ÜBER PROQNOSTIX

Willkommen bei PROQNOSTIX!

PROQNOSTIX ist ein Nebenprojekt des Expertinnen-Netzwerks

http://www.ask-a-woman.com

Wofür stehen das “q” und das “x” in “PROQNOSTIX”?
“q” steht für “open source query” und “x” für “cross-platform extension”. Mehr zum “q” und “x” gibt es hier zu lesen..

Das Leistungsportfolio von PROQNOSTIX lässt sich in drei Bereiche gliedern.

I) Knowhow-Aufbau in Unternehmen in Mathematik

PROQNOSTIX bietet

  • die Entwicklung und Integration von Knowhow in Mathematik in Ihrem Unternehmen zu den Themen
    • Prognose- und Forecasting-Verfahren sowie
    • künstliche Intelligenz (KI) basierte-Verfahren.
  • Neben dem Wissenstransfer, gehören auch die Nutzung und Implementierung von maßgeschneiderten Software-Lösungen zum Angebot.

II) Software-Entwicklung zu Prognosen und künstliche Intelligenz (KI)-basierten Verfahren

  • PROQNOSTIX befähigt Unternehmen – in Anbetracht ihrer Geschäftsziele – Prognosen, Vorhersagen, Schätzungen und KI-basierte Methoden auf Big Data anzuwenden.
  • Neben Cloud-basierten skalierbaren Software-Lösungen, wie Amazon AWS, Microsoft Azure, Google.AI etc., setzt PROQNOSTIX auch maßgeschneiderte Softwarelösungen ein, um auf Basis neuester wissenschaftlicher Forschung und Markterfahrung im Data Science, das meiste für Ihr Unternehmen rauszuholen.

III) Emerging Technologies (engl. aufstrebende Technologien)

PROQNOSTIX erstellt zudem einen Prognose-Report zum Zukunftspotenzial, aus Perspektive der neuen, aufstrebenden Technologien (engl. Emerging Technologies), wie Blockchain, Internet-of-Things (IoT), Serverless Computing, Bots etc., mit dem Ziel, sinnvolle Einsatzbereiche für Ihre Unternehmung zu identifizieren und so weiteres Potenzial aufzudecken, aufzubauen und wettbewerbswirksam freizusetzen.

Buchen Sie hier unseren Workshop:

Die folgenden Begriffe und Konzepte befinden sich im Tätigkeitsfeld der PROQNOSTIX:

  • Prognosen
  • Voraussagen
  • Forecasts
  • Schätzungen
  • Simulationen

Prognosen

Prognosis is „a forecast of the future course, or outcome, of a situation; a prediction “ (Daigle 2014, p. 7)

Der Begriff „Prognostics“ wiederum wird wie folgt definiert:

„The ability to predict future events, conditional on anticipated usage and environmental conditions, significantly contributes to a system’s resilience for safe and efficient operation.“ (Sankararaman/Abhinav/Goebel 2014, p. 533)

Prognostizieren (engl. prognosticate) bedeutet

“to foretell from signs or symptoms: predict“ (Merriam Webster Dictionary 2019)

Voraussagen (engl. Prediction) und Forecasting

Die Voraussage (engl. prediction) wird wie folgt definiert:

„Prediction is concerned with estimating the outcomes for unseen data. (…) you fit a model to a training data set, which results in an estimator f^(x) that can make predictions for new samples x.“ (Döring 2018)

Auch der Begriff des Forecasting findet immer mehr im deutschsprachigen Raum als Anglizismus Verwendung:

„Forecasting is a sub-discipline of prediction in which we are making predictions about the future, on the basis of time-series data.“ (Döring 2018)

Wie zu erkennen ist, existieren keine einheitlichen, voneinander scharf abgegrenzten Definitionen für die genannten Begriffe. Demnach kommt es beim allgemeinen Sprachgebrauch oft zu Überschneidungen der Begriffe oder zum synonymen Gebrauch.

Buchen Sie hier unseren Workshop:

 

 

 

Quellverzeichnis

Daigle, Matthew (2014): Model-based prognostics. Prognostics center of excellence. Intelligent systems division. Nasa ames research center.

