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.
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.
- Citar trabajo
- Marc Kremer (Autor), 2010, State-of-the-Art der Nutzung von Data-Mining-Methoden im Performance Management, Múnich, GRIN Verlag, https://www.grin.com/document/162691
