Loading...
Zurück

12. Juli 2018

Harmonisierung von heterogenen Materialstammdaten

Veröffentlicht in: Veröffentlichungen

Alle sprechen über Data Science und Predictive Analytics, aber wie können Analysen realisiert werden, wenn die Daten nicht an einer Stelle gebündelt sind? Was, wenn sie – wie so oft gesehen – an unterschiedlichsten Stellen, in verschiedenen Systemen im Unternehmen verteilt sind? Welche Rolle spielt Machine Learning dabei mit dieser Herausforderung umzugehen?

Wir haben uns dieser Thematik angenommen und mit modernen Algorithmen, unserer Data-Science-Plattform ONE DATA und in Zusammenarbeit mit der thyssenkrupp AG eine Lösung geschaffen. In unsere Data-Science-Plattform können auch heterogene Datenquellen integriert werden, wodurch eine Harmonisierung von historischen Daten ermöglicht wird.

Unser Chief Data Scientist, Dr. Sebastian Wernicke und Dr. Sebastian Appelhans, Head of thyssenkrupp Business Process Management, veröffentlichten zu unserem konkreten Anwendungsfall einen Artikel in den DOAG Business News.

Den ganzen Artikel finden Sie hier zum Nachlesen.

Für Fragen zu diesem oder anderen Anwendungsfällen, freuen wir uns auf Ihre Kontaktaufnahme!

Weitere Posts

Veröffentlichungen

Neue Einsichten in Google Ads

Forschung und Praxis – zwei schwierig vereinbare Komponenten? Nicht bei uns! Unser Kollege Stefan Rameseder hat zusammen mit Christoph Rust von der Universität Regensburg und…

Mehr erfahren
Veröffentlichungen

Keine Überraschungen mehr bei Auktionen?

Eine Auktion mit vielen anonymen Bietern kann große Überraschungen bergen. Umso besser natürlich, wenn man den Ausgang einer Versteigerung vorhersagen oder zumindest genauer einschätzen könnte….

Mehr erfahren
Detailaufnahme Felsen mit elektronischen Schmuckelement
Veröffentlichungen

Forecasts: Jeder braucht sie, keiner kann sie skalieren

In welchen Bereichen sind Forecasts anwendbar und wie kann man Forecasts sowohl auf große Datenmengen als auch auf verschiedene Kontexte skalieren? Antworten auf diese Fragen…

Mehr erfahren