Data Science - (K)eine Teenagerliebe
1 gefällt mir•1,532 aufrufe
Das Dokument behandelt die Wahrnehmung von Data Science und deren Anwendungsmöglichkeiten in verschiedenen Branchen, wobei Unterschiede zwischen Data Science und Big Data betont werden. Es werden zahlreiche Anwendungsbeispiele vorgestellt, darunter Kaufempfehlungen, Vorhersagen von Abwanderungen und vorausschauende Wartung großer Maschinen. Der Fokus liegt auf datengetriebenem Arbeiten und der Optimierung durch intelligente Datenanalysen, die als vielversprechende Ansätze für die Industrie der Zukunft angesehen werden.
Data Science - (K)eine Teenagerliebe
- 1. Zürcher Fachhochschule Data Science – (k)eine Teenagerliebe? Thilo Stadelmann, Swiss ICT Symposium, 05. November 2011
- 2. Zürcher Fachhochschule 2 Teenagerliebe? Quelle: https://www.facebook.com/dan.ariely/posts/904383595868 Keiner macht es!? Agenda •Data Science in der öffentlichen Wahrnehmung •Spannende Anwendungsfälle, die vielleicht überraschen Enorm viele Branchen können profitieren Data Science ≠ Big Data ! Aber: Hohe Korrelation in der aktuellen öffentlichen Wahrnehmung.
- 3. Zürcher Fachhochschule 3 Beliebte Data Science Beispiele •Kauf-Empfehlungen: Bspw. «Netflix Price» (2009) Quelle: http://www.netflixprize.com/ •Abwanderungs-Prognosen: Telkos, Versicherungen, … Quelle: http://engineering.zhaw.ch/de/engineering/forschung/publikationen-t.html?pi=206434&gu=96884 •Warenkorb-Analyse: Bspw. Windeln & Bier, Bücher, … Quelle: http://web.onetel.net.uk/~hibou/Beer%20and%20Nappies.html •Risiko und Missbrauch: Lebensversicherungen, Kreditkarten- nutzung Quelle: Eric Siegel, «Predictive Analytics», John Wiley & Sons, 2013 Benutzerprofile zur Optimierung des Konsums …
- 4. Zürcher Fachhochschule 4 Datengetriebenes arbeiten und personenbezogene Daten Datengetrieben arbeiten heisst: •Den gesunden Menschenverstand beiseite lassen •Korrelation suchen, nicht direkt Kausalzusammenhänge Unbewusste Vorgänge werden normativ Vergessen ist nicht vorgesehen Nur das gewöhnliche wird gelernt Zum Weiterlesen: Byung-Chul Han, «Psychopolitik», S. Fischer, 2014 Whatever you are doing with computers, you are changing our world. Is it for the better? Quelle: Michael L. Brodie, http://www.michaelbrodie.com/michael_brodie_statement.asp
- 5. Zürcher Fachhochschule 5 Data Science abseits der Hauptbühne
- 6. Zürcher Fachhochschule 6 Beispiel automatische Vorhersage Was? Wer? Grippe Google Flu Trends: Sagt anhand Suchtrends Zunahme von Grippefällen 7-10 Tage vor der zuständigen staatlichen Seuchenstelle voraus Systemfehler Argonne National Laboratory: Vorhersage von Rissen im Kühlsystem von AKWs BNSF Railway: Vorhersage defekter Gleise 85% Verhindert schwere Zugunglücke TTX: Vorhersage von Fehlern in hunderttausenden von Eisenbahnrädern zur Abschätzung des jährlichen Wartungsaufwands (98.5% Genauigkeit) Ölfördermenge National Iranian South Oil Company: Vorhersage der Tagesproduktion an Öl Flugverspätung Continental Airlines: Vorhersage der Verspätung von Flügen via Radardaten (Einsparung mehrerer 10 Millionen Dollar) Fahrer- ablenkung Ford Motor Company, TWT GmbH: Grad der Fahrerablenkung für Autolenker (86% Genauigkeit für Ford-System) Quellen: •Eric Siegel, «Predictive Analytics», John Wiley & Sons, 2013 •Thilo Stadelmann et al., «FABELHAFT - Fahrerblenkung: Entwicklung eines Meta-Fahrerassistenzsystems durch Echtzeit-Audioklassifikation», VDI Wissensforum, 2012
- 7. Zürcher Fachhochschule 7 Beispiel Industrie 4.0
- 8. Zürcher Fachhochschule 8 Beispiel vorausschauende Wartung Ausganslage: Wartung grosser Maschinen ist teuer, Ausfall noch teurer Ziel: Wartung, wenn Defekt kurz bevorsteht anstatt präventiv Herausforderung: Genereller Ansatz - Tuning auf jede individuelle Maschine vermeiden Lösung: •Sensoren überwachen Betriebsparameter kontinuierlich •Datenanalyse z.B. “in der Cloud” •Selbstadaptive Signalverarbeitungsansätze •Verfolgen von Änderungen über die Zeit
- 9. Zürcher Fachhochschule 9 Beispiel Informationsbeschaffung / Suche Ausgangslage: Ca. 7’500 Förderstiftungen in der Schweiz Ziel: Visuelle Suche anhand eines Förderantrags soll geeignetsten Sponsor zu Tage fördern Herausforderung: Quantifizieren & Darstellen der inhaltlichen Ähnlichkeit von Stiftungszwecken Lösung: •Entwicklung eines mehrsprachigen Suchsystems •Extrem kleiner Datensatz für aussagekräftige Suchverfahren (7’500 Stiftungszweck-Dokumente) Extrem recall-orientiert (Suchleistung vs. Präzision der Ergebnisse) •Sehr grosser Datensatz für intuitive Visualisierungen “Forced Directed Layout” auf Ähnlichkeitsmatrix der Wörter sowie Themenmodellierung
- 10. Zürcher Fachhochschule 10 Beispiel Open Data Exploration («SODES») Ausgangslage: Open Data könnte sich als Goldgrube erweisen – wenn es nicht so zeitaufwändig zu integrieren wäre Ziel: Eine Plattform für einfachen und intuitiven Zugang, Integration und Exploration verschiedener Datenquellen Herausforderung: Betrieb der Plattform Lösung: •Konzept und Methodik vorhanden •Betriebspartner gesucht
- 11. Zürcher Fachhochschule 11 Fazit •Fertigungsautomation •Vorausschauende Wartung •Suche und Informationsbeschaffung •Intelligente Vorverarbeitung von Daten •… Viele lohnende Anwendungsfälle für Advanced Analytics jenseits von «BI» Mehr Data Science? •Weiterbildung: dlab.zhaw.ch/teaching •Konferenz: dlab.zhaw.ch/sds2015 •Projekte: [email protected]