Daten-Teams

• Verfasst von: Anderson, Jesse [VerfasserIn]
• Titel: Daten-Teams
• Titelzusatz: Ein einheitliches Managementmodell für erfolgreiche, datenorientierte Teams
• Werktitel: Data teams
• Verf.angabe: von Jesse Anderson
• Verlagsort: Berkeley, CA
• Verlagsort: Berkeley, CA
• Verlag: Apress
• Verlag: Imprint: Springer
• E-Jahr: 2024
• Jahr: 2024.
• Jahr: 2024.
• Umfang: 1 Online-Ressource(XXVII, 332 S. 13 Abb.)
• ISBN: 9798868800726
• DOI: doi:10.1007/979-8-8688-0072-6
• Datenträger: Online-Ressource
• Sprache: ger
• Bibliogr. Hinweis: Erscheint auch als : Druck-Ausgabe
• Sach-SW: Daten
• Sach-SW: Große Daten
• Sach-SW: Datenwissenschaft
• Sach-SW: Datenwissenschaftler
• Sach-SW: Datentechnik
• Sach-SW: Daten-Ingenieur
• Sach-SW: DataOps
• Sach-SW: DataOps-Ingenieur
• K10plus-PPN: 1893106594
• K10plus-PPN:
  Universitätsbibliothek
• Lokale URL UB: Zum Volltext

Abstract

Teil 1: Einführung in Datenteams -- Kapitel 1: Datenteams -- Kapitel 2: Die guten, die schlechten und die hässlichen Datenteams -- Teil 2: Aufbau Ihres Datenteams -- Kapitel 3: Das Data Science Team -- Kapitel 4: Das Data Engineering Team -- Kapitel 5: Das Operations Team -- Kapitel 6: Spezialisierte Mitarbeiter -- Teil 3: Zusammenarbeit und Management der Datenteams -- Kapitel 7: Arbeiten als Datenteam -- Kapitel 8: Wie das Unternehmen mit Datenteams interagiert -- Kapitel 9: Management von Big-Data-Projekten -- Kapitel 10: Starten eines Teams -- Kapitel 11: Die Schritte für erfolgreiche Big-Data-Projekte -- Kapitel 12: Organisatorische Änderungen -- Kapitel 13: Probleme diagnostizieren und beheben -- Teil 4: Fallstudien und Interviews -- Kapitel 14: Interview mit Eric Colson und Brad Klingenberg, Stitch Fix -- Kapitel 15: Interview mit Dmitriy Ryaboy, Twitter, Cloudera, Zymergen -- Kapitel 16: Interview mit Bas Geerdink, ING, Rabobank -- Kapitel 17: Interview mit Harvinder Atwal, Moneysupermarket -- Kapitel 18: Interview mit einem großen britischen Telekommunikationsunternehmen -- Kapitel 19: Interview mit Mikio Braun, Zalando.

Abstract

Erfahren Sie, wie Sie erfolgreiche Big-Data-Projekte durchführen, wie Sie Ihre Teams mit Ressourcen ausstatten und wie die Teams miteinander arbeiten sollten, um kosteneffizient zu sein. In diesem Buch werden die drei Teams vorgestellt, die für erfolgreiche Projekte erforderlich sind, und es wird erläutert, welche Aufgaben die einzelnen Teams haben. Die meisten Unternehmen scheitern mit Big-Data-Projekten, und der Misserfolg wird fast immer auf die verwendeten Technologien geschoben. Um erfolgreich zu sein, müssen sich Unternehmen sowohl auf die Technologie als auch auf das Management konzentrieren. Die Nutzung von Daten ist ein Teamsport. Es bedarf verschiedener Menschen mit unterschiedlichen Fähigkeiten, die alle zusammenarbeiten müssen, um etwas zu erreichen. Bei allen Projekten, mit Ausnahme der kleinsten, sollten die Mitarbeiter in mehreren Teams organisiert werden, um das Scheitern von Projekten und unzureichende Leistungen zu vermeiden. Dieses Buch konzentriert sich auf das Management. Vor einigen Jahren wurde wenig bis gar nicht über das Management von Big-Data-Projekten oder -Teams geschrieben oder gesprochen. Data Teams zeigt, warum Managementfehler die Ursache für so viele Projektmisserfolge sind und wie Sie solche Misserfolge in Ihrem Projekt proaktiv verhindern können. Was Sie lernen werden Entdecken Sie die drei Teams, die Sie brauchen, um mit Big Data erfolgreich zu sein Verstehen, was ein Datenwissenschaftler ist und was ein Datenwissenschaftsteam tut Verstehen, was ein Data Engineer ist und was ein Data Engineering Team macht Verstehen, was ein Betriebsingenieur ist und was ein Betriebsteam tut Wissen, wie sich die Teams und Titel unterscheiden und warum Sie alle drei Teams brauchen Erkennen, welche Rolle das Unternehmen bei der Zusammenarbeit mit Datenteams spielt und wie der Rest der Organisation zu erfolgreichen Datenprojekten beiträgt Die Übersetzung wurde mit Hilfe von künstlicher Intelligenz durchgeführt. Eine anschließende menschliche Überarbeitung erfolgte vor allem in Bezug auf den Inhalt.