Web & Data Mining (PDF)
HMD - Praxis der Wirtschaftsinformatik Heft 268
"Unter Mining wird das ""Schürfen"" nach wertvollen Informationen und Mustern im WWW, aber auch in Datenbeständen allgemein verstanden. Der Begriff nimmt Bezug auf den Bergbau, bei dem mit technologischen Verfahren große Gesteinsmengen maschinell bearbeitet...
Leider schon ausverkauft
eBook
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Web & Data Mining (PDF)“
"Unter Mining wird das ""Schürfen"" nach wertvollen Informationen und Mustern im WWW, aber auch in Datenbeständen allgemein verstanden. Der Begriff nimmt Bezug auf den Bergbau, bei dem mit technologischen Verfahren große Gesteinsmengen maschinell bearbeitet werden, um Edelsteine oder Edelmetalle zu fördern.
Beim Mining steht der KDD-Prozess (Knowledge Discovery in Databases) im Fokus: Zunächst wird das Auswertungsziel formuliert, anschließend werden relevante Datenbestände beschafft, in einheitliche Datenformate transformiert und in geeigneten Datenmodellen gespeichert, bevor Analyse- und Prognoseverfahren angewendet und die erhaltenen Muster visualisiert und bewertet werden können. So interessiert sich beispielsweise der Handel für das Kaufverhalten von Onlinekunden in einem eShop und möchte im Rahmen seiner CRM-Strategie mit geeigneten Verfahren ein Empfehlungssystem (Recommender System) zur Steigerung des Absatzes aufbauen.
Das Schwerpunktheft HMD 268 enthält zunächst eine Übersicht über die wichtigsten Web- und Data-Mining-Begriffe und -Verfahren. Darauf aufbauend werden aktuelle Beispiele aus unterschiedlichen Anwendungsgebieten vorgestellt und diskutiert. So umfassen die Beispiele unter anderem die folgenden Themen: Clusterbildung und Abweichungsanalyse, Warenkorbanalysen, unscharfe Kundenklassifikation, Anwendung neuronaler Netze, Clickstream-Analysen und Wirkungsprognosen.
Die Auswahl wichtiger Mining-Methoden und die Beschreibung erfolgreicher Fallbeispiele möchten dabei unterstützen, das Potenzial von KDD für das jeweilige Aufgabengebiet zu erkennen und zu bewerten. "
Beim Mining steht der KDD-Prozess (Knowledge Discovery in Databases) im Fokus: Zunächst wird das Auswertungsziel formuliert, anschließend werden relevante Datenbestände beschafft, in einheitliche Datenformate transformiert und in geeigneten Datenmodellen gespeichert, bevor Analyse- und Prognoseverfahren angewendet und die erhaltenen Muster visualisiert und bewertet werden können. So interessiert sich beispielsweise der Handel für das Kaufverhalten von Onlinekunden in einem eShop und möchte im Rahmen seiner CRM-Strategie mit geeigneten Verfahren ein Empfehlungssystem (Recommender System) zur Steigerung des Absatzes aufbauen.
Das Schwerpunktheft HMD 268 enthält zunächst eine Übersicht über die wichtigsten Web- und Data-Mining-Begriffe und -Verfahren. Darauf aufbauend werden aktuelle Beispiele aus unterschiedlichen Anwendungsgebieten vorgestellt und diskutiert. So umfassen die Beispiele unter anderem die folgenden Themen: Clusterbildung und Abweichungsanalyse, Warenkorbanalysen, unscharfe Kundenklassifikation, Anwendung neuronaler Netze, Clickstream-Analysen und Wirkungsprognosen.
Die Auswahl wichtiger Mining-Methoden und die Beschreibung erfolgreicher Fallbeispiele möchten dabei unterstützen, das Potenzial von KDD für das jeweilige Aufgabengebiet zu erkennen und zu bewerten. "
Lese-Probe zu „Web & Data Mining (PDF)“
Business Activity Monitoring mit Stream Mining am Fallbeispiel TeamBank AG (S. 82-83)Geschäftsprozesse in ihrer Gesamtheit setzen die Geschäftsstrategie eines Unternehmens sicher, richtig und wirtschaftlich um. IT-Systeme unterstützen und optimieren dabei die Durchführung der Geschäftsprozesse. Es wird am Beispiel der browserbasierten easyCredit-Anwendung der TeamBank AG (Ratenkredit mit Online-Sofortzusage per Internet für Endkunden und verbundene Partnerbanken) eine echtzeitfähige, betriebswirtschaftlich orientierte Geschäftprozessüberwachung, auch Business Activity Monitoring (BAM) genannt, vorgestellt. Diese basiert zum einen auf Durchfluss-Kennzahlen und zum anderen auf aussagekräftigen statistischen Modellen, deren Berechnung in Echtzeit auf dem neuen Konzept des Complex Event Processing (CEP) beruht. Inhaltsübersicht
1 Erhöhte Aufmerksamkeit für zentrale Prozesse – nicht Kür, sondern Pflicht
Die heutige TeamBank AG, seit dem 01.10.2003 eine 100%-Tochter der DZ-Bank AG, war die erste Bank Deutschlands, die das Kreditwesen industrialisierte und so eine eigentliche Kreditfabrik mit der Marke bzw. dem Produkt »easyCredit « lancierte. Mit diesem Markenprodukt gehört das Verbundunternehmen zu den erfolgreichsten Konsumentenbanken und ist Branchenführer im Bereich Onlinekredite, unter anderem dank der internetbasierten, vollautomatischen Bearbeitungsprozesse für Kreditanträge.
