Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Data Science Strategy > Data Science Stategy > Flashcards

Data Science Stategy Flashcards

1
Q

Was sind die Merkmale der Planungsprobleme und welche Planungsebenen existieren dabei?

A

Merkmale der Planungsprobleme: Differenziertheitsgrad, Detailliertheitsgrad, Präzision, Bezugszeitraum, Strukturmängel
Planungsebenen: Strategisch, taktisch und operativ

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Eigenschaften von Strategien

A

“Weg zum Ziel”
Hoher Abstraktionsgrad
Zukunftsbezogen
Teilbar, also Plan für mehrere Einheiten oder Ziel zum Sub-Zielen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Welche Unterscheidungskriterien und Gegenstände gibt es im Unternehmen, und was sind beispiele dafür?

A

Organisatorischer Geltungsbereich: Unternehmens- und Geschäftsstrategie
Funktion: Absatzstrategie, Produktionsstrategie, R&D Strategie, FInanzstrategie
Entwicklungsrichtung/Mitteleinsatz: Wachstumsstrategien, Stabilisierungsstrategie
Marktverhalten: Angriffstrategie, Verteidigungsstrategien
Produkte/Märkte: Marktdurchdringungstrategie, Marktentwicklungsstrategie, Produktentwicklungsstrategie
Wettbewerbsvorteile/Martkabdeckung: Strategie der Kostenführerschaft, Differenzierungsstrategie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Def. Strategische Geschäftseinheit

A

SGE sind gekennzeichnet über spezifische Geschäftsstrategie, Herstellung und Vermarktung einer definierter Gruppe von Produkten und/oder Dienstleistungen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Klassisches Strategieverständnis

A

Alle Aktivitäten des Unternehmens basieren auf eienr bewusst gewählten, beabsichtigten, geplanten und kommunizierten Strategie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Wie setzt man von der Struktur die strategischen Ziele?

A

Core (Herz), Case (future), Culture (zusammenarbeit), Company (gesamtstruktur)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Bedarfsgerechte Unterstützung der Verwaltungsaufgaben

A

Effektivität & Qualität, Digitale Verwaltung, Zukunftsfähigkeit und Offenheit für Innovation, Informationssicherheit und Datenschutz, Attraktivität als Arbeitsgeber, Wirtschaftlichkeit und Kosteneffizienz, Inkusion und Barraierefreiheit, Umweltverträglich und Nachhaltigkeit, Kooperation, Kontrollfähigkeit und steuerbarkeit

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

KEF-Methode, Prozessoptimierungsmethode fürn Markt

A 
Bestimmung der Wettbewerbsfaktoren:
Kosten, Servicequalität, Produktqualität
Erhebung des Ist-Zustands: Messen der spezifischen Perfomance, Vergleich zu Wettbewerbern (Benchmarking)
Analysieren des Ist-Zustand:
KEF-Beeinflussung einschätzen
Definieren des Soll-Zustands:
Zielgrößen der KEF-Ausprägung festlegung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Strategieformulierung: Unternehmens / Geschäftsstrategie

A

Unternehmenstrategie:
Produkt-Markt-Strategie, Dimensionierung des Unternehmens
Maß der Kooperation mit andren Unternehmen(Allianz)
Geschäftsstrategie:
Wettbewerbsstrategie
Markteintrittsgeschwindigkeitsstrategie,
Sourcing-Strategie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Business Intelligence Def.

A

Unter BI wird ein integrierter, IT-basierter Gesamtansatz zur betrieblichen Entscheidungsunterstützung verstanden.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Wie werden Daten zu nützlichen informationen?

A

Externe und operative Systemdaten sturkturiert/unstrukturiert => Datenbereitstellung => Informationsgenerierung / - distrubtion => informationszugriff

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Wie sind Analysesysteme aufgebaut?

A

Implementierungsansätze (Data Warehouses/Cubes) => Konzeptorientierte System (Ziele, Managament, Planung) => Generische Basissysteme (Berichtssysteme, Modellgestützte Analysesysteme, Freie Datenrecherchen, Ad-hoc-Analyse-Systeme

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Bestandteile der Strategie bzw. des strategischen Managements sind?

A

Entwicklung von:
Einer Vision, Einer Mission, einer SMARTen Unternehmensstrategie
Von Unternehmenswerten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Wie lässt sich ein Leitbild aufteilen?

A

Vision+Mission+Unternehmenswerten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Wie lässt sich eine Vision beschreiben?

