blog
Wer beendet schon einen Marathon 1km vor dem Ziel?
🏃🏽♀️ 🏃🏽 Data Science- und Analyticsprojekte enden nicht mit der Erstellung eines Dashboards. Ich liebe diesen Vergleich von Datenprojekten mit einem Marathon. Viele fachlich exzellente Projekte scheitern deshalb, weil wir vor der letzten Meile einfach stehen bleiben...
Hollywood Hacks fürs Data Storytelling
🧠👅 Angewandtes Data Storytelling mit Tipps aus Hollywood: ▶️ Pixar-Filmemacher Andrew Stanton ("Toy Story", "WALL-E") gibt in diesem TED Conferences Talk Einblicke in seinen grandiosen Werkzeugkasten um Geschichten zu erzählen. Viele dieser Tipps verwenden wir auch im...
Unser Gehirn reagiert instinktiv – ist doch logisch!
Wenn wir Dateninformation teilen, vermuten wir fälschlicherweise, dass wir direkt den Teil des Gehirns ansprechen, der für Logik zuständig ist. Das stimmt so nicht.Unser Gehirn hat einen Filterprozess eingebaut, um die vielzähligen Umweltinformationen überhaupt...
There must be a hero
Das erwartet die Bootcampteilnehmer:innen im heutigen DATA STORYTELLING WORKSHOP:Nachdem wir bereits die wichtige Vorarbeit geleistet haben und✅ die psychologischen Grundlagen der gehirngerechten Datenkommunikation kennen gelernt,✅ unser Datenprojekt vorbereitet,✅...
Von der Powerpoint-Präsentation direkt in die Schublade?
💡 Data Science-Projekte scheitern nur manchmal an technischen Fragestellungen oder Datenthemen. Viel öfter scheitern sie an der Stelle, wo Menschen, Prozesse und Unternehmenspolitik ins Spiel kommen. Grandiose Projekte landen zu Unrecht plötzlich in der Schublade,...
Softe Faktoren als Projektkiller: ML Deployment Crisis
58% der Machine Learning-Experten geben an, dass weniger als 20% der von ihnen entwickelten Machine Learning-Anwendungen auch tatsächlich in Unternehmen zum Einsatz kommen. Das bedeutet, über 80% ihrer Modelle enden in Schubladen und die investierten Ressourcen...
Die größten Herausforderungen auf dem Weg zu data-driven
👉 Viele spannende Datenprojekte mit wirtschaftlichem Potenzial werden nicht implementiert oder ausgerollt, weil⚡️ Dateninformationen abstrakt und kompliziert sein können und das menschliche Gehirn Schwierigkeiten hat diese zu verarbeiten.⚡️ weil wir Maßnahmen setzen...