Big Data: Predictive-Analytics-Tools im Überblick

Inhaltsverzeichnis

Mehr zu Data Science / Datenanalyse

• Datenanalyse mit Python: Muster in Zeitreihen erkennen
• Zentralisiertes Logging mit Loki
• Wie Sie Python für die Zeitreihenvorhersage nutzen
• Unternehmenskapital: Daten als bilanzielle Vermögenswerte ausweisen
• Predictive-Analytics-Tools im Überblick
• Plattformen für Log-Management im Vergleich
• CIO-Corner: Mit Data Thinking mehr Wert aus Daten ziehen
• Sicherheit: Schutz vor Data Poisoning und anderen Angriffen auf KI-Systeme
• Qualitätsgesicherte Machine-Learning-Workflows mit PyDeequ
• Datenmanagement für KI: Machine-Learning-Versionierung mit Data Version Control
• Data Storytelling: Daten effektiv, funktional und ästhetisch kommunizieren
• Python-basiertes Framework: Mit Streamlit schneller zum Data-Science-Prototyp
• Datenanalyse des sozialen Netzwerks Reddit: Daten beschaffen und auswerten
• Datenanalyse des sozialen Netzwerks Reddit: Communitystrukturen visualisieren
• Data Science: Mit DataOps alles aus den Daten holen

Big Data, Analytics, Machine Learning und neuronale Netzwerke: Die Bandbreite, in der Daten Verwendung finden, wächst von Jahr zu Jahr – genauso wie die Datenmenge in den Unternehmen. Dabei sitzen viele Unternehmen auf einer erheblichen Umsatzquelle, ohne es zu wissen. Ihnen fehlt es an Durchblick und Möglichkeiten, Datenanalysen in Angriff zu nehmen. Infolgedessen bleiben wertvolle historische Daten und mögliche Prognosen in den Datenzentren dieser Welt ungenutzt.

Eine aktuelle Studie der techconsult GmbH in Zusammenarbeit mit der IONOS SE konstatiert, dass lediglich 17 Prozent der befragten Unternehmen ihr Datenpotenzial voll ausschöpfen, darunter vor allem die Unternehmen mit mehr als 500 Beschäftigten. Fast jedes zweite Unternehmen (48 Prozent) gibt noch "eher ja" an, doch mehr als jedes dritte Unternehmen (35 Prozent) hat noch Anlaufschwierigkeiten.

Hierbei sind die Herausforderungen, denen sich die Unternehmen stellen müssen, vielseitig. Einerseits stehen sie vor einem maroden Datenmanagement, das sich in schlechter Datenqualität widerspiegelt, andererseits fehlt es an qualifiziertem Personal. Andere Unternehmen haben Compliancebedenken: Sie befürchten, die Vorschriften im Bereich des Datenschutzes nicht einhalten zu können, wenn sie mit den Daten arbeiten.

Das war die Leseprobe unseres heise-Plus-Artikels "Big Data: Predictive-Analytics-Tools im Überblick". Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.