Ein Jahr seitdem der Begin des TDS Creator Cost Programwir könnten nicht begeisterter von der Wirkung sein. Hunderte Artikel haben eine Auszahlung verdient; Für uns ist es ein starkes Sign dafür, dass die Arbeit, die unsere Mitwirkenden jeden Tag mit den Lesern teilen, weiterhin spannend, innovativ und aufschlussreich ist.

Als datenorientierte Publikation glauben wir an die Wichtigkeit, ehrgeizige Ziele zu setzen, Ergebnisse zu verfolgen und entsprechend zu iterieren. In diesem Sinne haben wir beschlossen, Änderungen am Programm vorzunehmen, damit wir unsere produktivsten Autoren besser belohnen und eine höhere Auszahlung für mehr Artikel anbieten können. Dieses Replace gilt ab dem 1. März 2026.

Neue Verdienststufen

Wir sind sehr zufrieden mit dem hohen Prozentsatz an Artikeln, die die anfängliche Auszahlungsschwelle überschreiten (500 aktive Aufrufe für 100 $). Gleichzeitig würden wir uns wünschen, dass mehr Geschichten in die nächste Verdienststufe aufsteigen. Um dies zu verwirklichen, haben wir unsere Verdienststufen angepasst:

• 500 bis 2.499 Aufrufe: 100 $. Zuvor reichte diese Stufe bis zu 5.000 aktive Aufrufe.
• 2.500 bis 7.499 Aufrufe: 0,05 $ professional Aufruf. Dies bedeutet eine Mindestauszahlung von 125 $ und bis zu 374 $ innerhalb dieser Stufe.
• Über 7.500 Aufrufe: 0,1 $ professional Aufruf. Dies entspricht einer Mindestauszahlung von 750 US-Greenback und einer Verdienstobergrenze von bis zu 7.500 US-Greenback professional Artikel.

Mit dieser neuen Struktur erwarten wir, dass viele unserer Autoren mit ihren neuen Artikeln deutlich mehr verdienen werden, was ihnen einen Anreiz gibt, regelmäßig neue Ideen und Perspektiven einzubringen.

Eine höhere monatliche Artikelobergrenze

Seit dem Begin des Programms konnten Autoren so viele Artikel veröffentlichen, wie sie wollten, aber nur die vier Artikel mit den besten Ergebnissen professional Monat hatten Anspruch auf eine Auszahlung.

Wir haben jedoch erfahren, dass einige unserer produktivsten und erfolgreichsten Autoren möglicherweise deutlich mehr als vier Artikel professional Monat veröffentlichen. Wir sind der Meinung, dass Produktivität etwas ist, das man feiern und nicht bestrafen sollte, deshalb haben wir uns dazu entschieden Erhöhen Sie die monatliche Artikelobergrenze auf 10. Mit anderen Worten: Autoren können an bis zu 10 Artikeln professional Monat verdienen (und können gerne mehr veröffentlichen, wenn sie möchten; die Auszahlung gilt für die ersten 10 berechtigten Artikel).

---

Wir hoffen, dass diese Änderungen unsere bestehenden Autoren dazu ermutigen, mehr Artikel auf TDS zu veröffentlichen Inspirieren Sie neue Mitwirkende, ihre Arbeit auch an uns weiterzuleiten.

Wir werden die Leistung des Autorenzahlungsprogramms in den kommenden Wochen und Monaten genau im Auge behalten und möglicherweise weitere Optimierungen vornehmen, wenn wir eine Möglichkeit zur Verbesserung sehen. Wie immer wissen wir, dass unsere Publikation gedeiht, wenn es unseren Autoren intestine geht, und dass ihr Erfolg mit unserem Erfolg verbunden ist.

Während sich die künstliche Intelligenz weiterentwickelt, ist OpenAI bereit, seine neuesten KI-Argumentationsmodelle auf den Markt zu bringen – die o3-Familie. Diese neue Produktreihe umfasst zwei Hauptmodelle: o3 und o3-mini, die erhebliche Fortschritte bei den KI-Fähigkeiten versprechen. Sam Altman hat kürzlich angekündigt dass sie o3-mini bald am selben Tag als API und auf ChatGPT starten würden. Das vollwertige o3-Modell soll kurz darauf folgen. Während wir auf ihre Veröffentlichung warten, wollen wir in diesem Artikel einige ihrer Funktionen und Anwendungen erkunden. Wir werden auch einen Vergleich von OpenAIs o3 mit anderen KI-Modellen auf dem Markt sehen, darunter Claude Sonett 3.5, DeepSeek R1, DeepSeek V3und mehr.

