10 Anwendungsbeispiele für Data Science- Teil 1

Die Rolle von Data Science-Anwendungen hat sich nicht über Nacht weiterentwickelt. Dank schnellerer Datenverarbeitung und billigerer Speicherung können wir die Ergebnisse jetzt in Minuten vorhersagen, was mehrere Arbeitsstunden in Anspruch nehmen kann.

Ein Data Scientist kommt mit satten 124.000 USD pro Jahr nach Hause und schuldet dies dem Mangel an qualifizierten Fachleuten auf diesem Gebiet. Dies ist der Grund, warum Data Science-Zertifizierungen ein Allzeithoch erreichen. [1]

In diesem Blogbeitrag möchte ich auf die Anwendungsbeispiele von Data Science in der Praxis eingehen. Dazu habe ich mir zehn Bereiche ausgewählt und werde sie kurz für euch erläutern.

 

1.Betrugs- und Risikoerkennung

Die frühesten Anwendungen der Datenwissenschaft waren im Finanzwesen. Die Unternehmen hatten jedes Jahr die Nase voll von Forderungsausfällen und Verlusten. Sie hatten jedoch eine Menge Daten, die verwendet wurden, um während der ersten Formalitäten bei der Sanktionierung von Krediten gesammelt zu werden. Sie beschlossen, Datenwissenschaftler hinzuzuziehen, um sie vor Verlusten zu retten.

Im Laufe der Jahre lernten Banken, Daten mithilfe von Kundenprofilen, früheren Ausgaben und anderen wichtigen Variablen zu teilen und zu erheben, um die Wahrscheinlichkeiten von Risiko und Ausfall zu analysieren. Darüber hinaus hat es ihnen auch geholfen, ihre Bankprodukte auf der Grundlage der Kaufkraft des Kunden zu verbessern.

 

2. Gesundheitswesen

Insbesondere der Gesundheitssektor profitiert stark von datenwissenschaftlichen Anwendungen.

1. Medizinische Bildanalyse

Verfahren wie die Erkennung von Tumoren, Arterienstenose und Organabgrenzung verwenden verschiedene Methoden und Frameworks wie MapReduce, um optimale Parameter für Aufgaben wie die Lungentexturklassifizierung zu finden. Es wendet maschinelles Lernen, SVM (Support Vector Machines), inhaltsbasierte medizinische Bildindizierung und Wavelet-Analyse für die Klassifizierung fester Texturen an.

2. Genetik & Genomik

Data Science-Anwendungen ermöglichen auch eine erweiterte Personalisierung der Behandlung durch Forschung in Genetik und Genomik. Ziel ist es, die Auswirkungen der DNA auf unsere Gesundheit zu verstehen und individuelle biologische Zusammenhänge zwischen Genetik, Krankheiten und Medikamentenreaktion zu finden. Datenwissenschaftliche Techniken ermöglichen die Integration verschiedener Arten von Daten mit genomischen Daten in die Krankheitsforschung, wodurch ein tieferes Verständnis der genetischen Probleme bei Reaktionen auf bestimmte Medikamente und Krankheiten ermöglicht wird. Sobald wir verlässliche persönliche Genomdaten erhalten, werden wir ein tieferes Verständnis der menschlichen DNA erreichen. Die fortgeschrittene genetische Risikoprognose wird ein wichtiger Schritt in Richtung einer individuelleren Versorgung sein.

3. Arzneimittelentwicklung

Der Prozess der Wirkstoffentdeckung ist sehr kompliziert und umfasst viele Disziplinen. Die größten Ideen sind oft an Milliarden von Tests, enormen finanziellen und zeitlichen Aufwand gebunden. Die offizielle Einreichung dauert im Durchschnitt zwölf Jahre.

Data-Science-Anwendungen und Algorithmen für maschinelles Lernen vereinfachen und verkürzen diesen Prozess und bieten eine Perspektive für jeden Schritt vom ersten Screening von Wirkstoffen bis zur Vorhersage der Erfolgsrate auf der Grundlage der biologischen Faktoren. Solche Algorithmen können mithilfe fortgeschrittener mathematischer Modelle und Simulationen anstelle der „Laborexperimente“ vorhersagen, wie sich die Verbindung im Körper verhält. Die Idee hinter der rechnergestützten Wirkstoffentdeckung besteht darin, Computermodellsimulationen als ein biologisch relevantes Netzwerk zu erstellen, das die Vorhersage zukünftiger Ergebnisse mit hoher Genauigkeit vereinfacht.

4. Virtuelle Hilfe für Patienten und Kundenbetreuung

Die Optimierung des klinischen Prozesses baut auf dem Konzept auf, dass Patienten in vielen Fällen nicht unbedingt einen Arzt aufsuchen müssen. Eine mobile Anwendung kann eine effektivere Lösung bieten, indem der Arzt stattdessen zum Patienten gebracht wird.

