Big Data im Gesundheitswesen: Die wichtigsten neuen Ansätze für Medical Data Mining

Die Speicherung von großen Mengen medizinischer Daten (Big Data im Gesundheitswesen) ermöglicht eine spürbare Verbesserung der Patientenversorgung. Mit der Anwendung von Data Mining Methoden können daraus bislang unbekannte und nützliche Informationen gewonnen werden. Das größte Potenzial liegt dabei bei der zeitnahen Verfügbarkeit spezifischer Entscheidungshilfen. Wir zeigen ihnen konkrete Umsetzungen.

Prädiktive Analyse: Wie die Daten von heute die Zukunft fürs Unternehmen vorhersagen

In diesem Artikel stellen wir Ihnen einen Data Science Bereich, der sich mit der Zukunft befasst: Prädiktive Analyse. Immer mehr Unternehmen, darunter solche Giganten wie Walmart oder IBM, bauen Prädiktive Analyse in ihre Geschäftsabläufe ein. Wir zeigen Ihnen, wie sich diese Planungsmethode von der anderen unterscheidet, wie sie funktioniert und wie auch Ihr Business von der Prädiktive Analyse profitieren kann.

So kann man KI im Unternehmen nutzen: Einsatzmöglichkeiten und Herausforderungen

Systeme künstlicher Intelligenz (KI) und Strategien des Maschinellen Lernens verändern die Welt ähnlich tiefgreifend und nachhaltig wie das Internet. Gleichzeitig ist das KI-Bewusstsein in Unternehmen noch eher gering ausgeprägt. Im Mittelpunkt des Artikels stehen Fragen, was künstliche Intelligenz ist und wo KI in Unternehmen bereits zum Einsatz kommt, welche Anwendungsmöglichkeiten anhand eines konkreten Fallbeispiels bereits genutzt werden und welche Herausforderungen und Einschränkungen für Unternehmen bestehen.

Customer Analytics (CRM): Wie man die Kundenbeziehung mit Data Mining nachhaltig verbessert

„Der Kunde ist König!“ – An diesem Spruch hat sich bis heute nichts geändert: Unternehmen, die Kunden mit ihren und Wünsche und -bedürfnisse kennen und in den Mittelpunkt stellen erhalten zufriedene, kaufkräftige und loyale Kunden mit langfristigen Geschäftsbeziehungen. Wir zeigen Ihnen, wie sie mit Customer Analytics Kundenwünsche und deren Bedürfnisse strukturiert wahrnehmen.

Was ist Deep Learning for Business und wie setzt man es sinnvoll ein?

Deep Learning for Business ist der neueste Trend in Business Analytics und Data Science Bereich. Doch was ist eigentlich Deep Learning? In diesem Artikel zeigen wir Ihnen die Welt der Künstlichen Intelligenz und Deep Learning Neural Networks. Sie werden wichtigste Begriffe und Verfahren kennenlernen und verstehen, wie auch Sie diese Funktionalitäten nutzen können, um für Ihr Business einen Mehrwert zu generieren.

Intention-To-Treat (ITT) vs. According-To-Protocol (ATP) Analyse in klinischen Studien – Die wichtigsten Facts

Bei klinischen Studien sind Studienabbrecher oder Protokollverletzungen keine Seltenheit. Häufig stellt dies aber ein ernsthaftes Problem für die Analyse der Daten dar. Wir zeigen Wege wie Sie mit solchen Abweichungen umgehen können und wie Sie durch eine Intention-To-Treat Analyse zu gültigen Analyseergebnissen gelangen.

Resampling Methoden: Mehr Power für Ihre Daten durch Bootstrapping Statistik und Permutation Test

Nichtparametrische Tests gelten als Mittel der Wahl, wenn die Normalverteilungsannahme verletzt ist. Dabei bleiben allerdings wertvolle Informationen unbeachtet, eine Einbuße an Trennschärfe oder Power ist die Folge. Wir zeigen Ihnen, wie sie mit modernen Resampling Methoden wie Bootstrapping Statistik oder Permutation Test mehr aus Ihren Daten holen.

Apache Spark: Machen Sie mehr aus Ihrem Big Data Beständen!

Big Data revolutionierte die klassische Datenanalyse und erweckte neue technische Tools zum Leben. Eines dieser Tools ist Apache Spark: Eine Technologie, die sich für komplexe und aufwendige Berechnungen und Datenverarbeitungen wie Streaming, ETLs und IoT extrem gut eignet. In diesem Artikel möchten wir Apache Spark und seine Geschichte vorstellen und zeigen, in welchen Bereichen von Business Analytics das Einsetzen dieser Technologie besondere Vorteile bringt.