der Referenzreihe, während nachlaufende Indikatoren sich später ändern. (B)</p> Signup and view all the answers

Inwiefern unterscheidet sich die Entscheidungsfindung beim K-Nearest-Neighbors (KNN)-Algorithmus von der Entscheidungsfindung bei einer Support Vector Machine (SVM)?

<p>KNN trifft Entscheidungen basierend auf der Mehrheit der nächsten Nachbarn, während SVM Entscheidungen basierend auf der Identifizierung einer trennenden Hyperebene trifft. (C)</p> Signup and view all the answers

Wie kann die Kreuzkorrelation genutzt werden, um einen Frühindikator für eine bestimmte Referenzreihe zu finden?

<p>Indem die Korrelation zwischen dem Indikator und der Referenzreihe bei verschiedenen Zeitverschiebungen (Lags) gemessen wird. (D)</p> Signup and view all the answers

Welche Aussage über den Korrelationskoeffizienten (Pearson) ist korrekt?

<p>Er misst die lineare Beziehung zwischen zwei Variablen und liegt zwischen -1 und 1. (A)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten, wie die Support Vector Machine (SVM) im Vergleich zu anderen Klassifikationsalgorithmen mit verrauschten Daten umgeht?

<p>SVM ist resistenter gegenüber verrauschten Daten, da es eine maximale Margin um die trennende Hyperebene sucht, was die Auswirkungen von Ausreißern minimiert. (A)</p> Signup and view all the answers

Warum kann die Interpretation von Support Vector Machine (SVM)-Modellen, insbesondere bei hochdimensionalen Daten, eine Herausforderung darstellen?

<p>Weil die Entscheidungsfindung auf komplexen Transformationen des Raums und der Identifizierung von Support-Vektoren basiert, was schwer nachvollziehbar ist. (A)</p> Signup and view all the answers

Was bedeutet eine hohe Multikollinearität zwischen Prädiktorvariablen in einem linearen Regressionsmodell?

<p>Die Prädiktorvariablen sind stark miteinander korreliert und liefern redundante Informationen. (A)</p> Signup and view all the answers

Angenommen, Sie möchten einen Algorithmus verwenden, um Kundendaten in verschiedene Segmente zu gruppieren, aber Sie haben keine vorherige Kenntnis über die Anzahl der sinnvollen Segmente. Welcher der folgenden Algorithmen wäre am besten geeignet, um initial die optimale Anzahl an Cluster zu identifizieren, bevor Sie K-Means anwenden?

<p>Hierarchisches Clustering (A)</p> Signup and view all the answers

Welchen Nachteil hat die Verwendung des 'Mean Forecast' für Zeitreihen, die einen Trend oder saisonale Muster aufweisen?

<p>Er erfasst keine Trends oder Saisonalität. (C)</p> Signup and view all the answers

Welche Auswirkung hat die Wahl eines zu großen Wertes für 'k' im K-Means-Algorithmus?

<p>Eine gröbere Clusterbildung (D)</p> Signup and view all the answers

In welchem Szenario wäre die Naïve Vorhersage eine geeignete Methode?

<p>Bei der Prognose von Aktienkursen, die einem Random-Walk-Muster folgen. (C)</p> Signup and view all the answers

Was kennzeichnet die 'Drift Forecast'-Methode im Vergleich zur einfachen 'Naïve Vorhersage'?

<p>Sie berücksichtigt einen Trend in den historischen Daten. (C)</p> Signup and view all the answers

Für welche Art von Zeitreihendaten ist die 'Saisonale Naïve Vorhersage' besonders geeignet?

<p>Daten, die starke saisonale Schwankungen aufweisen, die sich jährlich wiederholen. (B)</p> Signup and view all the answers

Wie unterscheidet sich die einfache lineare Regression von der Analyse der Multikollinearität?

<p>Die einfache lineare Regression untersucht die Beziehung zwischen zwei Variablen, während Multikollinearität die Beziehungen zwischen mehreren Prädiktorvariablen analysiert. (D)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten das Ziel der linearen Regression?

<p>Die Schätzung einer linearen Funktion, die die Werte einer Zielvariablen durch die Werte einer oder mehrerer Vorhersagevariablen möglichst genau vorhersagt. (D)</p> Signup and view all the answers

Was ist der Hauptunterschied zwischen direkter und rekursiver Vorhersage?

<p>Rekursive Vorhersage verwendet die aktuelle Prognose als Eingabe für die nächste Prognose, während direkte Vorhersage unabhängige Modelle für jeden Horizont erstellt. (B)</p> Signup and view all the answers

Welchen Vorteil bietet die direkte Vorhersage im Vergleich zur rekursiven Vorhersage?

<p>Sie ermöglicht eine Spezialisierung je nach Prognosehorizont und Daten. (B)</p> Signup and view all the answers

Welchen Nachteil hat die rekursive Vorhersage im Vergleich zur direkten Vorhersage?

<p>Fehlerakkumulation (D)</p> Signup and view all the answers

Was ist ein Hauptmerkmal des ARIMA-Modells?