Die AI-gestützten mobilen Apps bieten grundlegende Unterstützung für das Gesundheitswesen, normalerweise als Chatbots. Sie beschreiben einfach Ihre Symptome oder stellen Fragen und erhalten dann wichtige Informationen über Ihren Gesundheitszustand, die aus einem breiten Netzwerk stammen, das Symptome mit Ursachen verknüpft. Apps können Sie daran erinnern, Ihr Arzneimittel rechtzeitig einzunehmen und bei Bedarf einen Termin mit einem Arzt zu vereinbaren.

Dieser Ansatz fördert einen gesunden Lebensstil, indem er die Patienten zu gesunden Entscheidungen ermutigt, ihnen Zeit spart, in der sie auf einen Termin warten müssen, und es den Ärzten ermöglicht, sich auf kritischere Fälle zu konzentrieren.

Die beliebtesten Anwendungen sind heutzutage Your.MD und Ada.

 

3. Internetsuche

Dies ist wahrscheinlich das erste, was Ihnen in den Sinn kommt, wenn Sie an Data Science-Anwendungen denken.

Wenn wir von Suche sprechen, denken wir an “Google”. Recht? Es gibt aber auch viele andere Suchmaschinen wie Yahoo, Bing, Ask, AOL und so weiter. Alle diese Suchmaschinen (einschließlich Google) verwenden datenwissenschaftliche Algorithmen, um das beste Ergebnis für unsere Suchanfrage in Sekundenbruchteilen zu erzielen. In Anbetracht der Tatsache, dass Google täglich mehr als 20 Petabyte an Daten verarbeitet.

Wenn es keine Datenwissenschaft gegeben hätte, wäre Google nicht das Google gewesen, das wir heute kennen.

 

4. Gezielte Werbung

Wenn Sie dachten, die Suche wäre die größte aller datenwissenschaftlichen Anwendungen, dann ist dies ein Herausforderer – das gesamte digitale Marketingspektrum. Angefangen von den Werbebannern auf verschiedenen Websites bis hin zu den digitalen Werbetafeln auf den Flughäfen – fast alle werden mithilfe datenwissenschaftlicher Algorithmen festgelegt.

Dies ist der Grund, warum digitale Anzeigen eine viel höhere CTR (Call-Through-Rate) als herkömmliche Anzeigen erzielen konnten. Sie können auf der Grundlage des früheren Verhaltens eines Benutzers ausgewählt werden.

Dies ist der Grund, warum Sie möglicherweise Werbung für Data Science-Schulungsprogramme sehen, während ich gleichzeitig eine Anzeige mit Kleidungsstücken an derselben Stelle sehe.

 

5. Website-Empfehlungen

Sind wir nicht alle an die Vorschläge zu ähnlichen Produkten bei Amazon gewöhnt? Sie helfen Ihnen nicht nur, relevante Produkte aus Milliarden von Produkten zu finden, die mit ihnen erhältlich sind, sondern tragen auch wesentlich zur Benutzerfreundlichkeit bei.

Viele Unternehmen haben diese Engine bereits intensiv genutzt, um ihre Produkte entsprechend dem Interesse und der Relevanz der Informationen für die Nutzer zu bewerben. Internetgiganten wie Amazon, Twitter, Google Play, Netflix, Linkedin, imdb und viele mehr nutzen dieses System, um die Benutzererfahrung zu verbessern. Die Empfehlungen basieren auf vorherigen Suchergebnissen für einen Benutzer.

 


Quellen:

[1] www.edureka.co/blog/data-science-applications, aufgerufen am: 01.06.2019 , 16:42 Uhr

Print Friendly, PDF & Email

2 thoughts on “10 Anwendungsbeispiele für Data Science- Teil 1

  1. Marcus Birkenkrahe

    Einige dieser Beispiele würde ich gerne im Detail nachverfolgen – haben Sie Quellen?

    1. ebru

      Weitere Quellen finden Sie hier:

      Big Data Analytics und Anwendungsbeispiele aus der Praxis, online: http://www.softselect.de/wissenspool/big-data-analytics, aufgerufen: 04.06. 2019, 15:12

      Top 10 Data Science Use Cases in Telecom, online: https://www.kdnuggets.com/2019/02/top-10-data-science-use-cases-telecom.html, aufgerufen: 04.06.2019, 15:30

      Top 10 Data Science Applications, online: https://www.edureka.co/blog/data-science-applications/, aufgerufen: 05.06.2019, 12:15

      Stockinger, Kurt; Stadelmann, Thilo: Data Science für Lehre, Forschung und Praxis, 2014

      com! professional: Data-Science-Plattformen demokratisieren Analyse, 2017

Leave a Reply

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.