Hauptmerkmale der o3-Modelle von OpenAI

Hier sind einige der vielversprechendsten Funktionen des o3-Modells.

1. Erweiterte Problemlösungsfähigkeiten: o3 zeichnet sich durch die Zerlegung komplexer Probleme in kleinere, überschaubare Komponenten aus. Dieser schrittweise Problemlösungsansatz reduziert KI-Halluzinationen und verbessert die Ausgabegenauigkeit.
2. Verbessertes logisches Denken: Im Vergleich zu anderen Modellen, einschließlich Googles Gemini 2.0 Flash Considering, zeigt o3 eine überlegene Leistung bei Aufgaben, die komplizierte Überlegungen und logische Schlussfolgerungen erfordern.
3. Verbessertes Gedächtnis: o3 bietet eine bessere Beibehaltung langfristiger Abhängigkeiten und ist daher in Anwendungsfällen wie der Zusammenfassung langwieriger Dokumente äußerst effektiv.
4. Hochgradig anpassbar: Unternehmen können o3 an spezifische Anforderungen anpassen und es so zu einem vielseitigen Software für Nischenanwendungen machen.
5. Energieeffizienz: Trotz seiner fortschrittlichen Fähigkeiten ist o3 für einen energieeffizienten Betrieb optimiert. Dies bedeutet, dass die Rechenkosten reduziert werden, ohne dass die Leistung beeinträchtigt wird.

Funktionen des o3-Mini von OpenAI

Hier sind einige der Funktionen, die den o3-mini zu einem beeindruckenden Modell machen.

1. Kostengünstiges Design: Der o3-mini ist so konzipiert, dass er mit begrenzten Rechenressourcen arbeitet und hohe Leistung zu reduzierten Kosten bietet. Aufgrund seines geringeren Rechenaufwands ist es auch für kleinere Unternehmen und Entwickler mit begrenzten Ressourcen zugänglich.
2. Optimierte Leistung: Das Mini-Modell ist zwar weniger leistungsstark als das vollwertige o3, liefert aber außergewöhnliche Ergebnisse für leichte Anwendungen.
3. Einfache Integration: Die leichte Beschaffenheit des Modells sorgt für eine schnellere Bereitstellung und Anpassungsfähigkeit auf verschiedenen Plattformen. Der geringere Platzbedarf ermöglicht zudem eine einfachere Integration in bestehende Systeme ohne umfangreiche Neukonfiguration.
4. Schnellere Verarbeitungsgeschwindigkeiten: o3-mini verfügt im Vergleich zu seinen Vorgängern über einen deutlichen Geschwindigkeitsschub und ist somit preferrred für Echtzeitanwendungen. Darüber hinaus ist es für die Ausführung auf Edge-Geräten optimiert, wodurch die Abhängigkeit von Cloud-basierten Vorgängen verringert wird. Diese Verarbeitung auf dem Gerät verbessert die Geschwindigkeit des Modells weiter.

Anwendungen von OpenAIs o3

Lassen Sie uns anhand dieser Funktionen sehen, wo und wie wir die o3-Modelle von OpenAI am besten nutzen können.

• Wissenschaftliche Forschung: Die außergewöhnlichen Fähigkeiten von o3 im mathematischen Denken und Problemlösen machen es zum perfekten KI-Begleiter für die wissenschaftliche Forschung. Es kann Daten genauer und schneller analysieren und Hypothesen testen als andere Modelle.
• Rechtliche Analyse: Dank der verbesserten Gedächtnis- und Sprachverarbeitungsfähigkeiten von o3 können umfangreiche juristische Dokumente in einem Durchgang analysiert werden. Es kann wichtige Punkte identifizieren, bei der Vertragsgestaltung helfen und sogar bei der Vorbereitung rechtlicher Argumente helfen.
• Gesundheitsdiagnostik: Mit außergewöhnlichem multimodalem Verständnis kann o3 Daten aus Krankenakten, Bildgebungs- und Laborberichten kombinieren, um die Diagnose von Krankheiten zu unterstützen.
• Echtzeitanalysen: Die schnellere Verarbeitungsgeschwindigkeit von o3-mini macht es preferrred für Anwendungen wie Börsenanalysen oder Betrugserkennung. Dadurch eignet es sich auch intestine für die Good-Metropolis-Integration, insbesondere bei der Verkehrssteuerung.
• IoT-Integration: Die Optimierung von o3-mini für Edge-Geräte macht es zu einer hervorragenden Wahl für IoT-Anwendungen wie Good-Residence-Systeme.
• Augmented Actuality für den Einzelhandel: Die Echtzeitverarbeitungsfähigkeiten von o3-mini können AR-Anwendungen insbesondere im Einzelhandel und E-Commerce unterstützen. Dies kann Kunden dabei helfen, Produkte in ihrem Raum zu visualisieren (z. B. Möbel oder Kleidung) und sogar personalisierte Empfehlungen zu erhalten.

