Von der Idee zum Datenprodukt: Markttransparenz mithilfe von Machine-Learning-AlgorithmenScout24 ist einer der führenden digitalen Marktplätze, der auf die Bereiche Immobilien sowie den Automotive-Markt in Deutschland und anderen ausgewählten Ländern spezialisiert ist. Scout24 verfolgt unter anderem das Ziel, aus vorhandenen Daten Marktinformationen zu generieren, um so den Nutzern ihre Entscheidungen so weit es geht zu vereinfachen.
Dieser Vortrag nimmt Sie mit auf eine Reise vom Erstellen eines Preismodells für AutoScout24 über die verschiedenen Schwierigkeiten bei der Umsetzung und Implementierung dieses Features auf der Plattform bis hin zur Verarbeitung vom Feedback der Nutzer. Des Weiteren werden die aktuellsten Entwicklungen und Verbesserungen des Produkts beleuchtet. Abgerundet wird der Vortrag mit einem Ausblick auf weitere Datenprodukte rund um das Thema Markttransparenz.
Vorkenntnisse
Lediglich Grundlagen im Machine-Learning-Bereich; sind aber kein Muss.
Lernziele
Übersicht über die den Ablauf der Veröffentlichung eines Datenprodukts:
* Konzeptionierung des Datenprodukts "Preisbewertung für Fahrzeuge"
* Entwicklung und fortlaufende Verbesserungen des Vorhersagemodells
* Rückschläge, Erfolge sowie Weiterentwicklung des gesamten Produkts "Preisbewertung" sowohl vor dem ersten Livegang als auch während der folgenden Monate
//
Alexander Diergarten
ist Data Scientist bei Scout24 und damit verantwortlich für die Verknüpfung von Daten aus verschiedenen Bereichen zu wertvollen Datenprodukten durch Maschinelles Lernen. Er hat von Anfang an am Projekt "Markttransparenz bei Fahrzeugpreisen" gearbeitet und die verschiedenen Probleme und Lösungen erlebt, die während dieser Reise aufgetreten sind.