Mittlerweile nutzen ca. 1000 Partnerbanken mit ca. 15.000 Vertriebsstellen und ca. 40.000 Filialmitarbeitern aus den Volksbanken und Raiffeisenbanken diese Anwendung, aber auch einige Tausend externe Kunden aus dem Internet. Darüber hinaus wird die Anwendung in Deutschland und in Österreich auch in spezialisierten easyCredit-Shops, deren Kerngeschäft die Vergabe von Konsumentenkrediten ist, genutzt.
Aufgrund der
... mehr
zentralen Funktion, die dieser Kreditvergabeprozess innerhalb des Geschäftsmodells der TeamBank einnimmt, ist dessen Überwachung und stetige Optimierung von zentraler Bedeutung [Greiner & Düster 2005]. Um der Dynamik dieses Prozesses und des Marktgeschehens Rechnung zu tragen, sollte ein entsprechendes Business Activity Monitoring (BAM) möglichst echtzeitfähig sein, d.h. stets aktuelle und transparente Einsichten in den jeweiligen Prozessstatus liefern. Der Echtzeitaspekt spielt dabei eine zentrale Rolle, da sich darüber Engpässe und Kostenfallen in Geschäftsprozessen frühzeitig bzw. proaktiv erkennen lassen. In diesem Beitrag wird die Umsetzung eines solchen Echtzeit-BAM beschrieben, basierend auf dem neuen Konzept des Complex Event Processing (CEP) [Luckham 2002; Levitt 2009].
Im Fokus steht dabei insbesondere der Einsatz von Data-Mining-Verfahren [Han & Kamber 2001]. Anhand einer exemplarischen Fragestellung wird aufgezeigt, wie sich mit sogenannten Verteilungsschätzern [Heinz & Seeger 2008] wertvolle Informationen über den Kreditvergabeprozess herleiten lassen. Der Beitrag ist dabei wie folgt gegliedert: Der erste Teil beschreibt die wesentlichen Grundlagen für die Realisierung eines Echtzeit- BAM für die easyCredit-Anwendung. Im Anschluss daran werden das Konzept der Echtzeitanalyse von Datenströmen und des Complex Event Processing vorgestellt. Darauf aufbauend stellt der nächste Abschnitt die erfolgreiche Realisierung des Echtzeit-BAM vor. Abschließend wird ein Ausblick über mögliche Erweiterungen des vorgestellten Konzepts gegeben.
Im Fokus steht dabei insbesondere der Einsatz von Data-Mining-Verfahren [Han & Kamber 2001]. Anhand einer exemplarischen Fragestellung wird aufgezeigt, wie sich mit sogenannten Verteilungsschätzern [Heinz & Seeger 2008] wertvolle Informationen über den Kreditvergabeprozess herleiten lassen. Der Beitrag ist dabei wie folgt gegliedert: Der erste Teil beschreibt die wesentlichen Grundlagen für die Realisierung eines Echtzeit- BAM für die easyCredit-Anwendung. Im Anschluss daran werden das Konzept der Echtzeitanalyse von Datenströmen und des Complex Event Processing vorgestellt. Darauf aufbauend stellt der nächste Abschnitt die erfolgreiche Realisierung des Echtzeit-BAM vor. Abschließend wird ein Ausblick über mögliche Erweiterungen des vorgestellten Konzepts gegeben.
... weniger
Bibliographische Angaben
- Autor: Matthias Knoll
- 2009, 129 Seiten, Deutsch
- Herausgegeben: Andreas Meier, Matthias Knoll
- Verlag: dpunkt.verlag
- ISBN-10: 389864958X
- ISBN-13: 9783898649582
- Erscheinungsdatum: 01.01.2009
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 4.11 MB
- Mit Kopierschutz
Kopierschutz
Dieses eBook können Sie uneingeschränkt auf allen Geräten der tolino Familie lesen. Zum Lesen auf sonstigen eReadern und am PC benötigen Sie eine Adobe ID.
Kommentar zu "Web & Data Mining"
0 Gebrauchte Artikel zu „Web & Data Mining“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Web & Data Mining".
Kommentar verfassen