Predictive Analytics: Heute Auf Morgen Reagieren

SAP SE에서 제공하는 콘텐츠입니다. 에피소드, 그래픽, 팟캐스트 설명을 포함한 모든 팟캐스트 콘텐츠는 SAP SE 또는 해당 팟캐스트 플랫폼 파트너가 직접 업로드하고 제공합니다. 누군가가 귀하의 허락 없이 귀하의 저작물을 사용하고 있다고 생각되는 경우 여기에 설명된 절차를 따르실 수 있습니다 https://ko.player.fm/legal.

Close the Gap « »
Predictive Analytics: Heute auf morgen reagieren - s.peers

5y ago 1:06:55

MP3•에피소드 홈

저장한 시리즈 ("피드 비활성화" status)

When? This feed was archived on March 05, 2023 23:35 (2+ y ago). Last successful fetch was on November 29, 2022 04:46 (3y ago)

Why? 피드 비활성화 status. 잠시 서버에 문제가 발생해 팟캐스트를 불러오지 못합니다.

What now? You might be able to find a more up-to-date version using the search function. This series will no longer be checked for updates. If you believe this to be in error, please check if the publisher's feed link below is valid and contact support to request the feed be restored or if you have any other concerns about this.

Beschreibung:

Nur wer die Zukunft heute schon kennt, kann perfekt entscheiden. Predictive Analytics ermöglicht es Unternehmen, die Zukunft zu prognostizieren. Ich spreche heute mit den Predictive Analytics Experten Michael P. May, CEO s-peers AG und Dr. Dominik Bertsche, Statistische Modellierung und Prognosewerkstatt, s-peers AG über Projekte, Beispiele, Algorithmen und Lösungen. Es wird spannend.

Gäste

Michael P. May, CEO, s-peers AG
Dr. Dominik Bertsche, Professional Consultant (Predictive Analytics | Data Science | Visualization) Prognosewerkstatt, s-peers AG

Host

Dr. Christian Michel, SAP Business Technology Evangelist, SAP

Links

챕터

1. Einleitung und Thema (00:00:00)

2. Anfang Gespräch und Vorstellung Gäste: Michael May und Dominik Bertsche von s-peers (00:02:45)

3. Was ist Predictive Analytics? (00:06:13)

4. Erste Hürde: Daten (00:09:06)

5. Welchen Zeitaufwand im Projekt erzeugen Daten? 80:20 (00:11:08)

6. Erste Schritte bei Kundenanfragen: Spezifisch vs. explorativ, Einstieg Sales Forecast, KI, etc. (00:14:36)

7. Künstliche Intelligenz vs. Predictive Analytics und Zeitreihenanalyse (00:18:04)

8. Wann verwendet man welche Methode zur Vorhersage? (00:21:54)

9. Hauptziel: Automatisierung und gute Ergebnisse per Knopfdruck (00:26:01)

10. Wie läuft ein Projekt typischerweise ab? Exploration, Starter Fokus, Datenaufbereitung, Iteration weitere Effizienzsteigerungen (00:29:51)

11. Vertrauen in neue Helfer gewinnen: Vorhersagequalität, Erklären (00:33:38)

12. Nachvollziehbarkeit von Vorhersagen (00:35:44)

13. Beispiel Tankstellennetz: Prognosen, Ausreisser, Datenqualität (00:40:32)

14. Umgang mit Ausreissern? (00:43:28)

15. Welche (SAP) Lösungen kommen zum Einsatz? R Server, Python, SAP Analytics Cloud, BW, Data Warehouse Cloud (00:45:34)

16. Ein paar Detail zu "R" (00:50:47)

17. Business Value von Vorhersagen? (00:56:09)

18. Haben alle Unternehmen das Thema für sich entdeckt? (01:00:32)

19. Famous Last Words: Webseite, Youtube Kanal, LinkedIn, Sales Forecast Angebot (01:02:08)

20. Abschied (01:05:54)

62 에피소드

#Technologie #SAP SE #German #Opensap #Product

Predictive Analytics: Heute auf morgen reagieren - s.peers

Close the Gap

published 5y ago

MP3•에피소드 홈