Data Science Architecture for Web Apps

In diesem Vortrag wird gezeigt, wie man Data Science und Web-basierte Geschäftsmodelle wie E-Commerce, News-Seiten oder B2B-Portale zusammenbringt.
Unternehmen müssen zunächst Expertise im Bereich Data Science aufbauen. Für Data Lakes und Data Streams und den entsprechenden Tech Stack gibt es gute Dokumentation, Best Practices und Cloud-Unterstützung – alles ist möglich. Die Ergebnisse müssen dann aber auch effizient und wertsteigernd für das eigene Geschäftsmodell genutzt werden – und daran scheitern fast alle.
Konkret wird im Vortrag erklärt, welche "Adapter" notwendig sind und welche Aufgaben sie übernehmen müssen. Dazu zählt unter anderem eine datenschutzkonforme Data Acquisition einschließlich Identity Resolution. Darüber hinaus wird ein echtzeitfähiges Engagement Layer benötigt, um die Daten und Predictions im Web zu aktivieren.

Vorkenntnisse

• Grundsätzliches Verständnis von Webtechnologien (Dynamische Webseiten, Tracking-Pixel, Web Analytics, Web Services)
  
• Grundsätzliches Verständnis für Data-Science-Architekturen (Data Lakes, Streaming, Machine Learning)

Lernziele

• Wie bekommt man Data Science und webbasierte Anwendungen und Geschäftsmodelle zusammen
  
• Was für Komponenten brauche ich, um das zu ermöglichen
  
• Wie minimiere ich Overhead für Data Management, um den Fokus auf Data Science zu behalten