OpenAI o3-Modelle: Fortschritte und Leistungsbenchmarks

In diesem Abschnitt werden wir sehen, wie intestine o3 von OpenAI in verschiedenen Benchmark-Exams abgeschnitten hat. Wir werden auch sehen, wie seine Leistung im Vergleich zu anderen heute erhältlichen Topmodellen abschneidet.

Vergleich von o3 mit o1

Die o3-Familie von KI-Modellen stellt den neuesten Schritt von OpenAI zur Verbesserung der maschinellen Intelligenz dar. Aufbauend auf ihrem Vorgänger, der o1-Serie, sind diese Modelle auf herausragende Argumentation, Problemlösung und Leistung ausgelegt. So vergleichen sich die o3-Modelle mit der o1-Serie.

ARC-AGI-Benchmark

o3 erreichte eine Genauigkeit von quick 90 % im Abstraction and Reasoning Corpus für künstliche allgemeine Intelligenz. Dies ist quick das Dreifache des Argumentationswerts von o1-Modellen, was auf den Sprung von OpenAI bei der Modellentwicklung hinweist.

FrontierMath-Benchmark

o3 verzeichnete im FrontierMath-Check eine Genauigkeitsrate von 25 %, was einen gewaltigen Sprung gegenüber der vorherigen Bestmarke von 2 % darstellt. Dies zeigt sicherlich, dass es sich um eine herausragende Leistung im mathematischen Denken handelt.

Vergleich von o3 mit Claude, DeepSeek und anderen Modellen

Die Sicherheitstestergebnisse von o3 zeigen zwar, dass es das übertrifft o1-Seriesehen wir uns an, wie es im Vergleich zu anderen vorhandenen Modellen abschneidet, einschließlich Claude Sonnet 3.5 und DeepSeeks V3 Und R1.

Codeforces Elo Rating

o3 führt derzeit den Codeforces-Codierungstest mit einem Bewertungswert von 2727 an. Es übertrifft seinen Vorgänger o1 mit einem Wert von 1891 deutlich und DeepSeeks neuestes Modell R1 mit einem Wert von 2029. Dies zeigt seine verbesserte Codierungskompetenz und macht es zu einem zuverlässigen Modell für Aufgaben mit fortgeschrittenen Algorithmen und Problemlösungstechniken.

Von der SWE-Bench verifizierter Benchmark

o3 hat OpenAI mit einer Punktzahl von 71,7 % wieder an die Spitze des SWE-Codierungstests gebracht. Das nächstbeste Modell, DeepSeek R1, hatte mit einem Wert von 49,2 % gerade den o1 von OpenAI mit 48,9 % übertroffen. Diese überragende Leistung unterstreicht die Stärke von o3 bei der Bewältigung realer Software program-Engineering-Probleme, einschließlich Debugging und Codeüberprüfung.

American Invitational Arithmetic Examination (AIME) Benchmark

Im AIME-Benchmark erreichte o3 eine Genauigkeit von 96,7 % und übertraf damit andere Modelle deutlich. Mit großem Abstand liegt DeepSeek R1 mit einem Wert von 79,8 % auf dem zweiten Platz und erwies sich damit erneut als besser als o1 von OpenAI, das einen Wert von 78 % erreichte. Mittlerweile liegen Modelle wie Claude Sonnet 3.5 und OpenAIs eigener GPT-4o mit nur 16 % bzw. 9,3 % weit zurück. Dies unterstreicht die außergewöhnlichen Fähigkeiten von o3 im mathematischen Denken und bei der Lösung komplexer Probleme.