Https://www.Phmsociety.Org/sites/phmsociety.Org/files/daigle-modelbasedprognostics-tutorial-phm2014_1.Pdf

Döring, Matthias (2018): Prediction vs forecasting. Predictions do not always concern the future …

https://www.Datascienceblog.Net/post/machine-learningforecasting_vs_prediction/

Merriam Webster Dictionary (2019): Progosticate. Http://www.Merriam-webster.Com/dictionary/prognosticate

Sankararaman, Shankar ; Abhinav, Saxena ; Goebel, Kai A (2014): Are current prognostic performance evaluation practices sufficient and meaningful? Annual conference of the prognostics and health management society 2014. Nasa ames research center, moffett field, ca 94035, usa

DevOps und Big Data

Im Zeitalter von „Big Data“ und „Big Code“ können IT-Experten – Dank zahlreicher Open Source-Tools – unter Einsatz von Bibliotheken, Frameworks und Code-Repositories den DevOps-Ansatz verfolgen, bei dem zeitaufwändige Entwicklungsaufgaben, wie Deployment, Bereitstellung, Installation, Konfiguration und Einrichtung automatisiert werden.

„Big Code“ und Open-source Werkzeuge

Code-Repositories (wie z. B. Github, Kaggle etc.) bieten vorgefertigte (engl. refactoring), überarbeitbare und wiederverwendbare (engl. reusable) Arbeitsbeispiele, für die einfache Verwendung in eigenen Software-Entwicklungen innerhalb der Unternehmensarchitektur. Eine große Anzahl standardisierter open-source Modelle, Methoden, Techniken und Verfahren ermöglichen es Entwicklern und Testern, mathematische Operationen und Analysen, wie Vorhersagen und KI-Methoden mit Leichtigkeit auf großen Datenmengen durchzuführen. Das Besondere liegt in der Vielzahl frei verwendbarer open-source Tools und Bibliotheken, mit denen über die APIs zahlreicher Anbieter auf Daten und Code zugegriffen werden kann.

Predictive Analytics

Der Fachbereich in dem sich PROQNOSTIX bewegt, lautet „Predictive Analytics“ – als Schnittmenge der Business Analytics und der Data Analytics. Unter Anleitung von PROQNOSTIX führen Unternehmen Datenanalysen – in Orientierung an einem speziellen Geschäftsziel – durch, um Chancen und Risiken auf Grundlage relevanter Daten, aus Perspektive der Predictive Analytics, frühzeitig zu erkennen und zu formulieren.

Disziplin der Ökonometrie

PROQNOSTIX bietet Produkte und Dienstleistungen an, die – mit Predictive Analytics – im Bereich der Ökonometrie anzusiedeln ist, die folgendes Ziel verfolgt:

„(…) Prognose makroökonomischer Variablen wie Zinssätze, Inflationsraten, Bruttoinlandsprodukt (BIP) und eine Sammlung von Methoden zur Prognose wirtschaftlicher Zeitreihen und Prognosen von Wirtschaftstheorien.“ (vgl. Wooldridge 2009, S. 1f)

Somit können Daten als Zeitreihen oder als Querschnittsdaten (engl. cross-section data) strukturiert werden.

Zeitreihendaten

Zeitreihendaten bestehen aus Beobachtungen zu Aktienkursen, Geldmenge, Verbraucherpreisindex, jährlichen Autoverkäufen usw. (vgl. Wooldridge 2009, S. 8).

Querschnittsdaten (engl. cross-section data)

„Querschnittsdaten bestehen aus einer Stichprobe von Einzelpersonen, Haushalten, Unternehmen, Städten, Bundesländern, Staaten oder einer Vielzahl anderer Einheiten, die zu einem bestimmten Zeitpunkt erfasst wurden. Manchmal entsprechen die Daten nicht genau dem gleichen Zeitraum. Beispielsweise können mehrere Familien während verschiedener Wochen innerhalb eines Jahres befragt werden. Bei einer reinen Querschnittsanalyse würden geringfügige zeitliche Unterschiede bei der Erfassung der Daten ignoriert wreden. Wenn eine Gruppe von Familien in verschiedenen Wochen desselben Jahres befragt werden würde, würde dies ebenfalls als Querschnittsdatensatz betrachtet werden.“ (Vgl. Wooldridge 2009, S. 5)

Buchen Sie hier einen Workshop:

 

 

Quellverzeichnis

Wooldridge, Jeffrey, M. (2009): Introductory Econometrics. A modern approach. South-Western. Cengage Learning. Fourth Edition.

Die Kunst hinter Prognosen, Forecasts, Schätzungen, Simulationen etc.

