Wie skaliere ich Data Science in meinem Unternehmen?

Data Science hat als Kernbestandteil eines datengetriebenen Business Einzug in deutsche Unternehmen gehalten. Oft scheitern Teams und Verantwortliche allerdings an der Skalierung innerhalb des Unternehmens.
Data Scientists betreuen ihre Use Cases, oft händisch, und es bleibt nach der anfänglich erfolgreichen Proof-of-Concept-(PoC)-Phase nur wenig Raum für die Exploration und Durchführung weiterer, ebenfalls erfolgsversprechender Einsatzszenarien.
In diesem Talk möchte ich darlegen, wie durch eine geschickte Teamzusammenstellung (Rollen, Skills), die Einbettung in bestehende Prozesse (Betrieb, Support) und den Aufbau geeigneter Machine-Learning-Plattformen die hohe Entwicklungsgeschwindigkeit erhalten bleibt.

Vorkenntnisse

• Teilnehmende sind idealerweise Mitglied eines Data-Science-Teams oder in leitender Position für ein solches verantwortlich
  
• Vorausgesetzt werden grundlegende Erfahrung in der Durchführung von Data Science/AI-zentrierten Use Cases
  
• Teilnehmende, die die Einführung von Data Science in ihrem Unternehmen planen, erhalten ebenfalls Tipps zu Best Practices

Lernziele

• Data Scientists sind keine Unicorns. Sie benötigen AI-/Data-/Software-/DevOps Engineers an ihrer Seite
  
• Ein Proof of Concept (PoC) ist kein MVP (Minimum Viable Product). Technische Schulden von heute sind der Entwicklungshemmschuh von morgen
  
• Das durch Stakeholder und Fachbereiche entgegen gebrachte Vertrauen ist ein hohes Gut. Es zu stärken erfordert gute, transparente, ehrliche Kommunikation und verlässliche, wartbare Software