Google-Proof Q&A (GPQA)-Benchmark für Hochschulabsolventen

o3 erzielte beim GPQA-Diamond Benchmark einen Wert von 87,7 % und übertraf damit alle anderen Modelle deutlich, darunter OpenAI o1 (76,0 %) und DeepSeek R1 (71,5 %). Dies weist auf seine überlegene Leistung bei Englischverständnisaufgaben hin und macht es zu einem herausragenden Modell für das Verstehen natürlicher Sprache.

Abschluss

Die o3-Modellfamilie stellt einen wichtigen Meilenstein in der KI-Entwicklung dar und kombiniert fortschrittliche Argumentationsfähigkeiten, Effizienz und energieeffiziente Leistung. Mit erstklassigen Ergebnissen bei Benchmarks wie Codeforces, AIME und GPQA übertreffen diese Modelle Konkurrenten wie DeepSeek R1, V3 und Claude 3.5 und beseitigen gleichzeitig die Einschränkungen früherer Versionen.

Mit dem voll ausgestatteten o3 und dem leichten o3-mini erfüllt OpenAI vielfältige Anforderungen in allen Branchen, vom Gesundheitswesen bis zum IoT. Während wir auf ihre Markteinführung warten, ist klar, dass die o3-Serie die KI-Fähigkeiten neu definieren und einen neuen Commonplace auf diesem Gebiet setzen wird.

Häufig gestellte Fragen

Die Fortschritte in der Quantencomputertechnologie haben in den letzten Jahren rasant zugenommen. Als ich 2018 zum ersten Mal in das Fachgebiet einstieg, waren sich nicht viele Menschen der praktischen Seite des Fachgebiets bewusst oder suchten so viel danach, vielleicht weil nur wenige wussten, was Quantencomputer sind, oder weil wir zu dieser Zeit keine Quantencomputer hatten. Seitdem hat sich alles geändert.

Immer mehr Menschen interessieren sich für das Fachgebiet, von der Wissenschaft über die Industrie bis hin zu einigen Teilen der Öffentlichkeit. Als ich additionally da saß und über meinen ersten Artikel im Jahr 2025 nachdachte, schien mir der aktuelle Stand des Quantencomputings eine gute Idee zu sein.

Nicht nur wegen der Schnelligkeit des Quantenfeldes, sondern auch, weil die Vereinten Nationen in diesem Jahr, dem 100. Jahr seit Beginn der Entwicklung der Quantenmechanik, das Jahr 2025 als das Jahr 2025 ausgerufen haben Internationales Jahr der Quantenwissenschaft und -technologie.

Gibt es additionally einen besseren Zeitpunkt für diejenigen, die neugierig sind, wo wir als Fachgebiet jetzt stehen, um über das Fachgebiet zu diskutieren?

Was sind Quantencomputer? Eine sehr kurze Einführung

Doch zunächst möchten wir alle, die neu auf diesem Gebiet sind, kurz darauf eingehen, was Quantencomputing ist und warum sich jeder dafür interessieren sollte.

Vier von zehn Führungskräften trauen ihren Daten nicht zu, genaue KI-Ergebnisse zu generieren

Eine neue Umfrage unter Topmanagern und KI-Verantwortlichen zeigt, dass Entscheidungsträger in Unternehmen zwar auf das Potenzial von KI vertrauen, vielen jedoch das Vertrauen in die Umsetzungsstrategie ihres Unternehmens und in die Datenbereitschaft fehlt, um die Zuverlässigkeit der KI-Ergebnisse zu gewährleisten. Darüber hinaus geben 7 von 10 Führungskräften an, dass ihre KI-Strategie derzeit nicht vollständig auf ihre Geschäftsstrategie abgestimmt ist.

Die Umfrage wurde durchgeführt für Teradata von NewtonX, ein weltweit führendes B2B-Marktforschungsunternehmen, führte Experteninterviews und eine quantitative Studie mit Führungskräften und Entscheidungsträgern durch, die über Insiderwissen zur KI-Strategie und -Umsetzung ihres Unternehmens verfügen. Die Befragten sind alle für KI verantwortlich oder nutzen diese in ihrem Job. Während 61 Prozent sagten, sie vertrauen voll und ganz auf die Zuverlässigkeit und Gültigkeit ihrer KI-Ergebnisse, glauben 40 Prozent nicht, dass die Daten ihres Unternehmens schon ausreichen, um genaue Ergebnisse zu erzielen.

