Die Auswirkungen der aufziehenden Informationsgesellschaft spiegeln sich auch in der explosionsartigen Zunahme der gespeicherten Informationen wider. So verdoppeln sich die in Datenbanken abgelegten Bestände eines durchschnittlichen Unternehmens nach Schätzungen alle 5 Jahre [IBM96a]. [...] Doch betriebswirtschaftlich machen diese Datensammlungen nur dann Sinn, wenn aus ihnen auch Erkenntnisse abgeleitet werden können, die Unternehmen bei der Verfolgung ihrer individuell unterschiedli-chen Ziele unterstützen können. An dieser Stelle setzen Analysewerkzeuge an, die entweder als Ergänzung zu Datenbankprogrammen, betriebswirtschaftlichen Standar-danwendungssystemen oder auch als Spezialwerkzeuge angeboten werden.
Inhaltsverzeichnis
- Data Mining - Neuer Ansatz zur Datenanalyse
- Gerichtete Datenanalyse
- Query und Reporting
- OLAP
- Statistische Analyse
- Ungerichtete Datenanalyse
- Deduktion versus Induktion
- Überwachtes Lernen
- Unüberwachtes Lernen
- Erkenntnisgewinnung aus Datenbanken
- Konzept
- Verwandte Forschungsgebiete
- Aufgaben
- Klassifizierung
- Ziel
- Techniken
- Segmentierung
- Ziel
- Techniken
- Assoziierung
- Ziel
- Techniken
- Weitere Aufgaben
- Prozeß
- Datenvorbereitung
- Selektion
- Reinigung
- Transformation
- Data Warehouse als Datenlieferant
- Analyse
- Ergebnispräsentation und -interpretation
- Techniken
- Clusteranalyse
- Quantifizierung von Ähnlichkeit
- Prinzipien der Clusterbildung
- Nächste-Nachbarn-Verfahren
- Mittelwertmodelle
- Repräsentantenverfahren
- Konstruktion von Clusterzentren
- Partitionierende Gruppierungsverfahren
- Hierarchische Gruppierungsverfahren
- Agglomerative Vorgehensweise
- Divisive Verfahren
- Entscheidungsbäume
- Bestandteile und Funktionsweise
- Aufbau eines Entscheidungsbaumes
- Algorithmen
- CART
- ID3 und C4.5
- CHAID
- Neuronale Netze
- Bestandteile und Funktionsweise
- Netztopologien
- Vorwärtsgekoppelte Netze
- Rekurrente Netze
- Netzmodelle und Netztraining
- Backpropagation
- Selbstorganisierende Karten (Kohonen-Netze)
- Assoziationsregeln und Sequenzmuster
- Assoziationsregeln
- Assoziationsproblem
- Aufbau der Algorithmen
- Sequenzmuster
- Betriebswirtschaftliche Anwendungen
- Produktionsplanung und -steuerung
- Prozeß- und Qualitätskontrolle
- Anlagenüberwachung und -instandhaltung
- Auslastungssteuerung
- Stochastische Bedarfsermittlung / Absatzprognose
- Vertrieb und Marketing
- Preisfindung
- Database Marketing
- Marktsegmentierung und Ranking
- Individualisierte Kundenansprache
- Warenkorbanalyse
- Kundenbindung
- Risikomanagement
- Bonitätsprüfung
- Betrugsentdeckung
- Vergleich ausgewählter Data Mining-Produkte
- Marktübersicht
- Produktentwicklung
- Marktsegmente
- Unternehmensweite Lösungen
- Client/Server-Lösungen
- Desktop Produkte
- Testumgebung
- Hardware
- Daten
- Produktauswahl
- Produktvergleich Desktop Data Mining
- Allgemeine Produktmerkmale
- Dokumentation
- Zielgruppe
- Datenvorbereitung
- Unterstützte Datenquellen vs. Einfachheit der Datenanbindung
- Selektions- und Transformationsmöglichkeiten vs. Benutzerunterstützung
- Möglichkeiten zur Stichprobenziehung vs. Automatisierung
- Möglichkeiten zur Datenreinigung vs. Automatisierung
- Unterstützung verschiedener Datentypen vs. Transformationsaufwand
- Automatisierungsmöglichkeiten der Datenvorbereitung vs. Benutzerfreundlichkeit
- Analyse
- Anzahl der Analysemethoden vs. Benutzerfreundlichkeit
- Automatisierung der Modellbildung vs. Produktivität
- Ergebnispräsentation und -interpretation
