Der Fokus der Untersuchung liegt auf einem häufig verwendeten Data Mining-Verfahren, dem Entscheidungsbaumverfahren. Das Hauptziel besteht darin, herauszufinden, wie Kundenabwanderung mithilfe des Algorithmus "Classification and Regression Trees" (CART) analysiert werden kann. Hierzu muss beantwortet werden, welche Schritte zur Wissensaufdeckung aus Daten nötig sind. Darüber hinaus muss erklärt werden, wie ein Entscheidungsbaum der Variante CART gestaltet wird.
Heutzutage werden Data Mining-Verfahren im Kundenbeziehungsmanagement (englisch: Customer Relationship Management, CRM) verwendet, um in Kundendaten Muster zu finden, die einen Wettbewerbsvorteil für das Unternehmen bergen könnten. Computergestützte CRM-Tools speichern eine Reihe von Kundeninformationen, womit erste Abwanderungssignale eines Kunden frühzeitig erkannt werden können. Die Erkennung dieser Signale ist also der erste Schritt, um Kundenabwanderung durch Gegenmaßnahmen zu verhindern.
Inhaltsverzeichnis
- Einleitung
- Prozess des Knowledge Discovery in Databases
- Auswahl
- Vorverarbeitung
- Transformation
- Data Mining mit dem Entscheidungsbaumverfahren
- Grundlagen
- Classification And Regression Trees-Algorithmus
- Interpretation
- Anwendungsbeispiel in der Telekommunikation
- Auswahl
- Vorverarbeitung
- Transformation
- Data Mining mit dem Entscheidungsbaumverfahren
- Interpretation
- Fazit
Zielsetzung und Themenschwerpunkte
Die Arbeit befasst sich mit der Analyse der Kundenabwanderung mithilfe des Classification And Regression Trees-Verfahrens (CART). Das Hauptziel ist es, die Anwendung des CART-Algorithmus zur Identifizierung von Kundenabwanderungsmustern zu untersuchen. Dabei wird der Prozess des Knowledge Discovery in Databases (KDD) als systematische Vorgehensweise zur Wissensgewinnung aus Daten betrachtet.
- Der KDD-Prozess und seine einzelnen Phasen
- Das Entscheidungsbaumverfahren als Data Mining-Methode
- Der CART-Algorithmus und seine Funktionsweise
- Anwendung des CART-Verfahrens zur Analyse von Kundenabwanderung in der Telekommunikationsbranche
- Interpretation der Ergebnisse und Ableitung von Handlungsempfehlungen
Zusammenfassung der Kapitel
Kapitel 1: Einleitung stellt das Problem der Kundenabwanderung und die Bedeutung von Data Mining im Kundenbeziehungsmanagement (CRM) dar. Es wird die Relevanz des CART-Verfahrens für die Analyse von Kundenabwanderung hervorgehoben.
Kapitel 2: Prozess des Knowledge Discovery in Databases beschreibt die fünf Phasen des KDD-Prozesses und erklärt die einzelnen Schritte, die zur Wissensgewinnung aus Daten nötig sind. Der Schwerpunkt liegt auf dem Data Mining, insbesondere auf dem Entscheidungsbaumverfahren.
Kapitel 3: Anwendungsbeispiel in der Telekommunikation zeigt, wie der CART-Algorithmus zur Analyse von Kundendaten in der Telekommunikationsbranche angewendet werden kann. Die einzelnen Schritte des KDD-Prozesses werden an einem konkreten Beispiel demonstriert.
Schlüsselwörter
Kundenabwanderung, Data Mining, Knowledge Discovery in Databases (KDD), Entscheidungsbaumverfahren, Classification And Regression Trees (CART), Customer Relationship Management (CRM), Telekommunikationsbranche.
- Quote paper
- Nelson Fleig Aponte (Author), 2019, Analyse der Kundenabwanderung mit dem Classification And Regression Trees-Verfahren, Munich, GRIN Verlag, https://www.grin.com/document/499723