„Die Grundlage der KI sind saubere, zuverlässige und vertrauenswürdige Daten, denn sie bilden das Rückgrat der KI-Ergebnisse“, sagte Jacqueline Woods, Chief Advertising and marketing Officer bei Teradata. „Obwohl es für viele Führungskräfte noch immer schwierig ist, vollständiges Vertrauen zu erreichen, zeigt unsere Umfrage ein tieferes Verständnis dafür, wie man es erreichen kann. vertrauenswürdige KI im Unternehmensmaßstab und bestätigt, dass Teradata intestine aufgestellt ist, um seine Kunden bei diesen Geschäftszielen zu unterstützen.“

KI ist unverzichtbar, aber klare, abgestimmte Strategien sind rar

Während 89 Prozent der Unternehmensleiter der Meinung sind, dass KI notwendig ist, um wettbewerbsfähig zu bleiben, sagen nur 56 Prozent, dass ihr Unternehmen eine klare KI-Strategie hat, und nur 28 Prozent sehen ihre KI-Strategie als eng mit den umfassenderen Geschäftszielen abgestimmt und unterstützend an. Die meisten erfolgreichen KI-Implementierungen finden auf Abteilungsebene statt – nur 12 Prozent haben KI-Lösungen unternehmensweit eingesetzt, während 39 Prozent KI in ausgewählten Abteilungen implementiert haben.

Als größte Vorteile von KI sehen Führungskräfte eine deutliche Produktivitätssteigerung (51 Prozent) und eine Verbesserung des Kundenerlebnisses (50 Prozent). Trotz des Potenzials kundenorientierter Anwendungen ziehen es die meisten Führungskräfte jedoch vor, KI-Projekte in Angriff zu nehmen, die interne Prozesse verbessern, da diese Projekte die KI-Risiken tendenziell minimieren und eher zur Kostenkontrolle beitragen als das Wachstum anzukurbeln.

• Etwa die Hälfte der befragten Führungskräfte nutzt KI erfolgreich, um die Produktivität und Zusammenarbeit der Mitarbeiter zu steigern (54 Prozent) und die Entscheidungsfindung zu unterstützen (50 Prozent). Doch nur ein Drittel verwendet KI für die Produktentwicklung (30 Prozent) oder für Verkaufs- und Umsatzprognosen (30 Prozent).
• Mehr als die Hälfte (57 Prozent) der befragten Führungskräfte äußerten sich besorgt über die möglichen Auswirkungen von Fehltritten im Bereich der KI auf die Kundenzufriedenheit, den Ruf des Unternehmens oder beides. Sie wiesen darauf hin, dass für den Erfolg von KI eine stärkere Verknüpfung von Geschäftsplanung und KI erforderlich sei.
• Sogar bei internen Projekten geben 63 Prozent der befragten Führungskräfte an, eine Mischung aus geschlossenen und öffentlichen Datensätzen zu verwenden, während nur 29 Prozent ausschließlich auf geschlossene Datensätze vertrauen.
• Zu den Hindernissen für die effektive Skalierung von KI-Projekten gehören:
  • Mangel an technischen Talenten im KI-Bereich (39 Prozent);
  • Fehlendes Finances zur Skalierung von KI-Projekten (34 Prozent);
  • Schwierigkeiten bei der Messung der geschäftlichen Auswirkungen (32 Prozent); und
  • Unzureichende Technologie-Infrastruktur (32 Prozent).

Während 73 Prozent der Befragten ihre Unternehmen bei vielen Technologien als Vorreiter betrachten, gaben 60 Prozent an, dass ihr KI-Einsatzniveau lediglich „auf Augenhöhe“ mit dem ihrer Konkurrenten sei. Lediglich 27 Prozent sehen sich selbst als führende KI-Einsetzer in ihrer Branche.

