impact·distillery - portfolio

Data Science Management

2024-02-01T00:00:00+01:00

Kunde: O'Reilly
Leistung: Buch

Data Science Management ist für jedes Vorhaben unerlässlich, das seine Prozesse mit datengetriebenen Entscheidungen optimieren will. Dies umfasst die Organisation von iterativen Prozessen mit dem Ziel, neue Einsichten mithilfe von wissenschaftlichen Methoden zu gewinnen, genauso wie die Automatisierung von daten- und softwarebasierten Infrastrukturen, um Geschäftsziele zu erreichen. Best practices betreffen hierbei das Anforderungsmanagement, die Verwaltung von Zeit und Ressourcen, die Interaktion mit Stakeholdern und die Anleitung des Teams. Dabei bedeutet Data Science Management insbesondere, Kommunikationskanäle zu etablieren, eine team bubble für fokussierte Arbeit zu schaffen und ganz grundlegendes Projektmanagement umzusetzen.

Das Dreieck des Informationsflusses im Data Science Management. Die blauen Pfeile stellen pull-Beziehungen dar, also Informationen, die gezielt eingefordert werden. Die grauen Pfeile hingegen stellen push-Beziehungen dar, bei denen aktiv auf die Gegenseite zugegangen wird. Während Data Science Manager\*innen sowohl auf das Team als auch auf die Stakeholder aktiv zugehen, ist die push-Beziehung vom Data Science Team zu den Stakeholdern bewusst unterbrochen, um eine _team bubble_ (also eine geschützte Arbeitsumgebung) für die Mitglieder des Teams zu schaffen. Neben der Pflege der Informationsflüsse und Beziehungen im Dreieck, liegen natürlich auch noch grundlegende Projektmanagementaufgaben bei den Data Science Manager\*innen. [[Quelle](/blog/sieben-aufgaben-data-science-management/)]

Nach heutigem Stand sind analytisches Denken, Programmiererfahrung und ein grundlegendes Verständnis von Data Science ganz wesentliche Teile einer Unternehmensentwicklung. Für viele Unternehmen ist es inzwischen selbstverständlich, sich zunehmend auf digitale Geschäftsmodelle zu konzentrieren, basierend auf Methoden des Data Minings und Machine Learnings. Die Entwicklung eines datengetriebenen Geschäftsmodells ist ein komplexer Prozess mit vielen Fallstricken. Entsprechend klug ist es schon jetzt, Data Science Manager*innen einzustellen, die sich in den kommenden Jahren immer mehr als eigenständiges Berufsbild etablieren werden.

Weiterlesen

Blog-Beitrag: Die sieben Aufgaben im Data Science Management

Ihre Ansprechpartner

Deep Sphere

2023-10-01T00:00:00+02:00

Kunde: Deep Sphere / Neuropro Ply. Ltd.
Leistung: Data Science & Webentwicklung

Tiefergehende Selbsterkenntnis war in der Vergangenheit für viele Menschen eine Herausforderung. Das herkömmliche Bildungssystem deckt dies nur selten ab und häufig verwendete Bewertungsinstrumente kratzen nur an der Oberfläche bewussten Denkens. Deep Sphere führt einen besonderen Ansatz ein und fungiert als umfassendes und zugängliches Erkundungsinstrument.

Unser Ziel ist es, nicht ausschließlich datengesteuert zu sein, sondern eine sinnvolle persönliche Weiterentwicklung zu ermöglichen. Deep Sphere dient als Werkzeug, um latente Potenziale in Einzelpersonen, Teams und Organisationen gleichermaßen aufzudecken. Es bietet eine transformative Reise, bei der die Förderung der Selbsterkenntnis kein Luxus, sondern eine grundlegende Ressource ist.

Für Einzelpersonen bietet es wertvolle Einblicke in persönliche Verhaltensweisen und Motivationen, fördert ein besseres Selbstverständnis und fördert die persönliche Entwicklung.

In Teamumgebungen fungiert es als Leitfaden, indem es kollektive Stärken hervorhebt, die Zusammenarbeit fördert und Bereiche mit Verbesserungspotenzial identifiziert. Für Unternehmen wird es zu einem strategischen Vermögenswert, einem einzigartigen Werkzeug zur Gestaltung von Ergebnissen und zur Verbesserung der Gesamtleistung.

Aufbauend auf aktueller neurowissenschaftlicher Forschung und verfeinert durch die Analyse umfangreicher Profile ist Deep Sphere nicht nur ein Werkzeug, sondern ein Paradigmenwechsel in der Selbsterkenntnis. Es befähigt den Einzelnen, die Feinheiten der menschlichen Interaktion mit Verständnis, Anpassungsfähigkeit und Belastbarkeit zu meistern.

