Big Data

Bisweilen ist es unklar, wie sich die Disziplin Data Science Engineering in BI-Architekturen einbettet. Ein Problem dabei ist, dass Data Engineers häufig komplexe Pipelines – unter anderem zur Industrialisierung von maschinellen Lernverfahren – designen oder auch NoSQL-Datenbanken nutzen. Hier stoßen gängige, SQL-basierte Transformationen, wie man sie aus dem klassischen ETL-Bereich kennt, an Gren..

Viele Anwender von analytischen Systemen stellen fest, dass zwar viele Daten grundsätzlich verfügbar wären, aber aus den unterschiedlichsten Gründen nicht wirklich genutzt werden können. Diese Gründe sind vielfältig: Daten können nicht so schnell zur Verfügung gestellt werden, wie sie benötigt werden, da zuerst aufwendige ETL-Prozesse entwickelt werden müssen oder die Daten nur in größeren Zeitint..

Die IT-Welt der letzten Jahre wird bestimmt von Schlagwörtern wie Big Data, Data Science, Business Analytics, Künstliche Intelligenz sowie Maschinelles Lernen. In diesem Artikel wird untersucht, wie vor diesem Hintergrund die Zukunft der Informatik, des Autofahrens, des Sports, der Medizin, der Arbeit sowie die der Gesellschaft aussehen könnte. Die grundsätzliche Frage hinter allen Betrachtungen i..

Der verstärkte Einsatz von Edge-Computing in IIoT-Szenarien erfordert heute sowohl Kompetenzen im Bereich Engineering als auch in den Bereichen Datenverarbeitung und Algorithmen. Eine Herausforderung für industrielle IoT-Projekte besteht daher darin, Engineering (Industrial Computing, PLC) und Data Science (Daten, KI-Modelle, Statistik, Cloud-IT) zusammenzubringen. Der vorliegende Artikel stellt e..

In diesem Artikel wird gezeigt, wie Advanced Analytics helfen kann, den Recruiting-Prozess zu beschleunigen, qualitativ zu verbessern und sowohl die Candidates Journey als auch die KPI „Time to Hire“ zu reduzieren, die im immer stärker umkämpften Fachkräftemarkt essenziell ist. Dabei liegt der Fokus auf der fachlichen Beschreibung sowie der technischen Umsetzung zweier Use-Cases. Use-Case 1 beschä..