Dieses Modul befasst sich mit explorativen Methoden der Analytik, einschließlich Clustering, Anomalie-Erkennung und Assoziationsregel-Mining. Die Teilnehmer lernen, wie man ähnliche Datenpunkte gruppiert, Ausreißer identifiziert und verborgene Beziehungen innerhalb von Datensätzen aufdeckt und diese Techniken nutzt, um tiefere Einblicke zu gewinnen und datengesteuerte Entscheidungen zu treffen.

Lernen Sie verschiedene Geschäftskontexte kennen, in denen explorative Analytik angewendet wurde, um Erkenntnisse aus Daten zu gewinnen. Praktische Beispiele in diesem Modul stärken die theoretischen Konzepte der explorativen Analytik und bereiten die Studierenden auf die effektive Anwendung dieser Methoden in anderen realen Szenarien vor.

Dieses Modul veranschaulicht, wie man einen Design Sprint für die Sondierung von Projektideen mit Teammitgliedern einrichtet. Der Prozess beginnt mit einem Brainstorming, bei dem ein komplexer Geschäftsprozess und seine Anforderungen mithilfe der Situation-Complication-Question (SCQ)-Analyse in klare, umsetzbare Fragen zur Datenanalyse zerlegt werden. Diese Fragen werden dann priorisiert und mit Hilfe eines Baums abgebildet, um einen strukturierten Ansatz zur Problemlösung zu gewährleisten und die kritischsten Bereiche für datengesteuerte Erkenntnisse zu identifizieren.

Im nächsten Schritt des Design Sprints für die explorative Projektideenfindung identifizieren die Teams die gewünschten Projektergebnisse, indem sie Mockups erstellen, um potenzielle Lösungen zu visualisieren. Anschließend konstruieren sie einen Lösungsansatz, um diese Ergebnisse auf die anfänglichen Fragen abzubilden, indem sie die geeigneten explorativen Analytik-Methoden und verfügbaren Daten auswählen und so einen strukturierten und datengesteuerten Weg zur Erreichung der Projektziele sicherstellen.