<p>Es modelliert die Zielvariable mit verzögerten Werten und Fehlern, und integriert diese. (B)</p> Signup and view all the answers

Welchen Vorteil bietet das ARIMA-Modell?

<p>Es erfasst Trend, Niveau und Saison. (C)</p> Signup and view all the answers

Welchen Nachteil hat die automatische Modellauswahl beim ARIMA-Modell?

<p>Hoher Rechenaufwand (B)</p> Signup and view all the answers

Was ist das Hauptmerkmal von VAR-Modellen?

<p>Sie beziehen verzögerte Werte mehrerer Zeitreihen ein, die sich gegenseitig prognostizieren. (C)</p> Signup and view all the answers

Welchen Vorteil bieten VAR-Modelle?

<p>Sie ermöglichen die Berücksichtigung von Rückkopplungseffekten zwischen Zeitreihen. (A)</p> Signup and view all the answers

Welchen Nachteil haben VAR-Modelle?

<p>Sie haben eine sehr große Anzahl von zu schätzenden Parametern. (A)</p> Signup and view all the answers

Was unterscheidet univariate und multivariate Vorhersagemodelle?

<p>Multivariate Modelle verwenden Informationen von Treibern, während univariate Modelle nur Vergangenheitswerte verwenden. (A)</p> Signup and view all the answers

Was ist der Unterschied zwischen endogener und exogener Vorhersage?

<p>Exogene Vorhersage verwendet bekannte Treiberdaten, während endogene Vorhersage unbekannte Treiberdaten verwendet. (C)</p> Signup and view all the answers

Was ist das Hauptprinzip von Entscheidungsbäumen?

<p>Die Daten werden in Teilmengen unterteilt basierend auf den Merkmalen. (A)</p> Signup and view all the answers

Welchen Vorteil bieten Entscheidungsbäume?

<p>Sie schließen unwichtige Merkmale aus. (D)</p> Signup and view all the answers

Was ist ein Nachteil von Entscheidungsbäumen?

<p>Kleine Änderungen in den Trainingsdaten können zu großen Änderungen in der Entscheidungslogik führen. (B)</p> Signup and view all the answers

Was ist das Hauptmerkmal eines Random Forest?

<p>Er besteht aus mehreren Entscheidungsbäumen. (D)</p> Signup and view all the answers

Welche der folgenden Aussagen beschreibt am besten die Hauptfunktion eines Analytics Hubs in einem Unternehmen?

<p>Die Generierung von Geschäfts- und Steuerungserkenntnissen durch wissenschaftliche Methoden. (C)</p> Signup and view all the answers

Warum ist die funktionsübergreifende Ausrichtung eines Analytics Hubs entscheidend für seinen Erfolg?

<p>Um das volle Potenzial aller verfügbaren Daten unabhängig von ihrer Herkunft auszuschöpfen. (A)</p> Signup and view all the answers

Welche der folgenden Kompetenzen ist am wichtigsten für ein Unternehmen, um sicherzustellen, dass es die richtigen Daten schützt?

<p>Datenverschlüsselung. (C)</p> Signup and view all the answers

Inwiefern beeinflusst die zunehmende Digitalisierung die Bedeutung eines Analytics Hubs?

<p>Sie erhöht die Notwendigkeit eines Analytics Hubs, da enorme Datenmengen entstehen, die analysiert werden müssen. (B)</p> Signup and view all the answers

Wie kann ein Analytics Hub die operationale Effizienz in einem Unternehmen am wenigsten steigern?

<p>Durch die Zentralisierung aller Daten in einem einzigen Repository. (B)</p> Signup and view all the answers

Wie können Unternehmen am besten von der Kombination interner und externer Daten profitieren?

<p>Durch die Entwicklung präziserer Vorhersagemodelle und tiefergehender Einblicke. (B)</p> Signup and view all the answers

Welche der folgenden Faktoren trägt am wenigsten zu einer besseren Planung durch ein Analytics Hub bei?

<p>Bereitstellung von statischen Berichten über vergangene Ereignisse. (A)</p> Signup and view all the answers

Welchen Vorteil bietet datenbasierte Entscheidungsfindung im Vergleich zur rein traditionellen, intuitionsgeleiteten Entscheidungsfindung?

<p>Sie ist basierend auf Fakten fundiert und reduziert das Risiko subjektiver Verzerrungen. (D)</p> Signup and view all the answers

Wie beeinflusst die Prozessarchitektur die Wertschöpfung durch Daten und Analysen?

<p>Sie bestimmt, wie Daten von der Erfassung bis zur Umsetzung in Maßnahmen fließen und somit die Effektivität der Analyse beeinflusst. (A)</p> Signup and view all the answers

Was ist der Zweck der Priorisierung von Anwendungsfällen in einem Analytics Hub?

<p>Die Anwendungsfälle mit dem höchsten potenziellen Geschäftswert und der größten Realisierbarkeit zu identifizieren. (A)</p> Signup and view all the answers

Flashcards

Erklärbarkeit (KI)

Fähigkeit, Gründe für KI-Entscheidungen zu liefern.

Turing-Test

Test zur Beurteilung der Maschinenintelligenz durch Imitation menschlicher Antworten.

