Predictive Analytics als Data-Mining-Verfahren in der Industrie 4.0. Gute Daten, schlechte Daten? (PDF)
Studienarbeit aus dem Jahr 2016 im Fachbereich BWL - Allgemeines, Note: 1,3, Universität des Saarlandes, Sprache: Deutsch, Abstract: Im Zeitalter der Industrie 4.0 werden permanent Daten gesammelt. Maschinen kommunizieren untereinander, Wearables prägen den...
sofort als Download lieferbar
eBook (pdf)
17.99 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Predictive Analytics als Data-Mining-Verfahren in der Industrie 4.0. Gute Daten, schlechte Daten? (PDF)“
Studienarbeit aus dem Jahr 2016 im Fachbereich BWL - Allgemeines, Note: 1,3, Universität des Saarlandes, Sprache: Deutsch, Abstract: Im Zeitalter der Industrie 4.0 werden permanent Daten gesammelt. Maschinen kommunizieren untereinander, Wearables prägen den Alltag und die gewonnenen Daten werden mittels diverser Analyseverfahren teils automatisiert ausgewertet. Im Rahmen von Datenanalysenmethoden gilt es zwischen deskriptiven, prädiktiven und präskriptiven Analyseverfahren zu unterscheiden.
Der Fokus dieser Arbeit liegt dabei auf Predictive Analytics. Predictive Analytics wird als Data-Mining-Verfahren zur systematischen Erkennung bestimmter Muster auf Basis von historischen und gegenwärtigen Daten definiert, welche prognostische Ergebnisse zur Ableitung zukünftiger Handlungsempfehlungen bereitstellt.
Durch die ubiquitäre Vernetzung von Informations- und Kommunikationstechnologie soll bis zum Jahr 2025 die Wirtschaft maßgeblich durch Predictive Analytics beeinflusst und sämtliche Aktivitäten innerhalb der Wertschöpfungskette nachhaltig verbessert werden.
Inhalt der Arbeit:
- Untersuchung von Predictive Analytics und der theoretischen Rahmenbedingungen;
- Deskriptive Betrachtung des derzeitigen Einsatzes von Predictive Analytics in Unternehmen;
- Tangieren gesetzlicher Restriktionen im Rahmen der Datensammlung;
- Präskriptive Analyse über die Entwicklung, Akzeptanz sowie den künftigen Einsatz von Predictive Analytics in der Arbeitswelt 2025
Der Fokus dieser Arbeit liegt dabei auf Predictive Analytics. Predictive Analytics wird als Data-Mining-Verfahren zur systematischen Erkennung bestimmter Muster auf Basis von historischen und gegenwärtigen Daten definiert, welche prognostische Ergebnisse zur Ableitung zukünftiger Handlungsempfehlungen bereitstellt.
Durch die ubiquitäre Vernetzung von Informations- und Kommunikationstechnologie soll bis zum Jahr 2025 die Wirtschaft maßgeblich durch Predictive Analytics beeinflusst und sämtliche Aktivitäten innerhalb der Wertschöpfungskette nachhaltig verbessert werden.
Inhalt der Arbeit:
- Untersuchung von Predictive Analytics und der theoretischen Rahmenbedingungen;
- Deskriptive Betrachtung des derzeitigen Einsatzes von Predictive Analytics in Unternehmen;
- Tangieren gesetzlicher Restriktionen im Rahmen der Datensammlung;
- Präskriptive Analyse über die Entwicklung, Akzeptanz sowie den künftigen Einsatz von Predictive Analytics in der Arbeitswelt 2025
Bibliographische Angaben
- Autor: Dennis Bartz
- 2016, 1. Auflage, 31 Seiten, Deutsch
- Verlag: GRIN Verlag
- ISBN-10: 3668297401
- ISBN-13: 9783668297401
- Erscheinungsdatum: 13.09.2016
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 1.33 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Predictive Analytics als Data-Mining-Verfahren in der Industrie 4.0. Gute Daten, schlechte Daten?"
0 Gebrauchte Artikel zu „Predictive Analytics als Data-Mining-Verfahren in der Industrie 4.0. Gute Daten, schlechte Daten?“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Predictive Analytics als Data-Mining-Verfahren in der Industrie 4.0. Gute Daten, schlechte Daten?".
Kommentar verfassen