Das neue Data-Science-Vorgehensmodell (DASC-PM)

Data Science Vorgehensmodell V1.1
Diana Krüger
Facebook Twitter Xing Mail LinkedIn

Schritt für Schritt zum erfolgreichen Data-Science-Projekt

Heute am 30. März 2022 ist es so weit: Das neue, weiterentwickelte Vorgehensmodell des Data Science Process Models (DASC-PM) ist verfügbar! In Zusammenarbeit mit valantic und zahlreichen namhaften Mitwirkenden aus Wissenschaft und Praxis ist das DASC-PM als umfassendes Vorgehensmodell für die Planung und Durchführung von erfolgreichen Data-Science-Projekten entwickelt worden.

Auf der Basis von Rückmeldungen aus Wirtschaft und Wissenschaft wurde in der aktualisierten Version:

  • eine noch deutlichere Definition der verschiedenen Schlüsselbereiche und Phasen des Modells vorgenommen und mehr auf ihre Umsetzung eingegangen (z.B. im Kontext agilen Projektmanagements).
  • eine vollständige Überarbeitung insbesondere der Phase des Projektauftrags vollzogen, damit diese noch besser in der praktischen Welt nutzbar ist.
  • die Zugänglichkeit und Lesbarkeit durch eine grafische Überarbeitung erhöht.
  • die Strukturierung verbessert sowie Einführungstexte verkürzt und klarer dargestellt.

Hierzu wurden neben der Überarbeitung des bestehenden Data-Science-Vorgehensmodells auch neue Elemente hinzugefügt, die als praktische Arbeitsmaterialien und Orientierungshilfen genutzt werden können. Es wurde ein Fragebogen erstellt, der dazu dient, die Eckpunkte des Projektes sowie Ziele und Fallstricke für alle Stakeholder Schritt für Schritt transparent zu machen.

Fragebogen zum Data Science Vorgehensmodell
Fragebogen zum Data Science Vorgehensmodell
(Den kompletten Fragebogen finden Sie im Vorgehensmodell.)

Außerdem wurde eine Grafik in Form eines Posters konzipiert, das im Projektraum aufgehängt werden kann und auf einen Blick das Vorgehensmodell mit seinen Schlüsselbereichen, Phasen, Rollen und Kompetenzen zusammenfasst.

Das Plakat beschreibt die projektrelevanten Schlüsselbereiche und zu durchlaufenden Phasen, erläutert die typischen Aufgaben innerhalb der Phasen und stellt die beteiligten Projektrollen und benötigten Kompetenzen dar.
(Das hochauflösende Plakat finden Sie im Vorgehensmodell.)

In naher Zukunft wird zudem eine englische Übersetzung der Modelldokumentation erfolgen, um das DASC-PM auch für internationale Projekte zur Verfügung zu stellen.

Das Modell wird kontinuierlich weiter ausgearbeitet und verbessert, um eine große Bandbreite der neuesten Erkenntnisse aus Theorie und Praxis abzubilden. Hierzu werden auch in den nächsten Monaten Case Studies aus der Praxis veröffentlicht, die Projektbeispiele zeigen und beschreiben.

Data Science Vorgehensmodell V1.1

DASC-PM v1.1: Ein Vorgehensmodell für Data-Science-Projekte

Jetzt das Data Science Vorgehensmodell herunterladen

Ihre Ansprechpartner:

Heiko Rohde ist Managing Consultant bei valantic im Bereich Business Analytics. Er fokussiert sich hierbei auf die ganzheitliche strategische und technologische Beratung mit einem Schwerpunkt auf Enterprise Performance Management mit Planung und Forecasting, sowie Data Science und Advanced Analytics.

Daniel Badura ist Consultant und Data Scientist. Bei valantic ist er der Experte zur Integration von betriebswirtschaftlichen Anwendungsfeldern in analytischen Datenbanken für Reporting und Planung sowie der Nutzung von Data-Science-Methoden zur Konstruktion von komplexen Vorhersagemodellen.

Bild von  Prof. Dr. Michael Schulz und Uwe Neuhaus von der NORDAKADEMIE
Prof. Dr. Michael Schulz und Uwe Neuhaus von der NORDAKADEMIE haben gemeinsam mit einer virtuellen Arbeitsgruppe ein Data Science Process Modell erstellt und weiterentwickelt.

Foto Quelle: NORDAKADEMIE/Foto: Dirk Schönfeldt

Als Autorinnen und Autoren der Version 1.1 werden alle aktiv an der Bearbeitung dieser Version Beteiligten geführt, die dieser Nennung zugestimmt haben. Sie bedanken sich bei allen Mitwirkenden der Version 1.0 für die Arbeit an den bisherigen Ausarbeitungen.

  • Dipl.-Inform. Uwe Neuhaus, NORDAKADEMIE Hochschule der Wirtschaft
  • Prof. Dr. Jens Kaufmann, Hochschule Niederrhein
  • Dr. Stephan Kühnel, Martin-Luther-Universität Halle-Wittenberg
  • Dr. Emal M. Alekozai, Robert Bosch GmbH
  • Heiko Rohde (M.Sc.), valantic
  • Sayed Hoseini (M.Sc.), Hochschule Niederrhein
  • René Theuerkauf (M.Sc.), Martin-Luther-Universität Halle-Wittenberg
  • Daniel Badura, valantic
  • Prof. Dr. Ulrich Kerzel, IU Internationale Hochschule
  • Prof. Dr. Carsten Lanquillon, Hochschule Heilbronn
  • Prof. Dr. Stephan Daurer, DHBW Ravensburg
  • Prof. Dr. Maik Günther, IU Internationale Hochschule
  • Dr. Lukas Huber, FH Kufstein Tirol
  • Lukas-Walter Thiée, Universität Lüneburg
  • Philipp zur Heiden (M.Sc.), Universität Paderborn
  • Dr. Jens Passlick, VHV Gruppe
  • Jonas Dieckmann (B.Sc.), Philips
  • Dr. Florian Schwade, Universität Koblenz
  • Dr. Tobias Seyffarth, Martin-Luther-Universität Halle-Wittenberg
  • Wolfgang Badewitz, FZI Forschungszentrum Informatik
  • Dr. Raphael Rissler, SAP SE
  • Prof. Dr. Stefan Sackmann, Martin-Luther-Universität Halle-Wittenberg
  • Prof. Dr.-Ing. Philipp Gölzer, TH Nürnberg
  • Felix Welter, Universität Hamburg
  • Jochen Röth (M.Sc.), Shopfloor Management Systems GmbH
  • Julian Seidelmann (M.Sc.), Hapag-Lloyd
  • Prof. Dr. Uwe Haneke, Hochschule Karlsruhe

Nichts verpassen.
Blogartikel abonnieren.