Diana Ackermann
DIENSTLEISTUNGKI Profi kontaktieren
Lesezeichen Details
Profil • Selbstdarstellung
𝑰𝒄𝒉 𝒃𝒓𝒊𝒏𝒈𝒆 𝑰𝒉𝒓𝒆 𝑫𝒂𝒕𝒆𝒏 𝒛𝒖𝒎 𝑺𝒑𝒓𝒆𝒄𝒉𝒆𝒏.
Ich bin Diana Ackermann, Geschäftsführerin, Chief Data Officer und Statistikerin, und arbeite an allem rund um das Thema Daten.
Als Daten-Nerd bringe ich über 15 Jahre branchenübergreifende Erfahrung mit statistischen Analysen mit und helfe Unternehmen eine Datenstrategie zu entwickeln. Meine Stärke sind verständliche Analysen und Visualisierungen, die Kunden jeden Tag dabei helfen, datenbasierte Entscheidungen zu treffen.
Der Fokus von BD-A liegt auf mittelständischen Unternehmen.
Unser Portfolio beinhaltet:
Forecasting | Machine Learning | Visualisierung von Daten in Power BI
Fachlicher Hintergrund
Duration: 2 months
Learned skills to process data in real-time by building fluency in modern data engineering tools, such as Apache Spark, Kafka, Spark Streaming, and Kafka Streaming.
Duration: 4 months
Trained in foundational topics in the exciting field of deep learning, the technology behind state-of-the-art artificial intelligence
Berufserfahrung | Referenzen
Unser Hauptprodukt: Automatisierte Flottenplanung mit KI-basierter Bedarfsvorhersage
POINT ist eine KI-basierte, automatisierte Flottenplanungssoftware. Sie liefert eine detaillierte Bedarfsvorhersage, garantiert eine optimale Verteilung der bestellten Fahrzeuge und ermöglicht eine ideale Planung der Neubestellungen – und verspricht dadurch Kosteneinsparungen. Kunden erhalten dann visualisierte Bestellvorschläge mit optimalen Einsteuerungszeitpunkten, die sich dynamisch an die tatsächlichen Flottenbestellungen anpassen.
In unseren Strategieworkshops analysieren und optimieren wir die Datenlandschaft von Unternehmen durch die Entwicklung einer klaren Roadmap, die sowohl sofortige als auch zukunftsorientierte Datenziele umfasst. Wir führen erste Auswertungen durch, um Stärken, Schwächen und Potenziale in der aktuellen Datennutzung zu identifizieren, und erarbeiten darauf aufbauend maßgeschneiderte Strategien. Diese interaktiven Workshops sind darauf ausgerichtet, Unternehmen dabei zu unterstützen, ihre Daten effektiver zu managen und datengetriebene Entscheidungsprozesse zu stärken.
Bei der Entwicklung und Implementierung eines Forecasting-Moduls konzentrierten wir uns auf die Erstellung präziser Vorhersagemodelle, die in Python und SQL umgesetzt wurden. Dieser Prozess beinhaltete umfangreiche Benchmarkanalysen zum Vergleich der Modellleistung mit bestehenden Standards, sowie gründliche Tests zur Gewährleistung von Zuverlässigkeit und Genauigkeit. Nach der erfolgreichen Validierung wurde das Modul in die Produktivumgebung überführt, wodurch Unternehmen befähigt wurden, datengetriebene Prognosen effektiv für Planungs- und Entscheidungsprozesse zu nutzen.
Das Projekt behandelte die Erkennung von Duplikaten anhand textueller Beschreibungen. Dies beinhaltete Data-Cleaning, Preprocessing und Auswertung der vorhandenen Daten, um ähnliche oder identische Einträge effizient zu identifizieren. Es wurden Klassifikationsmodelle trainiert, um die Genauigkeit der Duplikaterkennung zu erhöhen.