- Präsentationsmöglichkeiten vs. Informationsaufbereitung
- Validierungsmöglichkeiten vs. Automatisierung
- Integrationsmöglichkeiten in EIS vs. Integrationsaufwand
- Fazit
- Verzeichnisse
- Quellenverzeichnis
- Abkürzungsverzeichnis
- Abbildungsverzeichnis
- Tabellenverzeichnis
- Erklärung
- Anhang: Produktbeschreibungen
- Business Miner 4.0
- Produktübersicht
- Datenextraktion und -transformation
- Musterentdeckung / Modellbildung
- Ergebnispräsentation
- Data Engine 2.1
- Produktübersicht
- Datenextraktion und -transformation
- Musterentdeckung / Modellbildung
- Ergebnispräsentation
- KnowledgeSeeker 4.2
- Produktübersicht
- Datenextraktion und -transformation
- Musterentdeckung / Modellbildung
- Ergebnispräsentation
- Scenario 2.0
- Produktübersicht
- Datenextraktion und -transformation
- Musterentdeckung / Modellbildung
- Ergebnispräsentation
- SuperQuery 1.2
- Produktübersicht
- Datenextraktion und -transformation
- Musterentdeckung / Modellbildung
- Ergebnispräsentation
Zielsetzung und Themenschwerpunkte
Die vorliegende Arbeit befasst sich mit dem Thema Data Mining und untersucht die Anwendung von Standardwerkzeugen in der betriebswirtschaftlichen Praxis. Ziel ist es, einen Überblick über die verschiedenen Data Mining-Techniken und deren Einsatzmöglichkeiten in unterschiedlichen Bereichen der Wirtschaft zu geben. Dabei werden sowohl die theoretischen Grundlagen als auch die praktische Anwendung der Methoden beleuchtet.
- Datenanalyse und -interpretation
- Klassifizierung und Segmentierung von Daten
- Entdeckung von Assoziationsregeln und Sequenzmustern
- Einsatz von Data Mining-Techniken in der Betriebswirtschaftslehre
- Vergleich und Bewertung von Data Mining-Produkten
Zusammenfassung der Kapitel
Das erste Kapitel führt in das Thema Data Mining ein und erläutert die verschiedenen Ansätze der Datenanalyse. Es werden die gerichtete und die ungerichtete Datenanalyse sowie die zugehörigen Techniken wie Query und Reporting, OLAP, statistische Analyse, überwachtes und unüberwachtes Lernen vorgestellt.
Das zweite Kapitel befasst sich mit der Erkenntnisgewinnung aus Datenbanken. Es werden die Aufgaben des Data Mining, wie Klassifizierung, Segmentierung und Assoziierung, sowie der Prozeß der Datenvorbereitung, Analyse und Ergebnispräsentation erläutert.
Das dritte Kapitel stellt verschiedene Data Mining-Techniken vor, darunter die Clusteranalyse, Entscheidungsbäume, neuronale Netze und Assoziationsregeln. Die Funktionsweise und die Anwendungsmöglichkeiten der einzelnen Techniken werden detailliert beschrieben.
Das vierte Kapitel widmet sich den betriebswirtschaftlichen Anwendungen des Data Mining. Es werden Einsatzmöglichkeiten in der Produktionsplanung und -steuerung, im Vertrieb und Marketing sowie im Risikomanagement vorgestellt.
Das fünfte Kapitel befasst sich mit dem Vergleich ausgewählter Data Mining-Produkte. Es werden die Marktübersicht, die Testumgebung und der Vergleich von Desktop Data Mining-Produkten anhand verschiedener Kriterien wie Datenvorbereitung, Analyse und Ergebnispräsentation erläutert.
Schlüsselwörter
Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen Data Mining, Datenanalyse, Klassifizierung, Segmentierung, Assoziationsregeln, Entscheidungsbäume, neuronale Netze, Betriebswirtschaftslehre, Produktionsplanung, Vertrieb und Marketing, Risikomanagement, Produktvergleich, Data Mining-Produkte.
- Citation du texte
- Carsten Bange (Auteur), 1998, Data Mining mit Standardwerkzeugen, Munich, GRIN Verlag, https://www.grin.com/document/185176
