R

R ist schon fast ein Klassiker und dabei einer der im Markt weit verbreiteten und frei verfügbaren Standards zur Datenanalyse mittels Machine Learning. Dabei werden insbesondere statistische Funktionen und Algorithmen angeboten, welche die Ausführung unterschiedlicher Schritte im Mustererkennungsprozess in Datenmengen ermöglichen. Dazu gehören neben Datenaufbereitungsschritten auch u. a. Klassifikationen auf strukturierten Daten mittels beispielsweise Entscheidungsbäumen, Künstlichen Neuronalen Netzen sowie die Nutzung umfassender Bibliotheken für ein Text Mining auf unstrukturierten Daten. Mit den gewonnenen Mustern lassen sich dann Vorhersagen treffen oder auch zugrundeliegende Gesetzmäßigkeiten identifizieren. R lässt sich als Codeschnipsel in andere Umgebungen migrieren, wobei in einer solchen Migration entsprechende Modelle und Daten ebenfalls enthalten sein können.
Wichtigster Ausgangspunkt unserer Entwicklungen ist stets der Prozess in Ihrer Organisation, in dem diese Daten bzw. die Ergebnisse des analytischen Prozesses benötigt werden. Danach werden passende interne und vielleicht auch sinnvolle externe Daten ausgewählt, mit deren Hilfe wir die Muster identifizieren, die uns helfen, die jeweilige Aufgabenstellung zu lösen. Zwar verfolgen auch wir dem heute standardmäßigen agilem Ansatz, dennoch orientiert sich das Projekt auch bei aller Agilität an einem klassischen Data-Science-Vorgehensmodell wie Cross Industry Standard Process for Data Mining (CRISP-DM) oder dem Data Science Process Modell (DASC-PM).