Unsere Leistungen

Webentwicklung
Data Science
Wissenschaftliche Begleitung
Modellvalidierung

Link zum Projekt

https://deepsphere.io

Beratung im Projekt C-POP

2020-08-01T00:00:00+02:00

Kunde: Deutsche Presseagentur (dpa)
Leistung: Konzeption & Beratung

Ausgangssituation

Deutsche Medienhäuser setzen verstärkt auf Premium-Inhalte, um ihre digitalen Einnahmen zu steigern. Das Team von dpa Performing Content verfolgt das Ziel, Kunden bei der Gewinnung digitaler Abonnements zu unterstützen.

Herausforderung

Die steigende Bereitschaft, für hochwertigen Journalismus zu zahlen, stellt Medienhäuser vor die Herausforderung, die passenden Geschichten zur richtigen Zeit und im optimalen Kontext anzubieten. Dies ist entscheidend, um Leser zu zahlenden Abonnenten zu konvertieren und somit den "Story Driven Reader Revenue" als langfristiges Erlösmodell auszubauen.

Lösung

Im Rahmen des Projekts C-POP wurde eine innovative Content-Strategie entwickelt, die Daten und Emotionen der Leser kombiniert. Ein neuer automatisierter Workflow namens Feedback-Loop wurde eingeführt, um die Performance von Agentur-Inhalten in Medienhäusern zu verbessern. Durch den ständigen Austausch von Nutzungsdaten zwischen Agentur und Medienhaus konnten Inhalte analysiert und optimiert werden. Die Zusammenarbeit führte zu einer deutlichen Steigerung der Inhaltsleistung, was für beide Seiten eine Win-win-Situation darstellt.

Unsere Leistungen

Konzeption & Beratung
Stakeholder Interviews
Kybernetik

Link zum Projektergebnis

https://innovation.dpa.com/2020/08/27/dpa-medienhaeuser-feedback-performance/

Customer Experience Index (CXI)

2020-05-01T00:00:00+02:00

Kunde: Cheil
Leistung: Data Science, Studienkonzeption

Ausgangssituation

Multibanking ermöglicht Kunden, ihre Konten verschiedener Banken in einer App zu verwalten. Trotz des Potenzials für Bequemlichkeit und Informationen wird der Service wenig genutzt. Das Papier untersucht Gründe dafür und zeigt, wie Multibanking als Kundenbindungs-Instrument und Wettbewerbsvorteil genutzt werden kann.

Herausforderung

Früher vertraute man auf das Bauchgefühl von Statistikern, um emotionale qualitative Aussagen richtig zu interpretieren. Mit Hilfe spezieller Algorithmen sollen neue Verfahren zur Quantifizierung solcher Aussagen durch KI entwickelt werden, was eine statistisch nutzbare Analyse und Ableitung von Handlungsempfehlungen ermöglicht.

Lösung

Cheil Germany entwickelte in Zusammenarbeit mit der Impact Distillery den Customer Experience Index (CXI), um Kundenerlebnisse zu quantifizieren. Der CXI ermöglicht die Analyse von Erwartungen, Akzeptanz und Nutzungsverhalten im Multibanking-Bereich.

Unsere Leistungen

Data Science
Beratung
Studienkonzeption

Link zum Projektergebnis

https://cheil.de/wp-content/uploads/2020/05/Whitepaper_Multibanking_in_Deutschland_2020.pdf

Digital Science and Knowledge Transfer (2020 survey)

2020-01-01T00:00:00+01:00

Kunde: DBU & HIIG
Leistung: Forschungsprojekt

Research on the topic of societal impact has focused on questions of impact measurability and the public perception of research, and less on the question of how researchers themselves assess their societal impact. In the same way that it is important to understand how the public receives research, it is important to better understand how researchers anticipate the public in order to draft effective policies.

We conducted a survey among 499 researchers in Germany on their pathways to societal impact, i.e. their attitudes towards impact policies, their societal goals and use of engagement formats. This survey focuses on the communication and collaboration practices of researchers.

More details and first results can be found in our first publication based on these data: How do researchers approach societal impact?, published at PLOS ONE.

Project team

The survey is a collaboration between the Alexander von Humboldt Institute for Internet and Society (HIIG) and the Digital Business University of Applied Sciences (DBU).

Primary Investigators:

Dr. Benedikt Fecher (HIIG), Head of Research Programme Knowledge & Society at Alexander von Humboldt Institute for Internet and Society (HIIG).
Prof. Dr. Marcel Hebing, Professor of Data Science at Digital Business University of Applied Sciences (DBU) and Founder of Impact Distillery.

