---

Data Science Process Model (DASC-PM)

Das Thema Data Science hat in den letzten Jahren in vielen Organisationen stark an Aufmerksamkeit gewonnen. Häufig herrscht jedoch weiterhin große Unklarheit darüber, wie diese Disziplin von anderen abzugrenzen ist, welche Besonderheiten der Ablauf eines Data-Science-Projekts besitzt und welche Kompetenzen vorhanden sein müssen, um ein solches Projekt durchzuführen.

In der Hoffnung, einen Beitrag zur Beseitigung dieser Unklarheiten leisten zu können, wurde von April 2019 bis Februar 2020 in einer offenen und virtuellen Arbeitsgruppe mit Vertretern aus Theorie und Praxis ein Vorgehensmodell für Data-Science-Projekte erarbeitet – das Data Science Process Model (DASC-PM) in der Version 1.0. Ziel war es dabei nicht, neue Herangehensweisen zu entwickeln, sondern vielmehr, vorhandenes Wissen zusammenzutragen und in geeigneter Form zu strukturieren.

Mit der Version 1.1 wurde im März 2022 eine neue Version Buchs über das DASC-PM veroffentlicht. Mit dieser neuen Version werden zahlreiche Rückmeldungen aus Praxis und Wissenschaft aufgegriffen sowie einige Themen, die dem Autorenteam, dem auch Prof. Dr. Stefan Sackmann und Dr. Stephan Kühnel angehören, besonders am Herzen lagen.

Inhaltlich fokussiert sich die Version 1.1 insbesondere auf die Phase des Projektauftrags. Wichtige Entscheidungen und Rahmenbedingungen werden bereits zu Beginn von Data-Science-Aktivitäten festgelegt. Hierfür bietet das DASC-PM v1.1 mit einer umfassenderen Beschreibung der Projektauftragsphase und einem praktisch anwendbaren Fragenkatalog jetzt eine konkrete Basis, sowohl für neue als auch erfahrene Anwender der Data Science.

Das DASC-PM in der Version 1.1

Das DASC-PM ist als Zusammenführung der Erfahrung sämtlicher Teilnehmerinnen und Teilnehmer dieser Arbeitsgruppe zu verstehen.
Als Zielgruppe des DASC-PM sind all diejenigen zu sehen, die direkt oder aber auch indirekt an Data-Science-Projekten beteiligt sind. Grundlegende Kenntnisse über den Komplex der analytischen Informationssysteme werden dabei vorausgesetzt. Das Vorgehensmodell soll dazu dienen, allen Interessengruppen von Data-Science-Projekten ein Verständnis der notwendigen Aufgaben und Zusammenhänge zu vermitteln. Zudem kann es von Studierenden genutzt werden, um sich dem Themenfeld zu nähern.

Die Data Science befindet sich noch am Anfang ihrer Entwicklung. Deshalb soll DASC-PM nicht als abgeschlossenes Werk betrachtet werden. Wir wünschen uns sehr, dass es zukünftig in der Durchführung von Data-Science-Projekten Berücksichtigung findet. Dadurch gewonnene Erkenntnisse sollen sowohl genutzt werden, um die bestehenden Ausarbeitungen in Frage zu stellen, als auch, um sie zu vervollständigen und zu detaillieren.

Download Link zum DASC-PM v1.1

DASC-PM v1.1 (deu)

Download Link zur DASC-PM v1.1 Fallstudiensammlung

Fallstudien DASC-PM v1.1 (deu)

Download Link to the Englisch edition of the DASC-PM v1.1

DASC-PM v1.1 (eng)

Download link to the English edition of the DASC-PM v1.1 case study collection

Case studies DASC-PM v1.1 (eng)

