Grin logo
en de es fr
Shop
GRIN Website
Publish your texts - enjoy our full service for authors
Go to shop › Business economics - Controlling

State-of-the-Art der Nutzung von Data-Mining-Methoden im Performance Management

Title: State-of-the-Art der Nutzung von Data-Mining-Methoden im Performance Management

Bachelor Thesis , 2010 , 74 Pages , Grade: 1,3

Autor:in: Marc Kremer (Author)

Business economics - Controlling
Excerpt & Details   Look inside the ebook
Summary Excerpt Details

Ziel der Bachelorarbeit ist die Darstellung der bisherigen Anwendung von Data-Mining-Methoden im Performance Management. Hierbei werden sowohl die methodischen Grundlagen von Data-Mining-Methoden als auch deren Einsatzmöglichkeiten analysiert. Ein besonderer Schwerpunkt liegt auf dem Bereich des Kundenwert-Controllings. Folgende Aspekte werden untersucht: Die Darstellung der theoretischen Grundlagen zum Data Mining, ein systematischer Überblick und Beurteilung der verschiedenen Data-Mining Methoden, der bisherige Einsatz von Data-Mining-Methoden im Performance Management, die Identifikation von Anwendungsmöglichkeiten des Data Mining, die Konzeption eines Fragebogens zur Verbreitung, Zielsetzung, Entscheidungsunterstützungspotenzialen, Nutzungs-/ Anwendungsgebieten etc. und die Diskussion von Potenzialen und Herausforderungen des Data Mining im Performance Management.

Excerpt


Inhaltsverzeichnis

  • 1 Data Mining als Instrument der Entscheidungsunterstützung im Kontext wachsender Datenmengen
    • 2 Theoretische Grundlagen des Data Mining
      • 2.1 Begriffe und Entwicklung des Data Mining
      • 2.2 Der KDD-Prozess in Abgrenzung zum Data Mining
      • 2.3 Einordnung des Data Mining in die analytischen Informationssysteme
      • 2.4 Aktivitäten und Problemstellungen des Data Mining
  • 3 Systematischer Überblick und Beurteilung der verschiedenen Data-Mining-Methoden
    • 3.1 Fallbasiertes Schließen
    • 3.2 Neuronale Netze
    • 3.3 Entscheidungsbäume
    • 3.4 Genetische Algorithmen
    • 3.5 Visualisierung
  • 4 Bisheriger Einsatz von Data-Mining-Methoden im Performance Management verschiedener Branchen
    • 4.1 Banken
      • 4.1.1 Betrugserkennung
      • 4.1.2 Financial Management
    • 4.2 Handel
      • 4.2.1 Warenkorbanalyse und Cross Selling
      • 4.2.2 Direct- und Database-Marketing
    • 4.3 Industrie
      • 4.3.1 Ursachenanalyse von Fehlern in Produktionsprozessen
      • 4.3.2 Vorhersage von Komponentenausfällen in der Flugzeugwartung
    • 4.4 Branchenübergreifender Einsatz von Data-Mining-Methoden
      • 4.4.1 Kundenwert-Controlling
      • 4.4.2 Customer Relationship Management
  • 5 Identifikation von Anwendungsmöglichkeiten des Data Mining
    • 5.1 Text-, Opinion- und Web-Mining
    • 5.2 Churn Management
    • 5.3 Neuere Ansätze zur Betrugserkennung
  • 6 Konzeption eines Fragebogens zur Verbreitung, Zielsetzung, Entscheidungsunterstützungspotenzialen und Nutzungs-/Anwendungsgebieten des Data Mining
  • 7 Diskussion von Potenzialen und Herausforderungen des Data Mining im Performance Management
    • 7.1 aCRM: Trends und Probleme
    • 7.2 Nichtnumerische, nichtstationäre und multidimensionale Daten
    • 7.3 Datenschutzrechtliche Aspekte des Data Mining

Zielsetzung und Themenschwerpunkte

Diese Bachelorarbeit befasst sich mit der Darstellung der bisherigen Anwendung von Data-Mining-Methoden im Performance Management. Die Arbeit analysiert sowohl die methodischen Grundlagen von Data-Mining-Methoden als auch deren Einsatzmöglichkeiten. Ein besonderes Augenmerk liegt auf dem Bereich des Kundenwert-Controllings.

  • Theoretische Grundlagen des Data Mining
  • Systematischer Überblick und Beurteilung verschiedener Data-Mining-Methoden
  • Bisheriger Einsatz von Data-Mining-Methoden im Performance Management
  • Identifikation von Anwendungsmöglichkeiten des Data Mining
  • Potenziale und Herausforderungen des Data Mining im Performance Management

Zusammenfassung der Kapitel

Kapitel 1 führt in das Thema Data Mining und dessen Relevanz im Kontext wachsender Datenmengen ein. Kapitel 2 beleuchtet die theoretischen Grundlagen des Data Mining, einschließlich Definitionen, Entwicklung und Abgrenzung zu anderen Konzepten wie dem KDD-Prozess und analytischen Informationssystemen. Kapitel 3 bietet einen systematischen Überblick und eine Beurteilung verschiedener Data-Mining-Methoden, darunter Fallbasiertes Schließen, Neuronale Netze, Entscheidungsbäume, Genetische Algorithmen und Visualisierung.

Kapitel 4 analysiert den bisherigen Einsatz von Data-Mining-Methoden im Performance Management verschiedener Branchen, inklusive Banken, Handel, Industrie und branchenspezifischen Anwendungen wie Betrugserkennung, Warenkorbanalyse und Kundenwert-Controlling. Kapitel 5 identifiziert weitere Anwendungsmöglichkeiten des Data Mining, wie Text-, Opinion- und Web-Mining, Churn Management und neuere Ansätze zur Betrugserkennung.

Schlüsselwörter

Data Mining, Performance Management, Kundenwert-Controlling, KDD-Prozess, Data-Mining-Methoden, Fallbasiertes Schließen, Neuronale Netze, Entscheidungsbäume, Genetische Algorithmen, Betrugserkennung, Warenkorbanalyse, Customer Relationship Management, Text-Mining, Opinion-Mining, Web-Mining, Churn Management, Datenschutzrechtliche Aspekte.

Excerpt out of 74 pages  - scroll top

Details

Title
State-of-the-Art der Nutzung von Data-Mining-Methoden im Performance Management
College
University of Göttingen  (Professur für Unternehmensrechnung und Controlling)
Grade
1,3
Author
Marc Kremer (Author)
Publication Year
2010
Pages
74
Catalog Number
V162691
ISBN (eBook)
9783640775897
ISBN (Book)
9783640776023
Language
German
Tags
State-of-the-Art Data-Mining-Methoden Management Data Mining Data Warehouse OLAP KDD Knowledge Discovery Controlling Business Intelligence Wissensmanagement Performance Management Customer Relationship Management Risikomanagement
Product Safety
GRIN Publishing GmbH
Quote paper
Marc Kremer (Author), 2010, State-of-the-Art der Nutzung von Data-Mining-Methoden im Performance Management, Munich, GRIN Verlag, https://www.grin.com/document/162691
Look inside the ebook
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
Excerpt from  74  pages
Grin logo
  • Grin.com
  • Payment & Shipping
  • Contact
  • Privacy
  • Terms
  • Imprint