Die Kunst des Prognostizierens liegt in der Bestimmung des am besten passenden (engl. fit) Modells, mit den am besten geeigneten Parametern, zum gegebenen Geschäftsziel. In der Künstlichen Intelligenz (KI) gibt es eine große Anzahl von Modellen, die es auf Eignung zu prüfen gilt. Weitere aufstrebende Technologien und deren Potenzialeinschätzung, wie Blockchain, IoT, Serverless Computing usw. gehören ebenfalls zum Prognoseangebot von PROQNOSTIX.

Modellierung von Vorhersagen

Alle Modelle arbeiten unterschiedlich, je nachdem, auf welche Anwendungsdomäne diese angewendet werden. Die Aufgabe des Prognostikers besteht also darin, die für ein bestimmtes Problem am besten geeigneten Modelle zu vergleichen und die Parameter der Modelle zu optimieren. Das Ziel besteht darin, unter Nutzung von Trainings- und Testdaten, das beste bzw. akkurateste Modell zur Erklärung der Daten ausfindig zu machen.

Prognosemethoden und Taxonomien

Die nächste Abbildung zeigt einen hierarchischen Überblick über häufig verwendete Prognosemethoden und die zugrunde liegende Taxonomie (siehe Abb. 1):

Industriezweige

Potenziell kann für jeden Industriezweig Wettbewerbspotenzial aus Prognosen und Voraussagen freigesetzt werden. Im folgenden konzentrieren wir uns auf drei Branchen, um die Art der Anwendung von Produkten und Dienstleistungen von PROQNOSTIX zu demonstrieren:

  1. Bankengewerbe
  2. Geodaten
  3. Marketing

Bankenindustrie

  • Prognosen für Investitionen an den Aktienmärkten
  • Vorhersage der Kreditwürdigkeit
  • Analyse des Potenzials von aufstrebenden Technologien, wie z. B. Blockchain, IoT etc.

Geodaten

  • Immobilienpreise
  • Demographie
  • Anwendung von Graph-Datenbanken, wie z. B. Neo4J etc.

Marketing

  • Suchmaschinenoptimierung
  • Analyse sozialer Medien
  • etc.

Buchen Sie hier einen Workshop:

Wie geht PROQNOSTIX bei nubank.de vor?

  • Nubank.de ist ein Nebenprojekt von ask-a-woman.com (AAW) und stellt einen Entwurf für eine Modellbank auf Grundlage einer wissenschaftlichen Untersuchung dar, die von Expertinnen der AAW durchgeführt wurde.
  • PROQNOSTIX unterstützt die Definition der Unternehmensziele in Zusammenarbeit mit den Domain-Experten der nubank.de,
  • Die Bewertung des Potenzials von Big-Data-Repositories für die Anwendung mathematischer und AI-basierter Methoden und Praktiken für Prognosen, wird in einer von PROQNOSTIX bereitgestellten Software-Engineering-Umgebung durchgeführt.
  • Die Definition von Technologiepaketen, Methoden, Bibliotheken, Tools, Software Development-Kits (SDK), Ressourcen, Aufgaben, Rollen usw. gehören ebenso dazu.
  • Agile Data Science (ADS): Der Projektmanagement- und der Software-Engineering-Prozess basiert auf dem ADS-Ansatz.
  • Hybrides Design von Produkten und Dienstleistungen:
    • Lieferung einer laufenden Software-Umgebung mit Software-Lebenszyklus.
    • Inhouse Workshops zur Nutzung von Big Data, Open Source Software und Methoden des Software Engineerings und der Mathematik in Unternehmen.
  • Fallstudie: nubank.de erteilt einen Auftrag
    • Das folgende Vorgehensmodell (in Anlehnung an Sommerville 2016) wird nach dieser Meilensteinsituation angewendet (Steps I – VII):

I Voranalyse

  • Erste Umfrage und Interviews
  • Erste Vorschläge und Empfehlungen:
    • A) Anlagestrategien an den Aktienmärkten auf Basis zahlreicher Kennzahlen von Unternehmen und Machbarkeitsanalysen für mathematische Methoden.
    • B) Berechnung der Bonität von Privatpersonen und Unternehmen anhand von Daten (Schufa, Social Media, Selbsterklärungen)
    • C) Potenzialanalyse für aufkommende Technologien wie Blockchain, Serverless Computing, IoT, VR / AR / MR usw.
    • D) Bezeichnung der Workshopinhalte
    • Meilenstein: Go?