A

Zustand des Unternehmens in einer entfernten Zukunft. 10-15 Jahre

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Wie lässt sich eine Mission beschreiben?

A

Zweck und Auftrag des Unternehmens, welches verfolgt wird

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Was ist beim Onboarden von neuen Mitarbeiter zwingend zu beachten?

A

Sie müssen die Unternehmensstrategie, Vision, mission, Werte und U-Ziele vermittelt bekommen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Unterschied Porter/Mintzberg?

A

Gpl. Strategie = realisierte strategy

Gpl. Strategie (wird verworfen) =! realisierte strategie (sondern ungeplante kommt rein)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Was ist der purpose?

A

Die Frage welche gesamtgesellschaftlichen Beitrag das UN leistet?, Warum kann die Welt nicht drauf verzichten? Bsp. Mobilität, Unterkunft etc.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

WIe lassen sich strategische Ziele ableiten?

A
  1. Aus Leitbild, Vision, Mission, formulirte strategie und Umwelt-/Unternehmenanalyse
  2. SMART definiert
  3. Kurz, mittel, lang (1,3,5)
  4. Können das ganze Unternehemn oder einzelne Bereiche betreffen
  5. Können auch “negativ” sein. zb. Abbau von stellen
  6. Können in beziehung zueinander sthene
  7. Sollten regelmäßig aktualisiert werden
    “Joker-Ziele” a. Person einstellen bis Jahr x
    Kosten reduzieren
    GEwinn maximieren
    Abbau von stellen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Umwelt- / Unternehmensstrategie

A

Umweltanalyse (Chancen-risiki-analyse)
-Markt-based-view
-Um entscheidung für das eigene Verhalten zu treffen
Unternehmensanalyse (Stärken-Schwächen-Analyse):
-Rssource-based-view
Einzigartige Ressourcen im Unternehmen bzw. stärken und schwächen sollen erkannt werden.

22
Q

Welche Methoden können genutzt werden um strategischen Ziele zu identifizieren?

A
  1. Unternehmens-/Umweltanalyse:
    - KEF-Methode
    - SWOT-Analyse
    - Portofolio-Methode
  2. Aus dem Leitbild
  3. Aus formulierter Unternehmensstrategie
23
Q

Vorteile und Nachteile von KEF

A

Vorteile:
1. Intensive Benutzerbeteilung
2. Explizite Berücksichtigung externer Informationen
3. Mit überschaubarten Aufwand in rel. kurzer Zeit durchführbar
Nachteile:
1. Stark intuitives Verfahren Subjektivität kann kritisch werden
2.Erfolg der Methode ist stark abhängig von methodischen, fachlichen und unternehmensspezfisicehn Wissen der Analysatoren/interviewer
3. Zeitaufwendige konstruktive Mitarbeit von Manager zwingend notwendig

24
Q

Vorteile und Nachteile Portfolio Methode

A

Vorteile:
1. Strategien sind ablesbar
2. Durch Visualisierung der Matrix, ergibt sich hoher Kommunikationswert
3. Unterschiedliche Unternehmen können sich im gleichen Maßstab messen
Nachteile:
1. Abhängigkeiten & verbundeffete werden nicht berücksichtigt
2. Standarisierte Strategien sind für spezielle Probleme nicht bzw, schwer anwendbar
3. Momentaufnahme ohne Zukunftsprognose

25
Q

Was sind die Ziele dr Balance Scorecard?

A

Auf Basis der strategischen Ziele können strategische Maßnahmen bzw. Handlungen abgeleitet werden, um auf Grundlage dessen Managemententscheidungen zu treffen. -> Strategische “wegweiser” für unternehmerische Zukunft

26
Q

Welche Perspektiven sollten im Balance Scorecard aufgenommen werden?

A
  1. Finanzziel perspektive, 2.Kundenperspektive
  2. Interne Unternehmensperspektive,
  3. Wachstums-, Lern- & Entwicklungsperspektive
27
Q

WIe hat sich BI weiterentwickelt?

A

Bi hat sich zum BIA Business Intelligence & Analytics weiterentwickelt

28
Q

Was ist ein Data Warehouse und was ist ihre wichtigste Funktion

A

Zentrale Datenbank in der große Mengen and Daten und Informationen aus verschieden Quelen gespeichert, verwaltet und abgerufen werden.
Die Bereitstellung der Daten zur Grundlage (über zb.) der Entscheidungen dienen, zur datenanalyse oder zum Data mining verwendet werden.

29
Q

Was ist ETL? Und was ist das Problem?

