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

Data-Mining im Kontext des Prozessmanagements

Bewertung ausgewählter Data-Mining-Prozessmodelle

Title: Data-Mining im Kontext des Prozessmanagements

Term Paper , 2020 , 20 Pages , Grade: 2.3

Autor:in: David Lewenko (Author)

Business economics - Operations Research
Excerpt & Details   Look inside the ebook
Summary Excerpt Details

Diese Arbeit hat zur Aufgabe, ausgewählte Data-Mining-Prozessmodelle anhand ihrer Stärken und Schwächen im Sinne einer qualitativen Analyse zu vergleichen. Darauf aufbauend wird eine Empfehlung abgeleitet, welches Prozessmodell sich für den Gebrauch in Unternehmens-Kontext am besten eignet. Zu Beginn wird den Lesenden mit Kapitel 2 die wachsende Bedeutung von Daten als Ressource verdeutlicht. Im Anschluss daran werden die Grundlagen von Data-Mining und daraus abgeleitete Aufgaben ergründet (Kap. 3). Darauffolgend werden drei ausgewählte Data-Mining-Prozessmodelle und ihre Etappen beschrieben (Kap. 4). Letztlich folgt eine qualitative Analyse, die aus der Gegenüberstellung der einzelnen Phasen (Kap. 5. 1) und der Ergründung qualitativer Unterschiede (Kap. 5. 2) besteht.

Excerpt


Inhaltsverzeichnis

  • Einleitung
    • Einführung in die Thematik
    • Zielsetzung, Aufbau und Methodik
  • Daten als Ressource
  • Grundlagen zu Data-Mining und Data-Mining-Aufgaben
  • Beschreibung ausgewählter Data-Mining-Prozessmodelle
    • Cross-Industry Standard Process for Data Mining (CRISP-DM)
    • Knowledge Discovery in Databases
    • Team Data Science Process
  • Vergleich ausgewählter Prozesse
    • Gegenüberstellung von Etappen ausgewählter Data-Mining-Prozessrahmen
    • Beschreibung ausgewählter qualitativer Unterschiede
  • Fazit

Zielsetzung und Themenschwerpunkte

Diese Arbeit befasst sich mit der Bewertung ausgewählter Data-Mining-Prozessmodelle im Kontext des Prozessmanagements. Dabei wird eine qualitative Analyse durchgeführt, um Stärken und Schwächen der Modelle herauszustellen und eine Empfehlung für den Einsatz in Unternehmen abzuleiten.

  • Die Bedeutung von Daten als Ressource im Kontext von Big Data und die daraus resultierenden Herausforderungen für Unternehmen.
  • Grundlagen und Aufgabenbereiche von Data-Mining.
  • Beschreibung und Analyse verschiedener Data-Mining-Prozessmodelle, wie CRISP-DM, KDD und TSDP.
  • Vergleich der Prozessmodelle anhand ihrer Phasen und qualitativen Unterschiede.
  • Empfehlung für ein geeignetes Data-Mining-Prozessmodell für den Einsatz in Unternehmen.

Zusammenfassung der Kapitel

  • Einleitung: Dieses Kapitel führt in die Thematik von Data-Mining im Kontext des Prozessmanagements ein und stellt die Relevanz von Daten als Ressource für Unternehmen heraus. Die Zielsetzung, der Aufbau und die Methodik der Arbeit werden erläutert.
  • Daten als Ressource: Dieses Kapitel beleuchtet die exponentielle Zunahme des Datenvolumens und die Bedeutung von Daten als Produktionsfaktor im digitalen Zeitalter.
  • Grundlagen zu Data-Mining und Data-Mining-Aufgaben: Dieses Kapitel behandelt die Definition und die wichtigsten Aufgabenbereiche von Data-Mining, die in "prädiktive" und "beschreibende" Aufgaben unterteilt werden.
  • Beschreibung ausgewählter Data-Mining-Prozessmodelle: Dieses Kapitel beschreibt die drei ausgewählten Data-Mining-Prozessmodelle CRISP-DM, KDD und TSDP, die als Grundlage für die Analyse dienen. Es werden die einzelnen Phasen und Schritte der Modelle erläutert.

Schlüsselwörter

Die Arbeit fokussiert auf die Schlüsselwörter Data-Mining, Prozessmanagement, Big Data, Prozessmodelle, CRISP-DM, KDD, TSDP, Qualitative Analyse, Stärken und Schwächen, Empfehlung, Unternehmen, Entscheidungsfindung, Wissensextraktion, Datenanalyse.

Excerpt out of 20 pages  - scroll top

Details

Title
Data-Mining im Kontext des Prozessmanagements
Subtitle
Bewertung ausgewählter Data-Mining-Prozessmodelle
College
Fresenius University of Applied Sciences Idstein
Course
Processmanagement
Grade
2.3
Author
David Lewenko (Author)
Publication Year
2020
Pages
20
Catalog Number
V980340
ISBN (eBook)
9783346331526
ISBN (Book)
9783346331533
Language
German
Tags
Process Management Data Mining Data Science Machine Learning
Product Safety
GRIN Publishing GmbH
Quote paper
David Lewenko (Author), 2020, Data-Mining im Kontext des Prozessmanagements, Munich, GRIN Verlag, https://www.grin.com/document/980340
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.
Excerpt from  20  pages
Grin logo
  • Grin.com
  • Payment & Shipping
  • Contact
  • Privacy
  • Terms
  • Imprint