Visual Analytics für Smart Data
| dc.contributor.author | Sutor, Ariane | de_DE |
| dc.contributor.editor | Butz, Andreas | de_DE |
| dc.contributor.editor | Koch, Michael | de_DE |
| dc.contributor.editor | Schlichter, Johann | de_DE |
| dc.date.accessioned | 2017-11-22T15:09:07Z | |
| dc.date.available | 2017-11-22T15:09:07Z | |
| dc.date.issued | 2014 | |
| dc.description.abstract | Die Verfügbarkeit großer Mengen an Daten und die technischen Möglichkeiten zur Speicherung und Verarbeitung ermöglichen neue Geschäftsmodelle im industriellen Umfeld. Wichtig ist hier nicht nur die Menge der Daten, vielmehr wird durch das Zusammenbringen von Domänenwissen aus den industriellen Anwendungen sowie das richtige Datenanalyse Know-How eine intelligente Auswertung der Daten im Sinne von „Smart Data“ ermöglicht zur Entscheidungsunterstützung und zur Verbesserung der Systeme etwa hinsichtlich Betrieb, Wartung oder Effizienz. Entscheidender Erfolgsfaktor sind neben Geschäftsmodell und Daten die richtigen Technologien, zusammengefasst in einem modularen, workflow-basierten Data Analytics Framework. Dies beinhaltet insbesondere auch die geeignete Visualisierung von Analyse-Ergebnissen, um diese für den Menschen effektiv nutzbar zu machen. | de_DE |
| dc.identifier.isbn | 978-3-11-034450-9 | de_DE |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/8205 | |
| dc.language.iso | de | de_DE |
| dc.publisher | De Gruyter Oldenbourg | de_DE |
| dc.relation.ispartof | Mensch & Computer 2014 - Workshopband | de_DE |
| dc.subject | smart data | de_DE |
| dc.subject | siemens | de_DE |
| dc.title | Visual Analytics für Smart Data | de_DE |
| dc.type | Text | de_DE |
| gi.citation.endPage | 062 | |
| gi.citation.publisherPlace | Berlin | de_DE |
| gi.citation.startPage | 055 | de_DE |
| gi.conference.sessiontitle | Industriesession | de_DE |
| gi.document.quality | digidoc | de_DE |
Dateien
Originalbündel
1 - 1 von 1