A

(Extract, Transform, Load) -> Datenbereitstellungprozess.
Bevor die vorhanden (strukturierten oder unstrukturierten) Daten in das Datawarehouse hochgeladen werden, erfolgt ein Datenaufbereitungsprozess

Probleme: Imenser Aufwand
Wir wird mit fehlden Werten umgegangen?
Daten nicht immer entsprechende Qualität, damit sie durch algorithmen laufen können

30
Q

Was sind Analysesysteme?

A

Um aus Daten, Informationen bzw. Wissen zu generieren.
Daten werden in einem Kontext gebrahct und somit informationen gewonnen
Zwichen->Daten->Informationen->Wissen

31
Q

Data Mining bedeutung, Modelle?

A

Datenmustererkennung mittels Datenanalseverfahren!
1. Support Vector machine -> Unterscheidet zwischen zwei Fällen, Gruppen (Kreditwürdig/nicht kreditwürdig
2. Wirkunsprognose und Zeitachsenanalyse -> Vorhersagen
3. Decision Tree -> Wahrscheinlichkeit von Ergebnis Möglichkeiten über Konditionen
4. Naive Bayes zur Klassifikation -> Minimimierung der Fehlentscheidung
5. Lineare Regression -> Finden von Abhängigkeiten
6. Random Forest -> Klassikation der entscheidung über mehrere Bäume und mehrheitsentscheidung
7. Clusteranalse ->zur Ähnlichkeit von Produkten
Klausur geht immer:
8. Neuronale Netze -> Optimierung, Fehlererkennung, Frühwarnsysteme, Klassifikation, etc.
9. Deep learning -> tiefgehendes Machinelles lernen über unterschiedliche Methoden

32
Q

Was ist ein Data Mart/Cube und wieso hat man Data Marts? Was ist ein Data Mart Bus?

A

Ein Auszug aus den großen Datawarehouse.
-Aus Datenschutz - und Zugrifssrechtliche Gründe
-Spezifisches Eingehen auf Interessen einzelner Nuter oder Abteilung etc. möglich
-Bedinbarkeit
Ein Data MArt Bus ist eine Zusammenstellung von einzelnen Data Marts

33
Q

Welche Modelle für Data Marts gibt es?

A
  1. Unabhängige Data Marts: Daten gehen direkt in DMs (kein zentrales DW)
  2. Data Mart Bus mit Comformed Dimensionen): Daten gehen in DMBS und DMs (Kimball Architektur)
  3. Zentrales DW mit abhängigen DM schichten: Zentrales DW mit DMs davor, in die Daten laufen
  4. Zentrales DW mit abhängigen Data-mart schichten: Daten gehen in DW und dann in einzelne DM
34
Q

BI-Leitbild / Strategie wa sist zu beachten?

A

Das BI-Leitbild darf nicht widersprüchig sein zu den Unternehmensgrundsätzen -> Strategie Alignment.
Die Strategie für BI dekct sich mit dem allg. vorgehen.
Bsp. Aufbau ein zentrales DW bis 2020
EInstaz von KI Verfahren
Schulung der Mitarbeiter im BI-Thema
Einstellug von x Mitarbeiter bis 2021 für BI

35
Q

Was ist Data Science und worauf fokussiert es sich?

A

Es nutzt wissenschaftliche fundierte Methoden, Prozesse, Algorithmen und systeme um Muster bzw, Wissen aus Daten zu extrahieren?

36
Q

Warum braucht Data Science ein eigene Governance

A

Aufgrund von Skandalen wie Diskriminierung, Ungerechtigkeit etc.

37
Q

Unterschied zwischen Data Scientist und Data Analyst?

A

Data Scientist: Nutzung ML-Verfahren/Techniken, Entwicklung statischer mathematischer Modelle
Data Analyst: Koorperation mit Fachbereichen/personen, Schaffen von Entscheidungsgrundlagen/
handlungsempfehlungen

38
Q

Was ist das Crisp-DM Modell? (Cross-Industry-standard-process für Data mining)

A

-Standardisiertes Prozessmodell, dass für das DM anwendbar ist => Datenmustererkennung
-Eignet sich sehr gut als Start für ein Projekt im Bereich Data Science
=> 6 Phasen werden definiert , diese sind ein oder mehrfach zu durchlaufen
=> Zwischen verschiedenen Phasen kann auch hin und hergewechselt werden
=> iterativer Prozess
Ziele: -Bereitstellung eines einheitlichen Prozessmodells für das DM
-Branchenübergreifende Nutzung
-Bereitstellung Schritt für Schritt Anleitung für das DM

39
Q

Besonderheiten des Crisp-DM Models?