Instrument and data

The data are now available on Kaggle: https://www.kaggle.com/mhebing/digital-science-survey-2020/

REF Coding

The Research Excellence Framework (REF) is the UK's system for assessing the quality of research in UK higher education institutions. In the design of the questionnaire we reused results from a qualitative coding of the REF Impact Case Studies, conducted by Natalya Sokolovska, Sascha Schönig, Elias Koch, Nicole Bosse and Benedikt Fecher at the Alexander von Humboldt Institute for Internet and Society and as part of the BMBF-funded project IMPaQT.

The data underlying the coding can be found on the webpage of The Higher Education Funding Council for England (https://impact.ref.ac.uk/casestudies/). The coding of the project team at HIIG can be found here: https://drive.google.com/drive/folders/1Mp4_t7qFhXbYqSwrDbPPmPzIydXqBrgO?usp=sharing

The coding of the REF Impact Case Studies was originally carried out as part of a qualitative study with students. In the survey, we use the main categories Effects and Formats to construct the questions on impact goals (Effects) and formats.

Publications

Hebing M, Fecher B (2021) Digital Science and Knowledge Transfer Survey 2020. Kaggle. https://doi.org/10.34740/KAGGLE/DSV/2366092
Fecher B, Hebing M (2021) How do researchers approach societal impact? PLoS ONE 16(7): e0254006. https://doi.org/10.1371/journal.pone.0254006

DDI on Rails

2018-12-01T00:00:00+01:00

Kunde: Deutsches Institut für Wirtschaftsforschung (DIW Berlin)
Leistung: Webanwendung, Dateninfrastruktur

The data portal DDI on Rails accompanies researchers throughout the entire course of their research projects from conception to publication/citation.

The system offers researchers the possibility to explore the data, to compile personalized datasets, and to publish results on the publication database.

In contrast to similar products, DDI on Rails is study-independent and open-source, is able to document data with multiple versions/distributions and the specific characteristics of a longitudinal study, and is easy to use.

Development

The project was initiated by Marcel Hebing during his time at DIW Berlin, as part of his PhD thesis A Metadata-Driven Approach to Panel Data Management and its Application in DDI on Rails.

Today, the German Socio-Economic Panel (SOEP) continues the development auf DDI on Rails, which is used for their metadata-service paneldata.org.

Open Source

The source code is available on Github.

Web application
Metadata standards
Research-data-infrastructure

Graphite [en]

2017-01-01T00:00:00+01:00

Kunde: Open Source Publikationsplattform
Leistung: Webentwicklung

graphite offers the infrastructure to enhance your publications for a multi-media and interactive digital context. The more than ever emerging demand for reliable and well-edited information meets a depreciated way of publishing. With graphite papers you can create your standalone publication or use the provided starter packs to build up your own and individualised publication series.

CORE DEVELOPERS

graphite is published as open source software:

Selected publications

Concept

Traditional publications follow a linear design of storytelling (see figure 1). In the case of scientific papers the structure is specified by the research question, outlined methods applied, presented results and the concluding discussion. An abstract, list of references and an appendix complete the narrative of scientific papers. When paper-based publications were transformed into the form of Postscript or PDF documents, this established design has been preserved. The core narrative of the article which we describe as information layer represents this traditional design.

Figure 1. Elements within the traditional linear design of narration

Our multi-level approach expands the linear structure of printed publications by two new layers (see figure 2):

The _interactive layer_ includes multimedia objects as well as interactive and animated elements, such as videos, interactive visualisations, or sortable tables.
The _data layer_ enables authors to reference their particular sources directly. This can be supplementary metadata or data resources; for example entire datasets, source codes, citation details, or copyright information. The integration of code and raw data allows the reproducibility of an article and its results. Moreover, the code behind visualisations serves as a valuable tool for co-researchers.

Figure 2. Our proposal for a narrative providing means of interaction and in-depth material

In addition to above referenced interactive elements and in-depth materials, the information itself can be presented on different layers, suitable for various target groups. This approach enables authors to provide publications with various levels of complexity to address different information needs. This may be, for example, glossary entries, explanations and further links, discipline-specific details or just as well a simplified summary (see figure 3).

Figure 3. Adding an extra content layer with auxiliary elements (for specific target groups)

Publications about Graphite

Hebing, M., Wunderlich, L., & Ebert, J. (2017). Rethinking Academic Publications: Developing an open-source- framework for a multi-layer narrative in online publishing. xCoAx Proceedings of the conference on Computation, Communication, Aesthetics & X, 2017, 29--36. Publication details

Hebing, M., Wunderlich, L., & Ebert, J. (2017). Form follows function? Challenging the academic narrative. Digital Society Blog. Visit publication

Ebert, J., Wunderlich, L., & Hebing, M. (2017). Data, Information, Interaction. A multi-layer approach in online publishing. Digital Society Blog. Visit publication

Open Source

graphite is published as open source software: