Data Mining Im Praktischen Einsatz

Author: Paul Alpar
Publisher: Springer-Verlag
ISBN: 9783322899507
Size: 16.63 MB
Format: PDF, ePub, Mobi
View: 57

Das Buch stellt anhand von Praxisfällen dar, wie mit Hilfe der Verfahren des Data Mining und der Business Intelligence Verhaltensmuster und Wissen in großen Datenbeständen entdeckt werden können. Es geht beispielsweise um Kundensegmentierung, Bonitätsprüfung oder Werbeträgerplanung in Branchen wie Versandhandel, Versicherung, Einzelhandel oder Telekommunikation.

Real Time Data Mining

Author: Florian Stompe
Publisher: Diplomica Verlag
ISBN: 9783836678797
Size: 15.78 MB
Format: PDF, Mobi
View: 65

Data Mining ist ein inzwischen etabliertes, erfolgreiches Werkzeug zur Extraktion von neuem, bislang unbekanntem Wissen aus Daten. In mittlerweile fast allen gr eren Unternehmen wird es genutzt um Mehrwerte f r Kunden zu generieren, den Erfolg von Marketingkampagnen zu erh hen, Betrugsverdacht aufzudecken oder beispielsweise durch Segmentierung unterschiedliche Kundengruppen zu identifizieren. Ein Grundproblem der intelligenten Datenanalyse besteht darin, dass Daten oftmals in rasanter Geschwindigkeit neu entstehen. Eink ufe im Supermarkt, Telefonverbindungen oder der ffentliche Verkehr erzeugen t glich eine neue Flut an Daten, in denen potentiell wertvolles Wissen steckt. Die versteckten Zusammenh nge und Muster k nnen sich im Zeitverlauf mehr oder weniger stark ver ndern. Datenmodellierung findet in der Regel aber noch immer einmalig bzw. sporadisch auf dem Snapshot einer Datenbank statt. Einmal erkannte Muster oder Zusammenh nge werden auch dann noch angenommen, wenn diese l ngst nicht mehr bestehen. Gerade in dynamischen Umgebungen wie zum Beispiel einem Internet-Shop sind Data Mining Modelle daher schnell veraltet. Betrugsversuche k nnen dann unter Umst nden nicht mehr erkannt, Absatzpotentiale nicht mehr genutzt werden oder Produktempfehlungen basieren auf veralteten Warenk rben. Um dauerhaft Wettbewerbsvorteile erzielen zu k nnen, muss das Wissen ber Daten aber m glichst aktuell und von ausgezeichneter Qualit t sein. Der Inhalt dieses Buches skizziert Methoden und Vorgehensweisen von Data Mining in Echtzeit.

Data Mining Im Personalmanagement

Author: Franca Piazza
Publisher: Springer-Verlag
ISBN: 9783834986481
Size: 13.21 MB
Format: PDF, Mobi
View: 44

Franca Piazza untersucht auf Basis der Entscheidungstheorie das Einsatzpotenzial von Data Mining im Personalmanagement. Sie zeigt, welche personalwirtschaftlichen Entscheidungen unterstützt werden können, worin der Beitrag zur personalwirtschaftlichen Entscheidungsunterstützung besteht und wie dieser zu bewerten ist.

Data Mining Als Hilfsmittel F R Gezielte Datensuche

Author: Sandra Feist
Publisher: GRIN Verlag
ISBN: 9783638619233
Size: 10.39 MB
Format: PDF, Kindle
View: 12

