Your email was sent successfully. Check your inbox.

An error occurred while sending the email. Please try again.

Proceed reservation?

Export
  • 1
    UID:
    b3kat_BV042430176
    Format: 1 Online-Ressource (VII, 232 S.)
    ISBN: 9783322899507 , 9783528057480
    Series Statement: Business Computing
    Note: Data Mining ist heute im Zeitalter der Internet-Portale und des e­ Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgerichteten Marketings. Umso erstaunlicher ist es, dass vergleichsweise wenig praxisnahe Literatur zum Einsatz der entsprechenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Universität Marburg und Prof. Dr. Niedereichholz, Universität Mannheim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbeiten zum Data Mining zusammengestellt haben, die sie selbst betreuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen für das Data Mining zu entwickeln, sondern um die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfältiger einzelner Werkzeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware eingesetzt wurde, waren in fast allen Fallen auch Programmierarbeiten notwendig, z.B. um Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Präsentation der Ergebnisse anschaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - damit sicher überfordert, dies betonen auch alle Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informationstechnologie und der quantitativen Methoden unentbehrlich, um die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen
    Language: German
    Keywords: Data Mining ; Unternehmen ; Aufsatzsammlung
    URL: Volltext  (lizenzpflichtig)
    Library Location Call Number Volume/Issue/Year Availability
    BibTip Others were also interested in ...
Close ⊗
This website uses cookies and the analysis tool Matomo. Further information can be found on the KOBV privacy pages