eoda | data science environment

Skript-Sprachen sind der Schlüssel in der Digitalen Revolution

Data Mining, Künstliche Intelligenz und statistische Modelle – der Einsatz von Data Science ist einer der Erfolgsfaktoren der digitalen Revolution. Oftmals werden Data Science-Algorithmen in Programmiersprachen wie R, Python oder Julia geschrieben.

Vor allem zum schnellen Prototyping oder zum Proof-of-Concept eignen sich diese leichtgewichtigen Sprachen mit ihren unzähligen Bibliotheken für statistische Modelle, Datenmanagement oder zur Visualisierung von Ergebnissen. 

Data Science als Team-Disziplin im unternehmenskritischen Umfeld

Mit dem eoda | data science environment – bestehend aus dem eoda | data science core und dem eoda | data science portal – verbinden wir Data Science mit Ihren Geschäftsprozessen, um im Team daten- oder analytikgestützte Prozesse und Produkte zu entwickeln.

Der data science core – Analyse-Projekte steuern und verwalten

Der eoda | data science core ist das Herzstück der Anwendung. Hier lassen sich Datenquellen anbinden, Benutzerrechte und Analyseskripte verwalten sowie Analyse-Jobs steuern und operationalisieren – in einer zuverlässigen und kontrollierten Umgebung. Der Data Scientist profitiert von der vollen Flexibilität der Skript-Sprachen und wird von Routineaufgaben befreit.

Data Science-Know-how und Fachbereichswissen gehören zusammen

Der eoda | data science core wird durch das eoda | data science portal ergänzt – eine Webanwendung zur explorativen Analyse und Darstellung der Ergebnisse. Mit flexibel kombinierbaren Modulen können individuelle Data Science-Anwendungen wie Condition Monitoring oder Risk Management konfiguriert werden.

Im Ergebnis optimiert das eoda | data science environment die Zusammenarbeit zwischen Data Science und den Fachabteilungen: Daten- und analysegetriebene Geschäftsprozesse werden etabliert und neue Geschäftsmodelle werden für das Zeitalter der Digitalisierung entwickelt.

Alle technischen Features des eoda | data science environment finden Sie hier. 

...Fachanwender

• Umsetzung der Digitalisierung durch Daten- und analysegestützte Prozesse

• Entwicklung von KI-Anwendungen

• fachübergreifend Data-Science-Workflow in Anlehnung an CRISP-DM

• transparente und nachvollziehbare Analysen und Ergebnisse

• Rollen- und Filterkonzepte zur explorativen Datenanalyse

• benutzerfreundliche und individualisierbare Dashboards

...Data Scientists

• Einsatz verschiedener Open-Source-Skriptsprachen wie R, Python oder Julia

• einfache Einbindung und individualisierbare Analyseskripte

• zeit- und ereignisgesteuerte Analyseausführung

• nachvollziehbare Ergebnisse statt Black Box-Ansatz

• Nutzung der gewohnten IDE wie RStudio, Eclipse etc.

• Standardisierte und dokumentierte API zur Einbindung von Analysen und Modellen in Geschäftsanwendungen

...IT-Administratoren

• kontrollierte und skalierbare Umgebung

• umfangreiche und gut dokumentierte Schnittstellen

• hohe Performance durch Lastverteilung

• einfache Wartbarkeit

• Trennung von Verantwortlichkeiten

• zuverlässiges Monitoring & Logging

• Bereitstellung als SaaS, Cloudlösung oder On-Premise