Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
HMD Praxis der Wirtschaftsinformatik
Erschienen in: HMD Praxis der Wirtschaftsinformatik 5/2019

01.07.2019 | Einführung

Überblick Analytics: Methoden und Potenziale

verfasst von: Andreas Meier

Erschienen in: HMD Praxis der Wirtschaftsinformatik | Ausgabe 5/2019

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Der Grundlagenbeitrag definiert und charakterisiert verschiedene Facetten des Analytics und zeigt auf, welche Nutzenpotenziale sich für die Wirtschaft ergeben. Nach der Klärung wichtiger Begriffe wird der Prozess zum Schürfen nach wertvollen Informationen und Mustern (Data Mining) in den Datenbeständen diskutiert. Danach werden wichtige Methoden des Data Mining wie des Soft Computing vorgestellt. Die Anwendungsgebiete des Web Analytics und Web Controlling dienen dazu, bedeutende Nutzenpotenziale beim Auswerten der digitalen Wertschöpfungskette elektronischer Geschäfte herauszuarbeiten. Ein Ausblick in die unbewusste Business Intelligence rundet den Beitrag ab.
Vorheriger Artikel Es ist immer Zeit, an die Zukunft zu denken
Nächster Artikel Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Fußnoten
1
Im Forschungszentrum Fuzzy Management Methods der Universität Fribourg/Schweiz (www.​FMsquare.​org) wird als Aggregationsfunktion oft der sogenannte γ‑Operator verwendet, der einem kompensatorischen UND entspricht und empirisch getestet als sinnvoll erachtet wird. Er berechnet ein ausgewogenes Mittelmaß zwischen den unterschiedlichen Bewertungsachsen, wobei die Ausgewogenheit mit der Wahl des γ‑Wertes zwischen 0 und 1 eingestellt werden kann.
 
2
Die internationale Forschungsreihe „Fuzzy Management Methods“ wird von Andreas Meier, Edy Portmann und Witold Pedrycz beim Springer-Verlag herausgegeben; sie ist verfügbar unter http://​www.​springer.​com/​series/​11223, abgerufen am 10. März 2019.
 
3
Die Intuitionistic Fuzzy Logic basiert auf der Mengenzugehörigkeitsfunktion μ(x), der Nicht-Mengenzugehörigkeit ν(x) und der Unsicherheit π(x) = 1 − μ(x) − ν(x); sie verallgemeinert die unscharfe Logik.
 
Literatur
Atanassov K (2016) Intuitionistic fuzzy logics. Studies in fuzziness and soft computing. Springer, Heidelberg
Belohlavek R, Dauben JW, Klir GJ (2017) Fuzzy logic and mathematics: a historical perspective. Oxford University Press, New YorkCrossRef
D’Onofrio S, Meier A (2019) Big data analytics. HMD Prax Wirtschaftsinform 56(5). Erscheint im Oktober 2019
Ester M, Sander J (2013) Knowledge Discovery in Databases: Techniken und Anwendungen. Springer, HeidelbergMATH
Fasel D (2014) A fuzzy data warehousing for performance measurement—concept and implementation. Springer, HeidelbergCrossRef
Fasel D, Meier A (Hrsg) (2016) Big Data – Grundlagen, Systeme und Nutzenpotenziale. Edition HMD. Springer, Heidelberg
Fayyad UM, Piatetsky-Shapiro G, Smyth P (1996) From data mining to knowledge discovery: an overview. In: Fayyad UM, Piatetsky-Shapiro G, Smyth P, Uthurusamy R (Hrsg) Advances in knowledge discovery and data mining. American Association for Artificial Intelligence, AAAI Press, Menlo Park, S 1–34
Gluchowski P (2016) Business Analytics – Grundlagen, Methoden und Einsatzpotenziale. In: Meier A, Zumstein D (Hrsg) Business Analytics. HMD Praxis der Wirtschaftsinformatik, Band 53, Heft 3. Springer Vieweg, Heidelberg, S 273–286
Hüllermeier E (2005) Fuzzy methods in machine learning and data mining: status and prospects. Fuzzy Sets Syst 156(3):387–406MathSciNetCrossRef
Kaufmann M (2014) Inductive fuzzy classification in marketing analytics. Springer, HeidelbergCrossRef
Kaufmann M, Meier A, Stoffel K (2015) IFC-filter: membership function generation for inductive fuzzy classification. Expert Syst Appl 21(42):8369–8379CrossRef
Kelleher JD, Tierney B (2018) Data science. The MIT Press Essential Knowledges Series, CambridgeCrossRef
Knoll M, Meier A (Hrsg) (2009) Web & data mining. HMD Praxis der Wirtschaftsinformatik, HMD Nr. 268. dpunkt Verlag, Heidelberg
Kruse R, Borgelt C, Braune C, Klawonn F, Moewes C, Steinbrecher M (2015) Computational Intelligence: Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. Springer Vieweg, HeidelbergCrossRef
Lippe W‑M (2005) Soft Computing: Mit neuronalen Netzen, Fuzzy Logic und evolutionären Algorithmen. eXamen.press. Springer, Heidelberg
Liu B (2011) Web data mining: exploring Hyperlinks, contents, and usage data. Springer, BerlinCrossRef
Meier A, Kaufmann M (2016) SQL- und NoSQL-Datenbanken, 8. Aufl. eXamen.press, Springer Vieweg, HeidelbergCrossRef
Meier A, Portmann E (2019) Fuzzy Management – Trilogie II: Einsatz der unscharfen Logik für Business Intelligence. Springer, HeidelbergCrossRef
Meier A, Werro N (2018) Unscharfes Portfolio Management – Nutzenpotenziale. In: Meier A, Seising R (Hrsg) Vague information processing. HMD Praxis der Wirtschaftsinformatik, Band 55, Heft 3. Springer Vieweg, Heidelberg, S 528–539
Meier A, Zumstein D (2013) Web Analytics & Web Controlling – Webbasierte Business Intelligence zur Erfolgssicherung. Edition tdwi Europe. dpunkt, Heidelberg
Meier A, Portmann E, Teran L (Hrsg) (2019) Applying fuzzy logic for the digital economy and society. Springer, Heidelberg
Sivanandam SN, Deepa SN (2019) Principles of soft computing. Wiley, New Delhi
Witten IH, Frank E, Hall MA, Pal CJ (2017) Data mining: practical machine learning tools and techniques. Morgan Kaufmann, Cambridge
Zadeh LA (1994) Fuzzy logic, neural networks, and soft computing. Commun ACM 37(3):77–84CrossRef
Metadaten
Titel
Überblick Analytics: Methoden und Potenziale
verfasst von
Andreas Meier
Publikationsdatum
01.07.2019
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
HMD Praxis der Wirtschaftsinformatik / Ausgabe 5/2019
Print ISSN: 1436-3011
Elektronische ISSN: 2198-2775
DOI
https://doi.org/10.1365/s40702-019-00540-7

Weitere Artikel der Ausgabe 5/2019

HMD Praxis der Wirtschaftsinformatik 5/2019 Zur Ausgabe

Editorial

Big Data Analytics

Schwerpunkt

Smart Factory – Konzeption und Prototyp zum Image Mining und zur Fehlererkennung in der Produktion

Schwerpunkt

Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert

Schwerpunkt

Vorhersage von Ersatzteilbedarfen mit Hilfe von Clusteringverfahren

Schwerpunkt

Big Data Analytics im Bahnverkehr

Schwerpunkt

Objekterkennung im Weinanbau – Eine Fallstudie zur Unterstützung von Winzertätigkeiten mithilfe von Deep Learning

Premium Partner

    Bildnachweise