Data Mining im praktischen Einsatz

Verfahren und Anwendungsfälle für Marketing, Vertrieb, Controlling und Kundenunterstützung

AvPaul Alpar,Joachim Niedereichholz

Häftad, Tyska, 2000

Del i serien XBusiness Computing

560 kr

Beställningsvara. Skickas inom 10-15 vardagar. Fri frakt över 249 kr.

Beskrivning

Das Buch stellt anhand von Praxisfällen dar, wie mit Hilfe der Verfahren des Data Mining und der Business Intelligence Verhaltensmuster und Wissen in großen Datenbeständen entdeckt werden können. Dabei wird auch beschrieben, wie Rohdaten transformiert, integriert oder konsolidiert werden müssen, bevor die entsprechenden Verfahren sinnvoll eingesetzt werden können. Im Buch werden Lösungen zu Problemen wie verhaltensbasierte Kundensegmentierung, Bonitätsprüfung oder Werbeträgerplanung in Branchen wie Versandhandel, Versicherung, Einzelhandel oder Telekommunikation beschrieben. In vielen Fällen werden auch die Vor - und Nachteile konkurrierender Verfahren dargestellt, so daß sich daraus Entscheidungshilfen für ihren praktischen Einsatz ergeben.

Produktinformation

Utgivningsdatum:2000-10-11
Mått:170 x 244 x 14 mm
Vikt:429 g
Format:Häftad
Språk:Tyska
Serie:XBusiness Computing
Antal sidor:232
Upplaga:2000
Förlag:Springer Fachmedien Wiesbaden
ISBN:9783528057480

Utforska kategorier

Teknik: allmänt inom Naturvetenskap och teknik

Mer om författaren

Die Herausgeber sind Professoren der Wirtschaftsinformatik an den Universitäten Mannheim und Marburg; neben den Herausgebern haben als weitere Autoren ehemalige Hochschul-Absolventen mitgewirkt, die nun als Entscheider und Praktiker in namhaften Firmen tätig sind.

Innehållsförteckning

Kapitelverzeichnis.- Einführung zu Data Mining.- Bonitätsprüfung im Versandhandel — Über die Konstruktion von Entscheidungsbäumen.- Optimierte Werbeträgerplanung mit Neuronalen Netzen im Database Marketing.- Adressabgleich mittels Neuronaler Netze.- Verbundkäufe in Warenkorbdaten.- Kundensegmentierung aufgrund von Kassenbons — eine kombinierte Analyse mit Neuronalen Netzen und Clustering.- Nutzungsbasierte Kundensegmentierung.- Einsatz von Case-Based Reasoning zur Kundenunterstützung im Internet.- Data Mining in der Versicherungswirtschaft.