Künstliche Intelligenz (KI)

Bereich der Informatik, der sich mit der Simulation intelligenten Verhaltens in Computern befasst.

Künstliche allgemeine Intelligenz (AGI)

KI mit menschlicher Allround-Intelligenz.

Signup and view all the flashcards

Künstliche Intelligenz im engeren Sinne (ANI)

KI, die auf spezifische Aufgaben spezialisiert ist.

Signup and view all the flashcards

Maschinelles Lernen (ML)

Software, die es Computern ermöglicht, aus Daten zu lernen, ohne explizite Programmierung.

Signup and view all the flashcards

Überwachtes und unüberwachtes Lernen

Zwei Hauptansätze im maschinellen Lernen.

Signup and view all the flashcards

Wertschöpfung von Maschinellen Lernen

ML schafft fast den gesamten Wert, der durch KI-Systeme entsteht.

Signup and view all the flashcards

Deep Learning (DL)

Ein Teilbereich von ML, der für die meisten KI-Durchbrüche verantwortlich ist und komplexere Algorithmen (neuronale Netze) verwendet.

Signup and view all the flashcards

Data Mining

Ein Prozess zur Extraktion von Mustern aus großen Datensätzen unter Verwendung von Methoden aus ML, Statistik und Datenbanksystemen.

Signup and view all the flashcards

Verstärkungslernen (Reinforcement Learning)

Eine Art des maschinellen Lernens, bei dem ein Agent lernt, durch Interaktion mit einer Umgebung eine Belohnung zu maximieren. Es wird eine Strategie gewählt, um ein bestimmtes Ziel zu erreichen.

Signup and view all the flashcards

Überwachtes Lernen

Lernt Muster anhand von gekennzeichneten (gelabelten) Trainingsdaten, um Beschriftungen neuer Daten vorherzusagen. Anwendungen sind Regression und Klassifizierung.

Signup and view all the flashcards

Unüberwachtes Lernen

Zielt darauf ab, Strukturen in unbeschrifteten Daten zu finden, wie z.B. Clustering, Anomalieerkennung und Assoziation. Es müssen keine Daten beschriftet werden.

Signup and view all the flashcards

"Watering Can" Herausforderung

Begrenzte Priorisierung von Daten- und Analyseressourcen.

Signup and view all the flashcards

"Technology Zoo" Herausforderung

Unkoordinierte Plattformbemühungen und kein harmonisierter Technologie-Stack.

Signup and view all the flashcards

"Talent Gap" Herausforderung

Fehlende Kapazitäten und Fähigkeiten zur Bedienung der Anwendungsfall-Pipeline.

Signup and view all the flashcards

"Corporate politics" Herausforderung

Eine Herausforderung, bei der es keine klare Zuweisung von Verantwortlichkeiten und Governance gibt.

Signup and view all the flashcards

Daten

Symbole, die Eigenschaften von Objekten, Ereignissen und ihrer Umgebung darstellen und durch Beobachtung gewonnen werden.

Signup and view all the flashcards

Informationen

Beschreibungen, Antworten auf Fragen (wer, was, wann, wie viele)

Signup and view all the flashcards

Wissen (Knowledge/Insights)

Know-how zur Umsetzung von Informationen in Anweisungen.

Signup and view all the flashcards

Kundenbedürfnis (Prognose)

Eine Notwendigkeit ist die Reduzierung die finanzielle Risiken durch bessere Vorhersagen.

Signup and view all the flashcards

KI-basierter Ansatz

Identifizierung relevanter interner/externer Daten und KI-basierte Modelle.

Signup and view all the flashcards

Ergebnisse der Analyse

Verbesserte Umsatzprognose, höhere Effizienz, wertvolle Einsichten.

Signup and view all the flashcards

Phasen von Daten zu Einsichten

Datenerfassung, Geschäftsfaktoren, Produktebene, Visualisierung, Wartung.

Signup and view all the flashcards

Phase 1: Implementierung

Eine neue Prognoselösung wird implementiert.

Signup and view all the flashcards

Multiplikative Zeitreihenzerlegung

Trend, Zyklus, Saison und Rest werden multipliziert, um die ursprüngliche Zeitreihe zu erhalten. Geeignet, wenn Trend- oder Saisoneffekte mit dem Gesamtniveau skalieren.

Signup and view all the flashcards

Trend (in Zeitreihen)

Langfristiger Anstieg (oder Fall) in den Daten, dessen Richtung sich im Laufe der Zeit ändern kann.

Signup and view all the flashcards

Zyklus (in Zeitreihen)

Anstieg und Abfall der Daten ohne feste Häufigkeit, anders als saisonale Effekte.

Signup and view all the flashcards

Saisonbereinigung

Entfernen der saisonalen Komponente, um Trends und Abweichungen klarer zu erkennen.

Signup and view all the flashcards

Kalenderbereinigung

Anpassung von Zeitreihendaten, um die Auswirkungen von Kalenderereignissen wie Feiertagen zu neutralisieren.

Signup and view all the flashcards

Überanpassung

Ein Modell, das Trainingsdaten zu genau anpasst und Rauschen lernt, was zu schlechter Leistung bei neuen Daten führt.