Vertrauensbildung ist ein Auftrag

Für Führungskräfte ist es entscheidend, dass sie ihren KI-Projekten und -Ergebnissen vertrauen. Ein Teilnehmer sagte: „… wir möchten unseren Kunden gegenüber ganz klar sagen, welche Daten zum Trainieren der Modelle verwendet wurden“, und merkte an, dass durch die Wahl der falschen Trainingsdatensätze leicht Verzerrungen in die Modelle eingeführt werden können. Ein anderer sagte: „… Stammdatenverwaltung ist nicht gerade glamourös, aber … wenn Sie alles auf den Daten basieren und die Daten fehlerhaft sind, dann haben Sie ein Drawback.“

Neben objektiven Daten gaben die Umfrageteilnehmer an, dass eine verbesserte Effizienz im Betrieb (74 Prozent), nachgewiesene erfolgreiche Anwendungsfälle (74 Prozent) und verbesserte Entscheidungsprozesse (57 Prozent) zu den wichtigsten Faktoren gehören, die das Vertrauen innerhalb der Organisation in neue KI-Implementierungen belegen können. Ebenfalls sehr wichtig für das Vertrauen in KI ist die Priorisierung von Anbietern und Partnern, die eine nahtlose Integration mit erstklassigen KI-Lösungen ermöglichen (67 Prozent).

Als weitere Ergebnisse stellten die Befragten Folgendes fest:

• Zuverlässige und validierte Ergebnisse (52 Prozent), Konsistenz/Wiederholbarkeit der Ergebnisse (45 Prozent) und die Marke des Unternehmens, das ihre KI entwickelt hat (35 Prozent) sind die drei wichtigsten Faktoren für den Aufbau von Vertrauen in KI.
• Als Schlüsselaspekte einer vertrauenswürdigen KI wurden Sicherheit (61 Prozent), Transparenz (55 Prozent), Governance (45 Prozent) und die Verbesserung der Unternehmensleistung (40 Prozent) genannt.

Zum Erfolg der KI beitragen

Als wichtigste Faktoren für ihren bisherigen KI-Erfolg nannten die Befragten folgende Punkte: eine klare strategische Imaginative and prescient und Unterstützung durch die Unternehmensleitung (46 Prozent), eine wirksame Kommunikation der Vorteile von KI gegenüber den Beteiligten (46 Prozent) und ausreichende Investitionen in KI-Technologie und -Infrastruktur (41 Prozent).

Die meisten Befragten (84 Prozent) gaben an, dass sie innerhalb eines Jahres nach der Einführung von KI-Projekten Ergebnisse erwarten, und mehr als die Hälfte (58 Prozent) sagte, die Ergebnisse würden innerhalb von sechs Monaten messbar sein. Weitere 60 Prozent sagten, sie hätten mit ihren bestehenden KI-Lösungen bereits einen „nachweisbaren ROI“ erzielt.

„Es gibt enorme Möglichkeiten, das Vertrauen in KI zu verbessern, indem man für mehr Kohärenz zwischen Geschäfts- und KI-Plänen sorgt. Aber mit Planung kommt man nur bis zu einem gewissen Punkt“, sagte Woods. „Die Zusammenarbeit mit den richtigen Partnern und Lösungen kann dazu beitragen, das Vertrauen zu stärken, indem sie schnell genaue Ergebnisse und einen ROI von KI-Projekten zeigt. Aber denken Sie daran, dass alle erfolgreichen KI-Projekte mit einer Grundlage aus sauberen, zuverlässigen Daten beginnen – ich nenne sie ‚Golden Information‘ – die auf soliden Datensätzen basieren und vollständige Transparenz bieten, und hier kann Teradata helfen.“

Über die Umfrage/Methodik

Die Umfrage wurde in den USA, Europa, Großbritannien und Asien durchgeführt und befragte C-Suite-Führungskräfte und KI-Entscheidungsträger in Unternehmen mit mindestens 1.000 Mitarbeitern und einem Jahresumsatz von über 750 Millionen US-Greenback. Die Umfrage erreichte rund 300 KI-relevante Führungskräfte aus Unternehmen wie Nike, P&G, Hermes Paris, Allianz Companions, Prudential Monetary, Honeywell und Novartis, wobei etwa die Hälfte der Befragten in den USA ansässig battle.

Melden Sie sich für den kostenlosen insideBIGDATA-E-newsletter an E-newsletter.

Folgen Sie uns auf Twitter: https://twitter.com/InsideBigData1

Folgen Sie uns auf LinkedIn: https://www.linkedin.com/firm/insidebigdata/

Folge uns auf Fb: https://www.fb.com/insideBIGDATANOW