A
  1. Ergebnisse werden aus vorhanden Daten abgeleitet
  2. I.d.r keien 100% korrekte Ergebnisse, fehler möglich
  3. Lösungen werden durch “Ausprobieren” Experimente von versch. verfahren und deren Parameter gewonnen
  4. Einsatz häufig in operaiven Kontext
  5. Basiert oft auf trainings- und testdaten
40
Q

Use-Case-Orientierung beduetet?

A
  • Business Cases sind selten
  • idr. Erstellung kleiner lokaler ICI-Lösungen für verschiedene Unternehmen, insb. im operativen Kontext
  • Kreditvergabe-kreditwürdigkeit
  • Fehlererkennung durch Bildanalyse
  • Auswhal von Zielgruppen für Marketingaktionen
  • Identifikation optimaler -Produktionsbedingungen
41
Q

Analysis dif:

A

Vorhersagen entwickeln, um nicht nur deskriptiv & diagnostisch zu handeln, auch um präventive Maßnahmen ergänzen zu können.

42
Q

Strategie für Produktpositionierung

A
  • Price positioning
  • Quality positioning
  • Innovations positioning
  • Service positioning
  • Benefit positioning
  • Tailored positioning
43
Q

Data Science Def.

A

Nutzung von verschiedener Methoden und Prinzipien aus verschiedenen Themenfeldern zur Erkenntnisgewinnung aus Daten

44
Q

Künstliche Intelligence Def.

A
  • beschäftig sich mit den Methoden, die einen Computer befähigt Aufgaben zu lösen, die menschliche Intelligenz erfordern
  • Unterschied zu ML: KI ist der Oberbegriff zu ML
45
Q

Was ist ML?

A
  • ML: Lernende Algorithmen, welche aus “Erfahrung” lernen → Deshalb auch Decision Tree, Deep Learning, usw.
46
Q

Zusammenhang von Data Science zu KI

A
  • Fokus bei der Data Science auf die Anwendung von Verfahren der KI, AI und ML
  • ML ist ein Teil von Data Science und KI, der auf lernen Algorithmen fokussiert ist
47
Q

Vorteile eine Zusammenführung von DS und BI?

A
  • Dadurch müssen Daten nicht immer neu aufbereitet werden und der Data Scientist kann diese direkt verwenden
  • Neue Erkenntnisse können durch datengetriebene Analysen gewonnen werden → verbessert Informationsbasis für Entscheidungen
  • Neue Ansätze für Datenverknüpfung können entwickelt werden und dadurch neue Analyseverfahren von der BI erkannt
  • Backup Management
  • Kostensenkung durch zentrale Beschaffung
48
Q

Welche Governance Regeln könnten wichtig sein?

A
  • Datenschutz / Datensicherheit
  • Qualität der Entwicklungsprozesse (für die interne Prozesse und Produkte)
  • Nutzung der möglichen Softwaresysteme
  • Zugriffe- und Berechtigungen für die einzelnen Lösungen, Systeme und Informationen
  • Sicherstellung, dass die Ressourcen effizient genutzt werden
  • Datenmanagement
  • Qualität des Managementreporting über Ergebnisse
  • Complianceprozesse
  • Kontrolliertes Risikomanagement
  • Rollen in Bereichen
  • Änderung der Governance (dazu mehr unten)
49
Q

Regelstrukturen

A
  • Zusammenführung von Regeln und verantwortlichkeiten
  • Abläufe und Zuständigkeiten
  • Zusammenhänge Prozesse zu den Regeln
50
Q

Wieso braucht man Cobit?

A

Um für den Bereich eine Governance aufzubauen, können die Orientierungshilfen und das Rahmenwerk der COBIT zur Hilfe genommen werden. Dieses orientiert sich an Governance-Ziele und -Prozesse. Die Governanceziele sollten sich an die Management-/Unternehmenziele orientieren.

51
Q

Management vs. Governance?

A

Management trifft täglich entscheidungen im Rahmen dessen, was die Governancen zulässt!
Governacnen setzt die Leitplanken für das tägliche handeln.

52
Q

Was sollte eine Data Strategy beinhalten?

A

Driven by overall business strategy,
Goals (Strategische Ziele9
Maßnahmen
Data Governance to prevent scandals

Data Science Strategy (1 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2025 Bold Learning Solutions. Terms and Conditions