Signup and view all the flashcards

Generalisierung einfacher Modelle

Einfache Modelle konzentrieren sich auf stabile Beziehungen und generalisieren oft besser.

Signup and view all the flashcards

Optimales Modell

Schwer zu finden, bezeichnet das optimale Gleichgewicht zwischen Varianz und Verzerrung in einem Modell.

Signup and view all the flashcards

Forecaster (Prognostiker)

Modell erstellt Vorhersagen basierend auf realen Daten, wobei die Genauigkeit außerhalb der Stichprobe im Vordergrund steht.

Signup and view all the flashcards

Statistiker

Nutzen Tests und Methoden, um Hypothesen zu prüfen und kausale Abhängigkeiten abzuleiten.

Signup and view all the flashcards

Erklärendes Modell

Identifiziert Treiber mit einer sinnvollen Beziehung zu einem Ergebnis, um theoretische Hypothesen zu testen.

Signup and view all the flashcards

Prädiktives Modell

Konzentriert sich primär auf höchste Vorhersagegenauigkeit.

Signup and view all the flashcards

Überanpassung in Zeitreihen

Die Anpassung eines Modells an Trainingsdaten, oft sichtbar an stark schwankenden Werten.

Signup and view all the flashcards

Maximale Baumtiefe

Begrenzt die maximale Tiefe eines Entscheidungsbaums.

Signup and view all the flashcards

K-Means/K-Medians

Ein Algorithmus, der Daten gruppiert, indem er k Cluster-Zentren (Mittelwerte oder Mediane) definiert und Datenpunkte dem nächsten Zentrum zuordnet.

Signup and view all the flashcards

Support Vector Machine (SVM)

Klassifiziert Daten, indem es sie transformiert und eine optimale Trennlinie oder -ebene (Hyperplane) findet.

Signup and view all the flashcards

K-Nächste Nachbarn (KNN)

Ein Algorithmus, der Beobachtungen basierend auf der Mehrheit der Klassen ihrer 'k' nächsten Nachbarn klassifiziert.

Signup and view all the flashcards

'k' in KNN

Die Anzahl der für die Klassifizierung betrachteten nächsten Nachbarn.

Signup and view all the flashcards

Zufallsbaum

Algorithmus lernt durch wiederholtes Aufteilen der Daten in Untergruppen basierend auf den Merkmalen.

Signup and view all the flashcards

Abstand im KNN

Die Messung der Nähe zwischen Datenpunkten im KNN-Algorithmus.

Signup and view all the flashcards

Kreuzvalidierung in SVM

Eine Technik, die verwendet wird, um die beste Trennung in einer SVM zu finden, während eine gewisse Fehlklassifizierung zugelassen wird.

Signup and view all the flashcards

Was sind Daten?

Daten sind Symbole, die Eigenschaften von Objekten darstellen.

Signup and view all the flashcards

Was sind Informationen?

Informationen sind Beschreibungen und Antworten auf Fragen wie 'Wer?', 'Was?', 'Wann?'.

Signup and view all the flashcards

Was ist Wissen?

Wissen ist das Know-how, Informationen in Anweisungen umzusetzen.

Signup and view all the flashcards

Was ist ein Kundenbedürfnis?

Ein Bedarf, finanzielle Risiken durch genauere Vorhersagen zu verringern.

Signup and view all the flashcards

Was ist ein KI-basierter Ansatz?

Die Identifizierung relevanter Daten und Nutzung von KI-Modellen.

Signup and view all the flashcards

Was sind Ergebnisse der Analyse?

Verbesserte Prognosen, Effizienz und wertvolle Erkenntnisse.

Signup and view all the flashcards

Nenne Phasen zu Einsichten

Datenerfassung, Geschäftsfaktoren identifizieren, Visualisierung.

Signup and view all the flashcards

Was passiert in Phase 1?

Eine neue Prognoselösung wird implementiert.

Signup and view all the flashcards

Wettreiber-Auswahl

Verbessert die Vorhersagegenauigkeit.

Signup and view all the flashcards

Regression (ML)

Zielvariable ist kontinuierlich.

Signup and view all the flashcards

Klassifizierung (ML)

Zielvariable sind vordefinierte Kategorien.

Signup and view all the flashcards

Clustering (ML)

Gruppierung ähnlicher unetikettierter Daten.

Signup and view all the flashcards

Anomalieerkennung

Identifizieren seltener, verdächtiger Elemente.

Signup and view all the flashcards

Trend-Zyklus (Zeitreihe)

Langfristige Muster ohne feste Häufigkeit.

Signup and view all the flashcards

Saisonalität (Zeitreihe)

Wiederholende Muster durch saisonale Faktoren.

Signup and view all the flashcards

Unregelmäßige Komponente

Alles, was nicht Trend oder Saison ist.

Signup and view all the flashcards

Random Forest

Erstellt Vorhersagen durch Kombination mehrerer Entscheidungsbäume, um Überanpassung zu reduzieren.

Signup and view all the flashcards

Was ist Kanban?

Eine visuelle Arbeitsmanagementmethode, in den 1940er Jahren von Toyota-Ingenieuren entwickelt.