Projekbezogene Publikationen

• Schulz, Michael; Neuhaus, Uwe; Kühnel, Stephan; Rohde, Heiko; Hoseini, Sayed; Theuerkauf, René (Eds.)(2023): "DASC-PM v1.1 Case Studies", NORDAKADEMIE gAG Hochschule der Wirtschaft, Hamburg 2023.
• Schulz, Michael; Neuhaus, Uwe; Kühnel, Stephan; Rohde, Heiko; Hoseini, Sayed; Theuerkauf, René (Hrsg.)(2023): "DASC-PM v1.1 Fallstudien", NORDAKADEMIE gAG Hochschule der Wirtschaft, Hamburg 2023.
• Kuehnel, Stephan; Neuhaus, Uwe; Kaufmann, Jens; Schulz, Michael; Alekozai, Emal M.: "Using the Data Science Process Model Version 1.1 (DASC-PM v1.1) for Executing Data Science Projects: Procedures, Competencies, and Roles", in: T. Barton and C. Müller (eds.): Apply Data Science: Introduction, Applications and Projects, pp. 119-134, ISBN: 978-3-658-38797-6, https://doi.org/10.1007/978-3-658-38798-3_8.
• Theuerkauf, René; Daurer, Stephan; Hoseini, Sayed; Kaufmann, Jens; Kühnel, Stephan; Schwade, Florian; Alekozai, Emal M.; Neuhaus, Uwe; Rohde, Heiko; Schulz, Michael: "Vorschlag eines morphologischen Kastens zur Charakterisierung von Data-Science-Projekten", Informatik Spektrum (2022), https://doi.org/10.1007/s00287-022-01508-6
• Schulz, Michael; Neuhaus, Uwe; Kaufmann, Jens; Kühnel, Stephan; Alekozai, Emal M.; Rohde, Heiko; Hoseini, Sayed; Theuerkauf, René; Badura, Daniel; Kerzel, Ulrich; Lanquillon, Carsten; Daurer, Stephan; Günther, Maik; Huber, Lukas; Thiée, Lukas-Walter; zur Heiden, Philipp; Passlick, Jens; Dieckmann, Jonas; Schwade, Florian; Seyffarth, Tobias; Badewitz, Wolfgang; Rissler, Raphael; Sackmann, Stefan; Gölzer, Philipp; Welter, Felix; Röth, Jochen; Seidelmann, Julian; Haneke, Uwe: "DASC-PM v1.1 - A Process Model for Data Science Projects", NORDAKADEMIE gAG Hochschule der Wirtschaft, Hamburg 2022, ISBN: 978-3-9824465-1-6, http://dx.doi.org/10.25673/91094.
• Schulz, Michael; Neuhaus, Uwe; Kaufmann, Jens; Kühnel, Stephan; Alekozai, Emal M.; Rohde, Heiko; Hoseini, Sayed; Theuerkauf, René; Badura, Daniel; Kerzel, Ulrich; Lanquillon, Carsten; Daurer, Stephan; Günther, Maik; Huber, Lukas; Thiée, Lukas-Walter; zur Heiden, Philipp; Passlick, Jens; Dieckmann, Jonas; Schwade, Florian; Seyffarth, Tobias; Badewitz, Wolfgang; Rissler, Raphael; Sackmann, Stefan; Gölzer, Philipp; Welter, Felix; Röth, Jochen; Seidelmann, Julian; Haneke, Uwe: "DASC-PM v1.1 - Ein Vorgehensmodell für Data-Science-Projekte", NORDAKADEMIE gAG Hochschule der Wirtschaft, Hamburg 2022, ISBN: 978-3-9824465-0-9, DOI: 10.25673/85296.
• Kaufmann, Jens; Kühnel, Stephan; Theuerkauf, René; Alekozai, Emal M.; Hoseini, Sayed; Neuhaus, Uwe; Schulz, Michael (2021): "Where is the Science in Data Science Projects? Online-Workshop über die Wissenschaftlichkeit von Vorgehensmodellen für Data-Science-Projekte (WISDAP)", Gesellschaft für Informatik e.V. (GI) (Hrsg.): INFORMATIK 2021, Lecture Notes in Informatics (LNI), Bonn 2021, S. 1729-1741, DOI: 10.18420/informatik2021-150
• Alekozai, Emal M., Kaufmann, Jens, Kühnel, Stephan; Neuhaus, Uwe; Schulz, Michael (2021): "Data-Science-Projekte mit dem Vorgehensmodell „DASC-PM“ durchführen: Kompetenzen, Rollen und Abläufe", in: Barton, Thomas; Müller, Christian (Hrsg.): Data Science anwenden – Einführung, Anwendungen und Projekte, ISBN: 978-3-658-33813-8, S. 127-144, DOI: 10.1007/978-3-658-33813-8.
• Schulz, Michael; Neuhaus, Uwe; Kaufmann, Jens; Badura, Daniel; Kühnel, Stephan; Badewitz, Wolfgang; Dann, David; Kloker, Simon; Alekozai, Emal M.; Lanquillon, Carsten (2020): "Introducing DASC-PM: A Data Science Process Model", Australasian Conference on Information Systems, ACIS Proceedings, paper 45, 2020, Wellington, New Zealand, https://aisel.aisnet.org/acis2020/45, http://dx.doi.org/10.25673/92266.
• Schulz, Michael; Neuhaus, Uwe; Kühnel, Stephan (2020): “Data-Science-Prozessmodell (DASC-PM)”, in: WISU, Basiswissen Wirtschaftsinformatik, 49 Jg., Heft 4/2020, S. 387 ff.
• Schulz, Michael; Neuhaus, Uwe; Kaufmann, Jens; Badura, Daniel; Kerzel, Ulrich; Welter, Felix; Prothmann, Maik; Kühnel, Stephan; Passlick, Jens; Rissler, Raphael; Badewitz, Wolfgang; Dann, David; Gröschel, Alexander; Kloker, Simon; Alekozai, Emal M.; Felderer, Michael; Lanquillon, Carsten; Brauner, Dorothee; Gölzer, Philipp; Binder, Harald; Rohde, Heiko; Gehrke, Nick (2020): "DASC-PM v1.0 - Ein Vorgehensmodell für Data-Science-Projekte", NORDAKADEMIE gAG Hochschule der Wirtschaft, Hamburg 2020, ISBN: 978-3-00-064898-4, DOI: 10.25673/32872.

Ansprechpartner

Zum Seitenanfang