Weiterentwicklung
Home » Leistungen »
Verifizierung Datenqualität (Variation)
Die Ergebnisqualität datengetriebener Anwendungen hängt maßgeblich von der Qualität der Ausgangsdaten ab. Bei der Weiterentwicklung einer Big-Data-Lösung muss daher darauf geachtet werden, dass die Datengrundlage nicht zu viele Fehler und Ausreißer enthält. Mit Hilfe von deskriptiver Statistik führen wir Tests durch, die zum Beispiel Verteilungen, Mittelwerte und Momente berechnen. Über diese Kennzahlen lassen sich Veränderungen schnell erkennen. Dabei muss beachtet werden, dass Daten sich nicht nur aufgrund interner Faktoren, sondern zum Beispiel auch durch Umweltbedingungen ändern können.
Aussagekraft der Prädiktion evaluieren
Waren die Prognosen der datengetriebenen Anwendung hilfreich und aussagekräftig? Über den zeitlichen Verlauf lassen sich ausgelöste Veränderungen beurteilen. Wenn das erwartete Ergebnis eingetreten ist, können die Gewichte der betroffenen Parameter verstärkt werden. Bei negativem Ausgang lassen sie sich entsprechend geringer gewichten. So kann die Prognose retrospektiv an die Realität angepasst werden und die Genauigkeit der Aussage wird mit jeder Iteration verfeinert.
Präzision erhöhen
Damit eine datengetriebene Anwendung nach und nach präzisere Aussagen trifft, sollten zunächst die bisherigen Ergebnisse kritisch überprüft werden. Um kontinuierlich die Aussagekraft neuer Erkenntnisse zu beurteilen und zu schärfen, arbeiten wir gerne in iterativen Prozessen. Das kann zum Beispiel gelingen, indem neue Daten berücksichtigt werden, die vorher nicht in der notwendigen Menge zur Verfügung standen oder nicht relevant erschienen. Während des Betriebs muss sichergestellt werden, dass die einbezogenen Daten stets repräsentativ sind. Diese inhaltliche Überwachung ist besonders wichtig, um Änderungen über den Zeitverlauf zu identifizieren und darauf reagieren zu können. So kann bereits eine kleine Anpassung der zugrunde liegenden Fragestellung beispielsweise die Justierung von Trainingsmengen bedingen.