Big Data

Neben neuen Rollen wie dem Data-Engineer oder -Scientist bringt die stetig wachsende Datenflut auch neue Ansätze und Praktiken in der Softwareentwicklung mit sich, denn Machine- und Deep-Learning-Ansätze sind längst nicht mehr der Forschung vorbehalten, sondern haben sich mittlerweile in Industrie und Wirtschaft etabliert. Dank moderner und freier Technologien wie TensorFlow, PyTorch oder XGBoost ..

Für Jahrzehnte waren relationale Datenbanken, die SQL als ihre Abfragesprache benutzt haben, als populärste Lösung etabliert. Diese Datenbanken wurden üblicherweise als Einzelinstanzserver betrieben. Mit dem Erfolg von weltweit aufrufbaren Webanwendungen änderten sich jedoch die Anforderungen an Datenbanken: Die Zahl gleichzeitiger Zugriffe sowie deren Frequenz erhöhte sich drastisch und auch die ..

Immer mehr Maschinen, Geräte und Dinge werden mit Sensoren ausgestattet und im Internet of Things (IoT) mit­einander vernetzt. Diese neuen digitalen Ökosysteme produzieren eine enorme Menge an Daten. Allein die Datenhaltung verursacht zunächst einmal Kosten. Dabei steckt in diesen Daten ein ungeheurer Wert. Unternehmen müssen diesen Wert mit der Hilfe von Data-Science-Methoden jedoch erst zutage f..

Unternehmen sehen sich heute mit enormen Volumen an potenziell relevanten Daten konfrontiert, die aus einer laufend steigenden Zahl interner und externer Quellen geliefert werden. Für viele Anwendungsdomänen ist das Sammeln und Analysieren ausschließlich hochstrukturierter Daten aus klassischen relational orientierten Transaktionssystemen nicht mehr zufriedenstellend. Ein Großteil der neuen Daten ..

Mehr denn je sind Finanzunternehmen heute gefordert, schnell auf sich stetig verändernde Kundenansprüche und Marktentwicklungen zu reagieren und gleichzeitig regulatorische Vorgaben einzuhalten. Die Digitalisierung von Prozessen unterstützt dabei, erfordert aber auch adäquate Ansätze und Lösungen, um die steigende Vielfalt an verfügbaren Daten zu beherrschen. Ein ganzheitlicher Data-Analytics-Ansa..