Signup and view all the flashcards

Kanban-Prinzip

Ein System, das darauf abzielt, die richtige Arbeit zur richtigen Zeit und in der richtigen Menge zu liefern, basierend auf dem Prinzip des Just-in-Time.

Signup and view all the flashcards

Kanban Board

Aufgaben werden auf einer für alle Teammitglieder sichtbaren Tafel dargestellt, um den gesamten Arbeitsablauf zu visualisieren.

Signup and view all the flashcards

WIP-Limitierung (Kanban)

Die Begrenzung der unfertigen Arbeit (WIP), um Multitasking zu reduzieren und die Produktivität zu steigern.

Signup and view all the flashcards

Pull-System (Kanban)

Ein System, bei dem Aufgaben 'gezogen' werden, wenn Kapazität frei wird, anstatt 'geschoben' zu werden.

Signup and view all the flashcards

Produkt-Backlog

Eine Liste priorisierter Anforderungen und gewünschter Arbeiten an einem Produkt.

Signup and view all the flashcards

User Story

Aus Kundensicht definierte Anforderung, bestehend aus Rolle, Ziel und Nutzen.

Signup and view all the flashcards

Sprint (Event)

Zeitlich begrenzter Zeitraum (typ. kürzer als ein Monat), in dem ein Scrum-Team Arbeitsaufgaben erfüllt.

Signup and view all the flashcards

Sprint-Planung

Planungssitzung zu Beginn eines Sprints, um die Arbeit zu planen.

Signup and view all the flashcards

Sprint Backlog

Spezifisches Sprint-Ziel und ausgewählte Backlog Items für den Sprint.

Signup and view all the flashcards

Täglich (Stand-up)

Tägliches, kurzes Meeting zur Besprechung des Arbeitsfortschritts.

Signup and view all the flashcards

Bestandteile User Story

Wer? Was? Warum?

Signup and view all the flashcards

Prozessablauf innerhalb eines Sprints

Sprint Review, Sprint Retrospektive, Sprint Planung, Implementierung + Daily

Signup and view all the flashcards

Was ist ein Analytics Hub?

Ein Team, das wissenschaftliche Methoden nutzt, um Geschäfts- und Steuerungserkenntnisse zu gewinnen.

Signup and view all the flashcards

Warum ein Analytics Hub?

Die Digitalisierung erzeugt viele Daten. Datenverständnis verschafft Wettbewerbsvorteile.

Signup and view all the flashcards

Qualitative Vorteile eines Analytics Hubs

Höhere Qualität, Effizienz, schnellere Prozesse, bessere Planung, effektive Entscheidungen, verbesserte Steuerung.

Signup and view all the flashcards

Warum funktionsübergreifend?

Die Kombination aller verfügbaren Datenquellen im Unternehmen.

Signup and view all the flashcards

Dimensionen eines Zielbetriebsmodells

Strategie & Vision, Lenkungsmodell, Organisation, Technologie, Prozesse, Mensch & Kultur.

Signup and view all the flashcards

Motivation für Datennutzung

Unternehmensstrategie und externe Einflussfaktoren.

Signup and view all the flashcards

Wert durch Datennutzung

Wachstum, Effizienz, Compliance und Risikomanagement.

Signup and view all the flashcards

Schutz von Daten

Datenklassifizierung, Sicherheit, Wiederherstellung.

Signup and view all the flashcards

Datenarchitektur

Modellierung, Definitionen, Stammdaten.

Signup and view all the flashcards

Datenqualität

Kontrolle, Management, Korrektur, Berichterstattung.

Signup and view all the flashcards

Daten-Governance

Eigentum, Katalogisierung, Lebenszyklus, Bewertung.

Signup and view all the flashcards

Datenanalyse

Statistik, ML, KI, Visualisierung.

Signup and view all the flashcards

Datenverarbeitung

Erfassung, Integration, Speicherung, Bereitstellung.

Signup and view all the flashcards

Anwendungsfälle: Schritte

Erfassen, Bewerten, Priorisieren.

Signup and view all the flashcards

Wo Anwendungsfälle sammeln?

Wertschöpfungskette, Geschäftsbereiche.

Signup and view all the flashcards

Nutzen der Ressourcenoptimierung

Verbesserung des Serviceniveaus und Umsatzsteigerung durch optimierte Ressourcenallokation.

Signup and view all the flashcards

Ziel der Produktionsoptimierung

Maximierung der Kundenzufriedenheit durch schnellere Produktionszeiten und verbesserte Lieferzeiten.

Signup and view all the flashcards

Vorteile genauer Nachfrageprognosen

Reduzierung der Lagerkosten und Vermeidung von unnötigen Beständen durch exakte Nachfrageprognosen.

Signup and view all the flashcards

Analytischer Ansatz zur Nachfrageprognose

Ermittlung von Mustern in historischen Daten, um zukünftige Nachfrage und Schwankungen vorherzusagen.

Signup and view all the flashcards

Ziel der Kassenmittelvorausschätzung

Sicherstellung der aktuellen und zukünftigen Liquiditätssituation des Unternehmens.

Signup and view all the flashcards

Bedeutung der Liquiditätsvorausschau

Frühzeitige Erkennung potenzieller Liquiditätsengpässe, um rechtzeitig handeln zu können.

