Deskriptives Data-Mining (eBook)

David L. Olson, Georg Lauhoff (Autoren)

eBook Download: PDF

2023 | 1. Aufl. 2023
XII, 147 Seiten
Springer Nature Switzerland (Verlag)
978-3-031-21274-1 (ISBN)

Infos

Dieses Buch bietet einen Überblick über Data-Mining-Methoden, die durch Software veranschaulicht werden. Beim Wissensmanagement geht es um die Anwendung von menschlichem Wissen (Erkenntnistheorie) mit den technologischen Fortschritten unserer heutigen Gesellschaft (Computersysteme) und Big Data, sowohl bei der Datenerfassung als auch bei der Datenanalyse. Es gibt drei Arten von Analyseinstrumenten.  Die deskriptive Analyse konzentriert sich auf Berichte über das, was passiert ist.  Bei der prädiktiven Analyse werden statistische und/oder künstliche Intelligenz eingesetzt, um Vorhersagen treffen zu können.  Dazu gehört auch die Modellierung von Klassifizierungen.  Die diagnostische Analytik kann die Analyse von Sensoreingaben anwenden, um Kontrollsysteme automatisch zu steuern. Die präskriptive Analytik wendet quantitative Modelle an, um Systeme zu optimieren oder zumindest verbesserte Systeme zu identifizieren.  Data Mining umfasst deskriptive und prädiktive Modellierung. Operations Research umfasst alle drei Bereiche.  Dieses Buch konzentriert sich auf die deskriptive Analytik.

Das Buch versucht, einfache Erklärungen und Demonstrationen einiger deskriptiver Werkzeuge zu liefern. Es bietet Beispiele für die Auswirkungen von Big Data und erweitert die Abdeckung von Assoziationsregeln und Clusteranalysen. Kapitel 1 gibt einen Überblick im Kontext des Wissensmanagements. Kapitel 2 erörtert einige grundlegende Softwareunterstützung für die Datenvisualisierung. Kapitel 3 befasst sich mit den Grundlagen der Warenkorbanalyse, und Kapitel 4 demonstriert die RFM-Modellierung, ein grundlegendes Marketing-Data-Mining-Tool. Kapitel 5 demonstriert das Assoziationsregel-Mining. Kapitel 6 befasst sich eingehender mit der Clusteranalyse. Kapitel 7 befasst sich mit der Link-Analyse.  

Die Modelle werden anhand geschäftsbezogener Daten demonstriert. Der Stil des Buches ist beschreibend und versucht zu erklären, wie die Methoden funktionieren, mit einigen Zitaten, aber ohne tiefgehende wissenschaftliche Referenzen. Die Datensätze und die Software wurden so ausgewählt, dass sie für jeden Leser, der über einen Computeranschluss verfügt, weithin verfügbar und zugänglich sind.

David L. Olson ist der James & H.K. Stuart Chancellor's Distinguished Chair und ordentlicher Professor an der University of Nebraska. Er hat in über 150 begutachteten Zeitschriftenartikeln Forschungsergebnisse veröffentlicht, vor allem zu den Themen Entscheidungsfindung mit mehreren Zielen, Informationstechnologie, Risikomanagement in der Lieferkette und Data Mining. Er lehrt in den Bereichen Management-Informationssysteme, Management-Wissenschaft und Operations Management. Er hat über 20 Bücher verfasst. Er ist Mitglied des Decision Sciences Institute, des Institute for Operations Research and Management Sciences und der Multiple Criteria Decision Making Society. Von 1999 bis 2001 war er Lowry-Mays-Stiftungsprofessor an der Texas A&M University. Im Jahr 2002 wurde er mit dem Raymond E. Miles Distinguished Scholar Award ausgezeichnet, und von 2005 bis 2006 war er James C. and Rhonda Seacrest Fellow. Im Jahr 2006 wurde er von der IFIP zum 'Best Enterprise Information Systems Educator' ernannt. Er ist ein Fellow des Decision Sciences Institute.

Georg Lauhoff ist Technologe bei der Western Digital Corporation und betreibt Forschung und Entwicklung auf dem Gebiet der Materialwissenschaft und ihrer Anwendung in Datenspeichern und nutzt die in diesem Buch beschriebenen Techniken für seine Arbeit. Er ist Mitautor von 38 begutachteten Zeitschriftenartikeln und über 30 Konferenzvorträgen, vor allem zu den Themen Materialwissenschaft, Datenspeichermaterialien und magnetische Dünnschichten. Er erhielt Stipendien und Forschungszuschüsse im Vereinigten Königreich und in Japan. Von 1995-98 war er Clerk-Maxwell-Stipendiat und ist Fellow der Cambridge Philosophical Society. Er studierte Physik in Aachen (Diplom) und an der Universität Cambridge (Master und Ph.D.) und spezialisierte sich dabei auf die Bereiche Materialwissenschaften und magnetische dünne Schichten und Sensoren. Nach seinem Abschluss ging er nach Japan und arbeitete als Dozent für Materialwissenschaft und -technik am Toyota Technological Institute. Anschließend forschte er an der Universität Cambridge auf dem Gebiet der DNA-Sequenzierung mit Hilfe magnetischer Sensoren, bevor er 2005 in die Plattenindustrie in der Bay Area wechselte.

Produkt-Details

• Erscheint lt. Verlag: 2.2.2023
• Zusatzinfo: XII, 147 S. 83 Abb., 72 Abb. in Farbe.
• Sprache: deutsch
• Original-Titel: Descriptive Data Mining
• Themenwelt: Mathematik / Informatik ► Informatik ► Datenbanken
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Unternehmensführung / Management
• Schlagworte: Assoziationsregeln • Beschreibende Datenanalyse • Big Data • Clusteranalyse • Data Mining • Datenvisualisierung • Descriptive Data-Mining • Warenkorbanalyse • Wissensmanagement
• ISBN-10: 3-031-21274-6 / 3031212746
• ISBN-13: 978-3-031-21274-1 / 9783031212741