Laut verschiedenen Studien* scheitern ca. 85% aller Data Science Projekte in Unternehmen. Philipp Paraguya erklärt uns in dieser Folge woran das liegt und was man dagegen tun kann. ##### Philipp Paraguya ist Lead Consultant bei INFOMOTION, einem Beratungsunternehmen für Business Intelligence, Big Data und Digital Solutions. Philipp ist ein echter Datenliebhaber und weiß um die Herausforderungen, die Data Science Projekte in verschiedenen Unternehmen und Branchen mit sich bringen. ##### Kapitelmarken: (00:00) Intro (02:59) Warum ist Erwartungsmanagement bei Data Science Projekten relevant? (06:37) Warum scheitern Data Science Projekte? (11:46) Wie kann man die Erfolgschancen eines Data Science Projektes erhöhen? (14:46) Wie reagiere ich auf unterschiedliche Erwartungshaltungen? (21:44) Wie setze ich ein Data Science Projekt richtig auf? (26:11) Warum sollte man Data Science Projekt frühzeitig stoppen? (28:23) Warum sollten Best Practices implementiert werden? (29:03) Welches Mindset sollte man bei Data Science Projekten haben? (31:33) Welches Buch empfiehlt Philipp? ##### Shownotes: Gast: Philipp Paraguya (https://www.linkedin.com/in/philipp-paraguya-7420a087/) von INFOMOTION (https://www.infomotion.de ) Host: Fabian Merkel ( https://www.linkedin.com/in/fabian-merkel/) Best Practices: CRISP-DM (http://bit.ly/31I9KEy) Studienübersicht: Failure rates for analytics, AI, and big data projects = 85% – yikes! (http://bit.ly/2w3groU) Buch: Data Science for Business, by Foster Provost and Tom Fawcett, (http://bit.ly/2UDbnSy)