Signup and view all the flashcards

Umgang mit prognostiziertem Kapitalüberschuss

Effiziente Nutzung überschüssiger Mittel durch Prognosen, um diese gewinnbringend einzusetzen.

Signup and view all the flashcards

Methode zur Cashflow-Prognose

Nutzung von statistischen Modellen, um Muster und Trends in historischen Cashflow-Daten zu identifizieren.

Signup and view all the flashcards

Nettonutzen Berechnung

Nettonutzen = Effizienz + Effektivität – Projektkosten.

Signup and view all the flashcards

Effizienz (im Geschäft)

Dinge richtig tun (weniger Aufwand).

Signup and view all the flashcards

Effektivität (im Geschäft)

Die richtigen Dinge tun (Verbesserung der Ergebnisse).

Signup and view all the flashcards

Data Science (Standortbezogen)

Analyse von Herausforderungen mithilfe von Daten im räumlichen Kontext.

Signup and view all the flashcards

Business Analytics

Erweiterung von BI durch fortgeschrittene Analytik zur Wertsteigerung.

Signup and view all the flashcards

Business Forecasting

Anwendung von Data Science zur Vorhersage in Geschäftsfeldern.

Signup and view all the flashcards

Arten von D&A

Nicht-prädiktive Ansätze, prädiktive Ansätze, Inferenz und Optimierung.

Signup and view all the flashcards

Business Analytics Ziel

Nützliche Informationen ziehen, Effizienz fördern und mehr Geschäftswerte generieren.

Signup and view all the flashcards

Frühindikatoren

Indikatoren, die Richtung/Größenordnung zukünftiger Werte einer Referenzreihe anzeigen.

Signup and view all the flashcards

Koinzidenzindikatoren

Indikatoren, die sich ungefähr gleichzeitig mit der Referenzreihe ändern.

Signup and view all the flashcards

Nachlaufende Indikatoren

Indikatoren, die sich nach der Referenzreihe ändern.

Signup and view all the flashcards

Korrelationskoeffizient (Pearson)

Misst die lineare Beziehung zwischen zwei Variablen (x, y).

Signup and view all the flashcards

Einfache lineare Regression

Schätzt die lineare Beziehung zwischen Antwortvariable (y) und Vorhersagevariable (x).

Signup and view all the flashcards

Multikollinearität

Hohe Korrelation zwischen Prädiktorvariablen.

Signup and view all the flashcards

Mean Forecast

Die Prognosen aller zukünftigen Werte sind gleich dem Mittelwert der historischen Daten.

Signup and view all the flashcards

Naive Vorhersage

Die Prognose aller zukünftigen Werte wird auf den Wert der letzten Beobachtung gesetzt.

Signup and view all the flashcards

Drift Forecast

Naive Methode, bei der Prognosen im Laufe der Zeit steigen oder fallen können.

Signup and view all the flashcards

Saisonale Naive Vorhersage

Jede Vorhersage entspricht dem Wert der gleichen Jahreszeit des Vorjahres.

Signup and view all the flashcards

Minimale Blattgröße

Beschränkt die maximale Anzahl von Datensätzen, die ein Blattknoten enthalten kann.

Signup and view all the flashcards

Abstand

Die Messung der Nähe zwischen Datenpunkten, oft verwendet in Algorithmen wie KNN.

Signup and view all the flashcards

Sensitivität einzelner Bäume

Bestimmt, wie sehr ein einzelner Baum auf Änderungen in den Daten reagiert. Einzelne Bäume reagieren empfindlich auf Änderungen im Testsatz und sind anfällig für eine Überanpassung, da sie möglicherweise jeden Trainingssatz perfekt klassifizieren könnten

Signup and view all the flashcards

Rekursive Vorhersage

Ein Modell für alle Prognosehorizonte; die aktuelle Prognose wird als jüngster Ist-Wert zurückgeführt.

Signup and view all the flashcards

Direkte Vorhersage

Verschiedene Modelle für jeden Prognosehorizont; unabhängige Modelle "predict the gap".

Signup and view all the flashcards

ARIMA-Modell

AutoRegressiver-Integretierter-Gleitender Durchschnitt. Erfasst stochastische Struktur durch verzögerte Werte und Fehler.

Signup and view all the flashcards

VAR-Modell

Erweiterung univariater Modelle, die mehrere Zeitreihen gleichzeitig abdecken; wechselseitige Prognosen.

Signup and view all the flashcards

Univariate Vorhersage

Prognostiziert nur auf Basis von Vergangenheitswerten.

Signup and view all the flashcards

Multivariate Vorhersage

Prognostiziert unter Verwendung von Informationen von einem oder mehreren Treibern.

Signup and view all the flashcards

Endogene Vorhersage

Treiberwerte für die Zukunft sind unbekannt und müssen vorhergesagt werden.

Signup and view all the flashcards

Exogene Vorhersage

Treiberdaten werden außerhalb des Modells erzeugt; bekannte oder extern prognostizierte Werte.

Signup and view all the flashcards

Entscheidungsbäume

Teilt Daten basierend auf Merkmalen in kleinere Teilmengen auf.

