Data Science Consulting

Data Science to Production

Data Science to Production, also die Integration der erstellten Modelle und gewonnenen Ergebnisse in Ihre operativen Geschäftsprozesse und IT-Landschaft, ist das Ziel unserer Zusammenarbeit. Denn erst wenn die Ergebnisse produktiv eingesetzt werden, können wir von einem erfolgreichen DataScience Projekt sprechen.

Um diese Produktivsetzung zu ermöglichen, steht Ihnen unser Data Engineering Team zur Seite. Unsere Experten stellen dabei bereits zu Beginn des Projektes sicher, dass ein Transfer in die Produktivumgebung problemlos durchgeführt werden kann, indem technische Aspekte frühzeitig berücksichtigt werden und so beispielsweise Performance-Probleme oder überraschende Kosten vorgebeugt werden.

Ein weiterer Aspekt der beachtet und von uns berücksichtigt wird, ist die anschließende Wartung und kontinuierliche Anpassung der Modelle (Data Science in Production), damit ein langfristiger Erfolg des Projektes sichergestellt werden kann.

Unsere Machine Learning Expertise

Unsere Experten konnten bereits in zahlreichen Projekten spannende DataScience Use Cases umsetzen und einen großen Erfahrungsschatz aufbauen. Der Fokus liegt dabei insbesondere in den Bereichen Zeitreihenvorhersage, Explainable AI, Machine Learning, Risk Modelling, Kundensegmentierung und Bilderkennung. Dadurch bringen wir technisches Know-how und Branchen Wissen zusammen, um gemeinsam mit Ihnen folgende Ziele zu erreichen:

→ Identifizieren von realisierbaren und lohnenden Use Cases
→ Ermitteln benötigter Daten und geeigneter Methoden
→ Schaffen eines maßgeschneiderten Modells, das echten Mehrwert schafft

Faktoren für ein erfolgreiches Data Science Projekt

→ Vorhandensein einer ausreichende Datengrundlage
→ Berücksichtigung der Daten-Infrastruktur für eine Integration in die IT-Landschaft
→ Entwicklung eines individuellen und robusten Modells für vertrauenswürdige Ergebnisse
→ Bereitstellung und Interpretation der Ergebnisse
→ Entwicklung eines Konzeptes für die Wartung und Weiterentwicklung des Modells

Um dies zu erreichen, beraten wir Sie ganzheitlich. Hierfür stehen Ihnen unsere Experten aus den Bereichen Data Science und Data Engineering für die Entwicklung der Modelle und Architektur zur Seite, als auch Berater aus dem SAP Bereich, die wichtige Unterstützung bei der Zusammenführung der notwendigen SAP Daten in die Cloud leisten.

Unser Vorgehen

Jedes Datenprojekt ist anders, sodass diese individuell betrachtet und umgesetzt werden müssen. Mit 15 Jahren Projekterfahrung konnten wir bereits einige Learnings mitnehmen und haben daraus eine best practice Vorgehensweise entwickelt, um wichtige Aspekte standardmäßig zu durchleuchten und somit den Erfolg des Projekts zu gewährleisten.

Workshop - Anforderungsanalyse

Im Rahmen eines ersten gemeinsamen Workshops legen wir die Basis für ein erfolgreiches Projekt.

Zunächst definieren wir die Problemstellung und führen eine Ist-Analyse in diesem Bereich durch. Dabei wird beispielsweise die Datenarchitektur, Datenverfügbarkeit und -qualität betrachtet.

Nachdem diese Aspekte durchleuchtet wurden, folgt die Entwicklung eines Zielbildes und einer GAP-Analyse. Dadurch wird gewährleistet, dass die Anforderungen richtig erfasst und der Scope angemessen eingeschätzt wird.

Für diesen Workshop haben sich unser Data Thinking Weg und Canvases der FIVE1 bewährt.

1
Entwicklung eines Prototypen

In einem nächsten Schritt stellen wir die Machbarkeit Ihres Projektes sicher. Hierfür bereiten wir die Daten auf und führen diese aus den unterschiedlichen Quellen in der Cloud zusammen. Anschließend wird ein erstes Modell trainiert und die Ergebnisse validiert. Auf Basis dieses Prototypen evaluieren wir gemeinsam mit Ihnen die weitere Ausarbeitung des Projektes.

2
Production Ready

In dieser Phase wird Ihr Data Science Projekt konkret umgesetzt. Der Prototyp wird hierfür um Custom Features erweitert, das ML Modell verfeinert und so letztlich in ein fertiges Produkt überführt. Ein weiteres Augenmerk legen wir auf die Infrastruktur, Skalierbarkeit, Automatisierung und ML Ops Prozesse, bevor Ihr Datenprojekt in die Produktivumgebung überführt wird.

3
Data Science in Production

Mit dem Deployment in die Produktivumgebung ist das Projekt für uns noch nicht abgeschlossen. Vielmehr betreuen wir Sie auch im Nachgang mit dem Betrieb, der Überwachung und mit weiteren Verbesserungen, um einen optimalen Betrieb zu gewährleisten.

4