Analytics
Insights
-
Article
AI revolutioniert die Versicherungsbranche: 8 Beispiele dafür, wie es funktioniertDer Einsatz von AI im Versicherungswesen kann den Mehrwert für Kunden, Versicherungsgesellschaften und Stakeholder gleichermaßen steigern. Beispiele hierfür sind eine verbesserte Betrugserkennung, ein optimierter Kundenservice, optimierte Zeichnungsverfahren und Wettbewerbsvorteile. Erfahren Sie mehr darüber, wie AI die Branche transformiert.
-
Article
AI and humanity: Collaborating to solve global problemsDisplaced communities, the food crisis and natural disasters – these situations affect quality of life, and even the ability to survive. Could artificial intelligence be the unexpected boost humanity needs? Could it accelerate our ability to make a positive, lasting impact? Learn more and read examples of how AI is being used to find solutions to global problems.
-
Article
Was ist AI-Modellierung?Bei der AI-Modellierung werden Programme erstellt, die einen oder mehrere Algorithmen verwenden, damit Computer denken, lernen und Ergebnisse vorhersagen können. Ähnlich wie das menschliche Gehirn nehmen AI-Modelle verschiedene Eingabedaten – wie Zahlen, Texte, Bilder, Videos oder Ton – auf, um zu lernen, wie Ergebnisse vorhergesagt oder bestimmte Aufgaben gelöst werden können, ohne dass dabei explizite Anweisungen für jeden Schritt erforderlich sind.
-
Article
Understanding digital twin technologyLearn how digital twin technology can change industries from health care to manufacturing, and shape the future of data modeling and process improvements.
-
Article
Unlocking a strategic approach to data and AIAI is only as good as the data that powers it – this is a fundamental truth about data and AI that defines the limits of what’s possible with artificial intelligence. It may seem surprising, but it's rarely a bad algorithm or a bad learning model that causes AI failures. It's not the math or the science. More often, it's the quality of the data being used to answer the question.
-
Article
AI anxiety: Calm in the face of changeAI anxiety is no joke. Whether you fear jobs becoming obsolete, information being distorted or simply missing out, understanding AI anxiety can help you conquer it.
-
Article
Mit synthetischen Daten AI-Durchbrüche ermöglichenIn diesem Artikel beleuchten wir die entscheidende Rolle von synthetischen Daten in unseren daten-hungrigen AI-Initiativen, wie Unternehmen Wachstum mit synthetischen Daten generieren können, und welche ethischen Fragen noch nicht geklärt sind.
-
Article
Was sind AI-Halluzinationen?Es ist schwer, Fakten und AI-generierte Fiktion voneinander zu trennen. Erfahren Sie, welche Fehler bei Large Language Models auftreten können und wie es in der Folge zu AI-Halluzinationen kommt – und lernen Sie, GenAI verantwortungsvoll zu nutzen.
Analytics: Die Grundlagen
- Thema auswählen
- Big Data Analytics
- Data Mining
- Predictive Analytics
- Statistical Analysis
- Blockchain
- Neuronale Netzwerke
- Data Science
- Algorithmus
Analytics
Als Leser:in dieser Zeilen wissen Sie bestimmt schon einiges - wenn nicht sogar mehr- über Analytics. Laut Wikipedia ist Analytics "das Erkennen und Übermitteln von aussagefähigen Datenmustern". Klingt logisch, oder?
Der eigentliche Clou von Analytics liegt aber in den Einsatzmöglichkeiten. Denken Sie an die unbegrenzten Möglichkeiten. Chancen. Neue Erkenntnisse.
Möglich gemacht haben das technologische Fortschritte in der Analytik, von denen man vor Jahren noch nicht einmal zu träumen gewagt hätte. Lassen Sie uns also gemeinsam das Geheimnis der Analytik ergründen und mit Analytics-Experten Wissen austauschen - Wissen, was Sie sich zunutze machen können ... nun ja, die Entscheidung liegt bei Ihnen.
Big Data Analytics
Bei Big Data Analytics werden große Datenmengen auf verborgene Muster, Korrelationen und andere Erkenntnisse hin untersucht. Mithilfe moderner Technologie lassen sich beinahe sofort Ergebnisse aus Datenanalysen abrufen, während dies bei herkömmlichen Business Intelligence-Lösungen länger dauert und weniger effizient ist.