Studienarbeit aus dem Jahr 2005 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt, Veranstaltung: Information und Kommunikation, 7 Literaturquellen, 16 Internetquellen Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Durch die Informationsflut haben die Datenmengen in den letzten Jahren rasant zugenommen. Diese Datenberge können wertvolle Informationen enthalten, die zum Verständnis von wichtigen Zusammenhängen beitragen oder die Entscheidungsträger innerhalb eines Unternehmens bei wichtigen Entscheidungen unterstützen. Nicht zu unrecht wird Wissen oftmals als vierter Produktionsfaktor oder als entscheidender Wettbewerbsfaktor bezeichnet. Doch dieses Wissen in den Datenbergen kann oft nicht oder nur unzureichend genutzt werden. Denn Daten sind nicht gleich Information, bzw. Wissen. Im Gegensatz zu den herkömmlichen Verfahren, die auf einfachen statistischen Methoden und Datenbankmanagementsystemen basieren, verbinden Data-Mining Verfahren Methoden aus den Bereichen Statistik, Maschinelles Lernen, Datenbanken und Visualisierung. Diese unterstützen den Benutzer dabei, in großen Datenbeständen verborgene und für das Unternehmen wertvolle Daten aufzufinden. Mithilfe von Data Mining können die Unternehmen quasi einen Blick in die Zukunft werfen und Ereignisse mit einer gewissen Wahrscheinlichkeit voraussagen. In der nachfolgenden Arbeit wird zuerst in einer Einführung dargestellt, was man unter Data-Mining versteht und der Data-Mining Prozess anhand des CRISP- DM Modells erklärt. Anschließend werden die Data Mining Aufgaben und ihnen zugeordnete Methoden anhand von Beispielen veranschaulicht. Um die große Bedeutung für die Praxis zu verdeutlichen wird danach ein Überblick der wichtigsten Anwendungsfelder gegeben. Da ein Data Mining ohne Daten unmöglich ist, muss der Zielkonflikt zwischen Data Mining und dem Datenschutz diskutiert werden, bevor in einem Fazit auf die zukünftige Bedeutung des Data Mining eingegangen wird.

Techniken Des Data Mining Knowledge Discovery Und Spss

Author: Holger Herrmann
Publisher: GRIN Verlag
ISBN: 9783638897907
Size: 15.26 MB
Format: PDF, ePub, Mobi
View: 46

Studienarbeit aus dem Jahr 2004 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, FernUniversität Hagen, Veranstaltung: Wirtschaftsinformatik, 7 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: 1 Einleitung 1.1 Definition und Ziele des Data Mining 1.2 Vorgehensweise 1.3 Probleme beim Data Mining 1.4 Aufbereitung der Daten 2 Data Mining und Knowledge Discovery 2.1 Definition: „Knowledge Discovery“ 2.2 Die Phasen des Knowledge Discovery 3 Data Mining als Bestandteil des Data Warehousing 4 Techniken des Data Mining 4.1 Klassifikation und Entscheidungsbaum 4.1.1 Ziele der Verfahren 4.1.2 Beschreibung der Klassifikation und des Entscheidungsbaums 4.1.3 Anwendungsbeispiel eines Entscheidungsbaums 4.1.4 Probleme bei Klassifikation und Entscheidungsbaum 4.2 Die Assoziationsregeln 4.2.1 Ziel der Assoziationsregeln 4.2.2 Erzeugung von Assoziationsregeln 4.2.3 Anwendungsbeispiel von Assoziationsregeln 4.2.4 Probleme bei Assoziationsregeln 4.3 Das Clustering 4.3.1 Ziel des Clustering 4.3.2 Beschreibung des Clustering 4.3.3 Anwendungsbeispiel des Clustering 4.3.4 Probleme beim Clustering 5 Data Mining mit SPSS 5.1 Was ist SPSS? 5.2 Ein Beispiel zur Entscheidungsbaum-Analyse 6 Data Mining mit SAS 6.1 Das Unternehmen „SAS“ 6.2 Die Lösungen von SAS 6.3 Die Brücke zwischen Theorie und Praxis: Musterbeispiel KSFE 7 Zusammenfassung und Ausblick

Data Mining M Glichkeiten Und Grenzen

Author: Jana Andreas
Publisher: GRIN Verlag
ISBN: 9783638629058
Size: 14.60 MB
Format: PDF, Mobi
View: 68