Signup and view all the flashcards

Zufälliger Wald (Random Forest)

Verbindet die Stärken mehrerer Entscheidungsbäume als Ensemble-Methode

Signup and view all the flashcards

Vorteil/Nachteil rekursive

Welche Vorhersage ist recheneffizient, leidet aber unter Fehlerakkumulation?

Signup and view all the flashcards

Vorteile VAR-Modell

Welche Modelle ermöglichen gleichzeitige Vorhersagen mehrerer Werte mit Berücksichtigung von Rückkopplungseffekten?

Signup and view all the flashcards

Multivariate Modelle

Welche Modelle nutzen Informationen aus verschiedenen Quellen um die Prognose zu verbessern?

Signup and view all the flashcards

Nachteile Entscheidungsbäume

Kleine Änderungen in den Trainingsdaten können zu großen Änderungen in der Entscheidungslogik führen

Signup and view all the flashcards

Wie funktionieren Entscheidungsbäume?

Die beobachteten Daten werden auf der Grundlage verschiedener Merkmale in kleinere Teilmengen unterteilt

Signup and view all the flashcards

Qualitative Vorteile

Höhere Qualität, Effizienzsteigerung, schnellere Prozesse, bessere Planung, fundierte Entscheidungen und verbesserte Steuerung.

Signup and view all the flashcards

Dimensionen Zielbetriebsmodell

Strategie & Vision, Lenkungsmodell, Organisation, Technologie, Prozesse, Menschen & Kultur.

Signup and view all the flashcards

Study Notes

Okay, hier sind die aktualisierten Lernhinweise mit den zusätzlichen Informationen:

Zufälliger Wald (Random Forest)

  • Besteht aus mehreren Entscheidungsbäumen
  • Ensemble-Methode für Entscheidungsbäume, auch zur Regression/Klassifikation verwendbar
  • In einem Baum wird an jedem Knoten der verbleibende Datensatz durch einen Prädikator in zwei Teile geteilt. Die Baumtiefe kann begrenzt werden
  • Anhand von Daten über den Stundenlohn eines Mitarbeiters kann man Zufallsbaum erstellen, um den Stundenlohn neuer Mitarbeiter vorherzusagen

Eigenschaften von Zufälliger Wald

  • Einzelne Bäume reagieren empfindlich auf Änderungen im Testsatz und sind anfällig für eine Überanpassung
  • Die Schätzung von n Bäumen auf Bootstrap-Datensätze mindert dieses Risiko
  • Indem nur eine zufällig ausgewählte Teilmenge für die Aufteilung an jedem Knoten verwendet wird, können wir den Kompromiss zwischen starken Einzelbäumen und unkorrelierten Bäumen ausgleichen

Modell des K-Nächster-Nachbarn (KNN)

  • Bei der KNN-Algorithmus liegen ähnliche Beobachtungen in der Nähe beieinander die Nähe wird als Distanz zwischen zwei Datenpunkten berechnet
  • Um eine Beobachtung zu klassifizieren, werden ihre k nächsten Nachbarn betrachtet. Die sich ergebende Klasse ist diejenige, die die Mehrheit der Nachbarn hat
  • Keine Annahme über die zugrunde liegende Datenverteilung erforderlich; Es wird kein Modell erstellt

Einsatz vom Modell des K-Nächster-Nachbarn (KNN)

  • Nominale Merkmale und fehlende Daten erfordern zusätzliche Verarbeitung Bspw. Daten über Ausgaben und Kaufhäufigkeit von Kunden

Modell der Unterstützungsvektormaschine (SVM)

  • Support–Vector-Machine klassifiziert Daten, indem es sie transformiert und nach einer Linie oder Ebene sucht, die die Daten auf Grundlage ihrer Kennzeichnungen trennt; mit Kreuzvalidierung
  • Eingehende Daten können mit Hilfe dieses Schwellenwerts klassifiziert werden

Clusterbildung

  • K-Means/K-Medians
  • K-means ist ein Algorithmus zum Clustern von Daten in k Partitionen
  • Der Algorithmus wählt k zufällige Datenpunkte als Ausganspunkte und ordnet sie in Clustern an; Jeder Datenpunkte wird dem nächstgelegenen Cluster zugewiesen
  • Ein neuer Punkt wird als Mittelpunkt es Clusters berechnet Dies wird wiederholt, bis eindeutige Cluster entstanden sind

Exkurs: Qualitative Methoden

  • Subjektiv und häufig im Management verwendet
  • Beinhaltet die Delphi Methode, Expertenmeinung, Kunden- und Bevölkerungsbefragungen und Erfassen von Szenarien

Entscheidungen mit Qualitativen Methoden

  • Können in der Wirtschaft (Konjunktur-/BIP-Prognose, Nachfrageprognose), der Personalabteilung entstehen

Die Entscheidungen beruhen

  • Oft auf Heuristiken

Was sind Heuristiken?