Data Mining
Haben Sie von dem Einzelhändler gehört, der feststellte, dass Windeln und Bier oft zusammen gekauft werden? Oder dem Telekommunikationsanbieter, der vorhersagen kann, mit welcher Wahrscheinlichkeit Sie den Anbieter wechseln, basierend auf der Tatsache, wie viele Ihrer Freunde bereits gewechselt haben? Diese Unternehmen nutzen Data Mining, um völlig unerwartete Erkenntnisse aus ihren Daten zu ziehen. Welche Gerheimnisse verbergen Sie in Ihren stetig wachsenden Datenspeichern? Finden Sie es heraus – mit Data Mining.
Predictive Analytics
Predictive Analytics dient dazu, mithilfe von Daten, statistischen Algorithmen und maschinellem Lernen die Wahrscheinlichkeit zukünftiger Ergebnisse auf der Grundlage historischer Daten zu prognostizieren. Ziel ist es, anhand einer Analyse vergangener Ereignisse bestmöglich vorherzusagen, was in Zukunft geschehen wird.
Statistical Analysis
Bei statistischen Analysen werden große Mengen an Daten gesammelt, untersucht und präsentiert, um zugrunde liegende Muster und Trends zu erkennen. Statistiken kommen jeden Tag zum Einsatz: in der Forschung, in der Industrie und bei Behörden. Ziel ist es, eine wissenschaftliche Grundlage für bevorstehende Entscheidungen zu treffen.
Blockchain
Eine Blockchain ist eine Art Datenspeicher für alles, was einen digitalen Wert hat. Jede neue Transaktion wird in einem Block gespeichert, der an eine Kette vorhandener Datensätze angehängt wird. Üblicherweise dient eine Blockchain dazu, Daten über ein offenes Netzwerk hinweg zu duplizieren. Updates erfolgen für alle Parteien in der Blockchain gleichzeitig und werden mittels eines öffentlichen Verifizierungsprozesses validiert, sodass sich die Richtigkeit der Daten ohne eine zentrale Abwicklungsstelle wie eine Bank sicherstellen lässt.
Was sind neuronale Netzwerke?
Bei neuronalen Netzen handelt es sich um spezielle Software, die das menschliche Gehirn beim Lernen und Suchen nach Mustern imitieren soll. Sie werden oft als künstliche neuronale Netze (ANN) bezeichnet und eignen sich hervorragend für die Lösung alltäglicher Herausforderungen in den unterschiedlichsten Lebensbereichen. Ähnlich wie das menschliche Gehirn können sie im Laufe der Zeit so trainiert werden, dass sie ihre eigenen Daten-Auswertungen verbessern können.
Data Science
Data Science ist ein multidisziplinäres Gebiet, das im weitesten Sinne die Nutzung von Daten zur Informationsgewinnung beschreibt. Im Gegensatz zu spezialisierteren datenbezogenen Bereichen wie Data Mining oder Data Engineering umfasst Data Science den gesamten Lebenszyklus der Umwandlung von Rohdaten in verwertbare Informationen und deren Anwendung zu produktiven Zwecken in einer breiten Palette von Anwendungen.
Algorithmus
Ein Algorithmus ist eine Schritt-für-Schritt-Anweisung, die dazu dient, eine bestimmte Aufgabe zu erfüllen oder ein bestimmtes Problem zu lösen. Wenn man es so betrachtet, sind Algorithmen allgegenwärtig. Ein Rezept für französische Zwiebelsuppe ist beispielsweie ein Algorithmus. Kombinieren Sie diese Eingaben, um Ergebnisse zu generieren. Bei Computern funktionieren Algorithmen im Grunde genauso. Egal, ob sie binäre Zahlen in Buchstaben umwandeln, um lesen zu können, was auf dem Bildschirm Ihres Tablets steht, oder ob sie auf der Grundlage Ihrer Risikobereitschaft Aktien empfehlen – Algorithmen sind ein wesentlicher Bestandteil der modernen Computertechnik. Diese Seite konzentriert sich auf Computeralgorithmen.
Bekommen Sie SAS Insights direkt in Ihren Posteingang.