Studienarbeit aus dem Jahr 2006 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: 2,0, Duale Hochschule Baden-Württemberg, Stuttgart, früher: Berufsakademie Stuttgart, Veranstaltung: Marketing, 45 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: „We are drowning in information but starved for knowledge.” Dieses Zitat von John Naisbitt beschreibt das Dilemma, welches das rasante Wachstum von Datenbeständen mit sich bringt. Zwar können Daten in immer umfangreicherem Maße erhoben werden, doch ein Großteil des darin enthaltenen Wissens bleibt verborgen. Die größte Herausforderung stellt, neben der Erfassung und Speicherung der Daten, deren Aufbereitung und Verarbeitung dar. 2 Dazu bedarf es einer verständlichen und einfachen Methode, um die regelrechte Datenflut bewältigen und sinnvoll nutzen zu können. 3 Data Mining verspricht diese Aufgabe zu erfüllen. Es ermöglicht die automatische Wissensextraktion aus großen Datenbeständen. 4 Vor diesem Hintergrund sehen viele Unternehmen Data Mining sogar als strategisches Instrument zur Realisierung von Kon-kurrenzvorteilen. 5 Durch die Fähigkeit, Informationen über ihren Markt, ihre Kunden und ihre Geschäftstätigkeit aus diesen riesigen Datenbeständen auslesen und wirksam einsetzen zu können, ergeben sich oftmals entscheidende Wettbewerbsvorteile für die Unternehmen. 6 Besonders im Bereich des Marketing erscheint die Anwendung von Data Mining Methoden vielversprechend. Denn traditionellen Marketinginstrumente sind unter Einsatz der bisherigern Informationssysteme den neuen Ansprüchen des Marktes, die auf einer zunehmenden Wettbewerbsverschärfung und der verstärkten Fragmentierung der Märkte in immer kleiner und differenzierte Marktsegmente beruhen, nicht mehr gewachsen. Bis 1995 wurde Data Mining nur durch hoch spezialisierte Berater oder Firmen im Auftrag von großen Einzelhandelsketten oder Finanzinstituten eingesetzt. Erst dann erlaubte die Markteinführung neuer Data Mining Software den generellen Einsatz in Data Warehouse Projekten. Seither ist die Bedeutung dieser Verfahren kontinuierlich angestiegen. Das Marktvolumen für Data Mining Produkte und Dienstleistungen wurde von der MetaGroup für das Jahr 2000 auf acht Milliarden US $ geschätzt. [...]

Data Mining

Author: Martin Kneip
Publisher: GRIN Verlag
ISBN: 9783638927840
Size: 10.56 MB
Format: PDF, Docs
View: 77

Studienarbeit aus dem Jahr 2005 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,0, FernUniversitat Hagen (Wirtschaftswissenschaften), 129 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: In der heutigen Zeit werden Unternehmen und Institutionen, bedingt durch den technologischen Fortschritt, mit einer enormen Flut unterschiedlichster Daten konfrontiert. Das Earth Observing System der NASA mit seinen Satelliten produziert beispielsweise uber 50GB Daten pro Stunde. Insbesondere fur das Management enthalten diese Daten wertvolles Wissen, um Probleme aufzudecken, Produktionsablaufe zu optimieren oder bessere Zukunftsprognosen anzustellen. Resultat dieser Bemuhungen um den strategischen Wettbewerbsfaktor Wissen ist eine langfristig bessere Positionierung des Unternehmens am Markt. Ohne Analyse dieser Daten steht jedoch das Wissen nicht zur Verfugung. Aufgrund der Datenmenge scheiden jedoch manuelle Analyseverfahren aus und es werden schnelle und effiziente automatisierte Analyseverfahren notig. Mit dem Data Mining beziehungsweise dem Knowledge Discovery in Databases (KDD) existiert ein machtiges Werkzeug, um die sehr umfangreiche Aufgabe der Wissensextraktion zu bewaltigen, so dass das Interesse der Forschung und Industrie an diesem Gebiet stetig ansteigt. Anzumerken ist jedoch, dass das Data Mining ein relativ junges Forschungsgebiet ist und daher die Meinungen, was Data Mining ist und was Data Mining zugeordnet werden soll, teilweise stark differieren. In dieser Arbeit wird im ersten Kapitel ein allgemeiner Uberblick uber Data Mining gegeben. Dazu wird der Begriff Data Mining erlautert, gegenuber dem KDD abgegrenzt und das Data Mining bezuglich seiner Arten, Aufgaben, Ziele und Bedeutung eingeordnet. Im zweiten Kapitel werden verschiedene etablierte und neuere Data Mining-Verfahren vorgestellt. Der konkreten Ausgestaltung des Data Mining in der Praxis widmet sich Kapitel drei. Neben der Vorstellung des CRISP-DM Modells und des Ansatzes Data Mi