  • Werden für alltäglichliche Entscheidungen verwendet, weil sie das Entscheiden erleichtern
  • Es werden unterschiedliche Heuristiken verwendet wie Recognition – heuristik, Representativeness heuristik und Anchor- and-adjustment Heuristik

Die Auswirkungen für KI

  • Umfassen die das erkennen von Anomalien, die Datenaufbereitung und das entscheiden über das Modell
  • Es braucht das zusammenspiel von Mensch und Maschine

Verknüpfung von Punktschätzer zum Intervall

  • Vorhersagen sind in der Regel nicht exakt, sondern geben Auskunft über die Prognoseunsicherheit
  • Die Prognoseunsicherheit kann durch die PrognoseVerteilung audsgerueckt werden

Die VUCA-Welt

  • Ist durch Ereignisse gekennzeichnet, die noch nie da waren, Schwarze Schwäne?

Eine Abwägung zwischen Bekannten

  • Die sich mit Hilfe der Einteilung der Unsicherheit nach Known/known und Known/unknown treffen lassen

Erklaerbarkeit/Black Box

  • Das Ziel ist die Genauigkeit wenn erklärende Variablen gut prognostizierbar sind: Einsichten („der Weg“)
  • Die Methode ist in der Lage die „wahre“ Beziehung zu modellieren

Kapitel 5 Betriebsmodell und Rollenprofile

  • Das Ermöglichen der fortgeschrittene Analysen und neuer Wege zur Arbeit mit Daten

Aufgaben eines Analytics Hub

  • Innovationsförderung, Datenzugrifftsteuerung
  • Das verstehen von Datenzusammenhängen und Wettbewerbsvorteile zu schaffen

Die Analysedrehscheibe

  • Hilft im Bereich des Marketings, in dem Sie ihre volles potenzial nur dann entfalten kann, wenn sie funktionsübergreifend angelegt ist und Anwendungsfälle aus verschiedenen Bereichen bedient

Analytics Hubs

  • Biete der Organization die Möglichkeit durch datenbasierte Erkenntnisse effektiver und effizienter zu arbeiten
  • Sind das schaffen Sie Grundlagen für die Exploitation vorhandener globaler Daten

Ziel Eines Analytics Hubs

  • Die Koordination von Daten- und Systemarchitektur, um Daten besser verwerten zu können

Der Einsatz von Daten Modellen

  • Sind bei dem das Zentrale Modell, das Hybride-Modell und das Dezentrales Modell möglich

Es gibt verschiedenen Schwerpunkte wie beispielsweise das Controlling

  • Im dem Zentralen Mittel wird ein Analytics Center als Teil des Controllings aufgebaut wird im Entstandenes- Model ein Team aus verschiedenen Bereiche gebildet, wird

Auf der Grundlage verschiedenen Schwerpunkten kann ein Data & unlytics Hub optimiert werden

  • Mit unterschiedlichen Rollrn von Data architects, zu Plftform DevOps

Agile Methoden

  • Die Agilen Methoden sind im Umfeld von Scrum und oder Knaben möglich

Die 3 Kernpunkte einer Agile Method

  • Sind der Umgang mit Muda- Mura und Muri

Perfektion als Punkt bei den Agilen Methoden

  • Wie kann der Prozess verbessert werden? Ständige Verbesserung Wertstroms und Streben nach Perfektion

Kapitel 7 über Experiment

  • Die Behandlungsgruppe ist diejenige, bei der versucht es versucht wird eine abhaenige variable zu beeinflussen

Experimente in der Wirtschaft

  • Werden zur Messung der Wirksamkeit der Ration von Menschen verwendet; es wird versucht durch Nudgings, also durch unterscheidelichung der Umgebung die Menschen zu besseren Ergebnissen zu fuehren

Zu verhindernde Schwierigkeiten beim. Etablierung von Experimente

  • Das Experiment sollte. Aussagekräftig sein: die Randomisierung sollte durch online. Plattformen vereinfacht werden

Das Experiment sollte auf Zuwenigteilnehmer

  • Präzision ist ein zentrales, Kriterium bei Experimenten
  • Die Zuverlässligkeit wird getestet indem Technologieunternehmen Stichproben aus den. Millionen von Nutzern ziehen

Randomisierung

  • Hilft den Kausal ZusammeHang
  • Online-Plattformen, die unterschiedliche Ansichten für ihre user wählen können erleichtern den Randomsierung Prozess

Unververlässlichkeit eines

  • Das Experimentes ist häufig in Experimenten gegeben da die Menschen sich manchmal seltsam verhalten

Menschliches Verhalten

  • Das menschliche Verhalten kann durch KI-Systeme beinflusst werden durch Filter Bubbles

Um verzerrungen in den KI zu verhindern

  • Es ist wichtig die Art und weise wie attribute ausgewählt werden. Um Mess oder BerichtsVerzerrung Zuverhindern

Es ist wichtig einen Schlüsse Erkenntnisse zu treffen

  • Experimente können helfen, die Intuition durch Daten zu ergänze

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Quiz Team

Related Documents

Description

Unterschiede zwischen Daten, Informationen und Wissen werden erläutert. Anwendung von Datenanalyse zur Umsatzprognose und Entscheidungsfindung. Ein Einblick in die Vorteile der Automatisierung und Visualisierung.

More Like This

Use Quizgecko on...
Browser
Open
Browser
Browser