II Requirement Engineering


III Design


IV Modell


V Implementierung


VI Test


VII Evolution

WORKSHOPS AND SEMINARS

INHALT DER WORKSHOPS UND SEMINARE


Der Kursinhalt ist in drei Teile gegliedert:

I) Anwendungsgebiete
II) Methoden, Techniken und Best Practices
III) Zukunftspotenzial aufstrebender Technologien


Die Workshops sind buchbar in Paketen von

  • 1 Tag á 6 Stunden (Light Package) oder
  • 3 Tage á 6 Stunden (Komplettpaket)


Andere Angebote sind verfügbar.


Der Preis für einen Workshop beträgt 150 € / h zzgl. Steuern:

  • Light Package (900 € zzgl. 19% USt)
  • Komplettpaket (2700 € zzgl. 19% Ust)


I) ANWENDUNGSBEREICHE


Wir geben zunächst einen Überblick über mögliche Anwendungsbereiche und konzentrieren uns dann auf die anfragende Unternehmensbranche.

Als Beispiel dürfte die Bankenbranche interessiert sein

  • Prognosen für Investitionen an den Aktienmärkten und damit die wesentlichen Leistungsindikatoren der Unternehmen,
  • Vorhersagen über die Kreditwürdigkeit einer Privatperson oder eines Unternehmens,
  • die Anwendung von KI-Methoden etc.

Der Bereich Geoinformationssysteme (GIS) wendet Prognosen und andere mathematische Methoden für die Entwicklung von an

  • Immobilienpreise
  • Demografie
  • etc.

Marketingabteilungen und Agenturen sind am Erfolg ihrer Kampagnen in den Bereichen interessiert

  • Suchmaschinenoptimierung
  • Social Media Analytics
  • etc.


II METHODEN, TECHNIKEN UND BEST PRACTICES


Im zweiten Teil des Workshops befassen wir uns hauptsächlich mit Methoden, Techniken und Best Practices der Mathematik, Informatik und Betriebswirtschaftslehre, berücksichtigen aber auch Methoden aus anderen Branchen.

Methoden, Techniken und Praktiken der Mathematik sind wie folgt:

  • Mathematik
    • Statistiken
    • Künstliche Intelligenz, maschinelles Lernen, tiefes Lernen
    • Bibliotheken & Werkzeuge
    • Informatik
  • Informatik
    • Werkzeug-Portfolio
    • Softwareentwicklung
    • Modellierung
    • Programmiersprachen
    • etc.

  • Business Administration
    • Projektmanagement,
    • Controlling,
    • Logistik,
    • Der Umsatz
    • etc.


Hier können potenziell alle Methoden, Techniken und Best Practices einer anderen Disziplin oder Branche wie Recht, Gesundheitswesen, Unterhaltungssektor, Automobilindustrie usw. aufgeführt werden.

III ZUKÜNFTIGES POTENZIAL VON EMERGING TECHNOLOGIES


Der dritte Teil des Workshops beleuchtet das Potenzial neuer Technologien und erarbeitet und prognostiziert Möglichkeiten aus den folgenden neuen Technologien:

  • Die Blockchain ist offensichtlich die Technologie mit der größten potenziellen Auswirkung auf die Transaktionsprozesse der Zukunft. Da Transaktionen der Kern des unternehmerischen Umgangs mit Kunden und Mitarbeitern sind, wird dieses Thema auch zur Erreichung definierter Geschäftsziele evaluiert.
  • Das Internet der Dinge (IoT) gewinnt für die Zukunftsmärkte zunehmend an Bedeutung. Während des Workshops wird eine Prognose über das Potenzial für das jeweilige Unternehmen erstellt.
  • Bots übernehmen immer mehr Aufgaben in der Interaktion zwischen Unternehmen und Kunden und senken so zunehmend die Kosten e. G. in den Support-Abteilungen.
  • Virtual Reality (VR), Augmented Reality (AR) und Mixed Reality (MR) bieten neue Möglichkeiten, um mit Produkten und Dienstleistungen von Unternehmen für Privathaushalte und Branchen ein gesteigertes Nutzererlebnis zu schaffen.
  • Weitere aufstrebende Technologien wie 3D- und 4D-Druck, Autonome Fahrzeuge (AV), Drohnen, Transhumanismus usw. werden ebenfalls diskutiert.