Techniken des Data Mining, Knowledge Discovery und SPSS

Exposé Écrit pour un Séminaire / Cours , 2004 , 32 Pages , Note: 1,7

Informatique - Informatique Appliquée à la Gestion

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

Inhaltsverzeichnis

• 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

Zielsetzung und Themenschwerpunkte

Diese Seminararbeit setzt sich zum Ziel, das Data Mining im Detail zu beleuchten. Sie soll dabei sowohl die theoretischen Grundlagen des Data Mining als auch dessen praktische Anwendung anhand konkreter Beispiele aufzeigen.

• Definition und Ziele des Data Mining
• Die Vorgehensweise im Data Mining-Prozess
• Die verschiedenen Techniken des Data Mining, wie Klassifikation, Assoziationsregeln und Clustering
• Die praktische Anwendung des Data Mining in Unternehmen, beispielhaft mit SPSS und SAS
• Der Zusammenhang zwischen Data Mining und Knowledge Discovery

Zusammenfassung der Kapitel

Die Einleitung führt in das Thema Data Mining ein und definiert dessen Ziele. Dabei werden die Herausforderungen beschrieben, die sich durch die ständig wachsende Menge an Daten ergeben. Das erste Kapitel beleuchtet die Definition und Ziele des Data Mining und geht auf die Probleme und die Aufbereitung von Daten ein. Das zweite Kapitel beschäftigt sich mit dem Zusammenhang zwischen Data Mining und Knowledge Discovery. Hier wird die Definition von „Knowledge Discovery“ erläutert und die Phasen des Knowledge Discovery-Prozesses dargestellt. Das dritte Kapitel beleuchtet Data Mining als Bestandteil des Data Warehousing. Das vierte Kapitel widmet sich den Techniken des Data Mining, insbesondere Klassifikation und Entscheidungsbaum, Assoziationsregeln und Clustering. Die einzelnen Verfahren werden dabei detailliert erklärt, anhand von Beispielen illustriert und ihre jeweiligen Probleme diskutiert. Das fünfte Kapitel widmet sich der praktischen Anwendung des Data Mining mit der Software SPSS. Hier wird ein Beispiel zur Entscheidungsbaum-Analyse vorgestellt. Das sechste Kapitel beschäftigt sich mit dem Data Mining mit SAS. Es wird auf das Unternehmen „SAS“ und dessen Lösungen eingegangen und ein Musterbeispiel (KSFE) zur Veranschaulichung der praktischen Anwendung von Data Mining in Unternehmen präsentiert.

Schlüsselwörter

Die wichtigsten Schlüsselwörter dieser Seminararbeit sind: Data Mining, Knowledge Discovery, Data Warehousing, Klassifikation, Entscheidungsbaum, Assoziationsregeln, Clustering, SPSS, SAS, Unternehmen, Informationen, Daten, Analyse.

• Université: University of Hagen
• Cours: Wirtschaftsinformatik
• Note: 1,7
• Auteur: Holger Herrmann (Auteur)
• Année de publication: 2004
• Pages: 32
• N° de catalogue: V80443
• ISBN (ebook): 9783638897907
• ISBN (Livre): 9783638904230
• Langue: allemand
• mots-clé: Data, Mining, Wirtschaftsinformatik