Top

Published in:

2021 | OriginalPaper | Chapter

3. Das Predictive Intelligence Ökosystem

Author : Uwe Seebacher

Published in: Predictive Intelligence für Manager

Publisher: Springer Berlin Heidelberg

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

In diesem Abschnitt werden die wichtigsten Begriffe im Umfeld von Predictive Intelligence angeführt und einfach für jedermann verständlich beschrieben. Der Themenbereich ist einer enormen Dynamik ausgesetzt, weshalb dieser Überblick als Momentaufnahme erachtet werden muss. Es wird der Versuch unternommen, auf bereits etablierte und weitläufige im Einsatz befindliche Begriffe zu fokussieren und solche, die punktuell verwendet werden hier im Rahmen dieser Auflistung aus Gesichtspunkten eines allgemein gültigen Überblicks nicht anzuführen.

Dont have a licence yet? Then find out more about our products and how to get one now:

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!

inform now

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!

inform now

previous chapter Predictive Intelligence im Überblick

next chapter Das Predictive-Intelligence-Reifegrad-Modell

NN (oJ). Technologische Singularität. https://de.wikipedia.org/wiki/Technologische_Singularit%C3%A4t. Zugegriffen: 25. August 2020.

NN (oJ). Turing Test. https://de.wikipedia.org/wiki/Turing-Test. Zugegriffen: 25. August 2020.

NN (oJ). Künstliches neuronales Netz. https://de.wikipedia.org/wiki/K%C3%BCnstliches_neuronales_Netz. Zugegriffen: 24. August 2020.

NN (oJ). McCulloch Pitts Zelle. https://de.wikipedia.org/wiki/McCulloch-Pitts-Zelle. Zugegriffen: 24. August 2020.

RMS, root mean sqaure.

NN (oJ). Big Data. https://de.wikipedia.org/wiki/Big_Data. Zugegriffen: 24. August 2020.

NN (oJ). Big Data. http://www.gartner.com/it-glossary/big-data. Zugegriffen: 24. August 2020.

Felden C (2019). Business Analytics. https://www.enzyklopaedie-der-wirtschaftsinformatik.de/lexikon/daten-wissen/Business-Intelligence/Analytische-Informationssysteme%2D%2DMethoden-der-/Business-Analytics/index.html. Zugegriffen: 25. August 2020.

Ebenda.

Ursprünglich wurde hierfür der korrespondierende Begriff des KDD-Prozess (KDD = Knowledge Discovery in Databases) verwendet.

NN (oJ). Cloud Computing. https://de.wikipedia.org/wiki/Cloud_Computing. Zugegriffen: 31. August 2020.

NN (oJ). Outsourcing. https://de.wikipedia.org/wiki/Outsourcing. Zugegriffen: 31. August 2020.

NN (oJ). Clusteranalyse. https://de.wikipedia.org/wiki/Clusteranalyse. Zugegriffen: 24. August 2020.

NN (oJ). Duplikaterkennung. https://de.wikipedia.org/wiki/Duplikaterkennung. Zugegriffen: 25. August 2020.

NN (oJ). Data Warhouse. https://de.wikipedia.org/wiki/Data_Warehouse. Zugegriffen: 31. August 2020.

NN (oJ). Data Mining. https://www.duden.de/rechtschreibung/Data_Mining. Zugegriffen: 25. August 2020.

Identifizierung von Zusammenhängen und Abhängigkeiten in den Daten in Form von Regeln wie „Aus A und B folgt normalerweise C“.

NN (oJ). Data Science. https://de.wikipedia.org/wiki/Data_Science. Zugegriffen: 25. August 2020.

NN (oJ). The ever growing Sales Technology Landscape (Sales Tech Stack) 2018. http://unified.vu/2018/06/11/the-ever-growing-sales-technology-landscape-sales-tech-stack-2018/. Zugegriffen: 25. August 2020.

Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, abgerufen am 19. Februar 2017 (englisch). Zugegriffen: 27. August 2020.

Weitere Informationen zur Datenanalyse finden sich auch unter dem entsprechenden Begriff in diesem Kapitel zum PI Ökosystem.

NN (oJ). Ease of Doing Business Index. https://de.wikipedia.org/wiki/Ease_of_Doing_Business_Index. Zugegriffenr: 28. August 2020.

NN (oJ). Funktionales Modell. http://www.mnm-team.org/pub/Diplomarbeiten/kemp98/HTML-Version/node42.html. Zugegriffen: 24. August 2020.

Im eCommerce wird hierfür der Begriff der „Recommendation Engine“ verwendet.

Parbel. M. (2019). Apache Software Foundation feiert 20 Jahre Open-Source-Entwicklung. https://www.heise.de/developer/meldung/Apache-Software-Foundation-feiert-20-Jahre-Open-Source-Entwicklung-4350446.html. Zugegriffen: 28. August 2020.

PCA, principal component analysis.

NN (oJ). Caffe. https://de.wikipedia.org/wiki/Caffe. Zugegriffen: 28. August 2020.

NN (oJ). Deep Learning. https://de.wikipedia.org/wiki/Deeplearning4j. Zugegriffen: 28. August 2020.

NN (oJ). ML.Net. https://dotnet.microsoft.com/apps/machinelearning-ai/ml-dotnet. Zugegriffen: 28. August 2020.

NN (oJ). Worbedeutung. https://www.wortbedeutung.info/Modellierung/. Zugegriffen: 31. August 2020.

NN (oJ). Prototyp. https://de.wikipedia.org/wiki/Prototyp_(Entwurfsmuster). Zugegriffen: 31. August 2020.

NN (oJ). Framework. https://de.wikipedia.org/wiki/Framework. Zugegriffen: 31. August 2020.

NN (oJ). A Beginner’s Guide on Machine Learning Model Monitoring. https://ichi.pro/de/post/60196108842518. Zugegriffen: 31. August 2020.

Rouse M (oJ). Predictive Analytics. https://www.computerweekly.com/de/definition/Predictive-Analytics. Zugegriffen: 24. August 2020.

NN (oJ). Predictive Analytics. https://www.vorteile-nachteile.info/leben/predictive-analytics/. Zugegriffen: 24. August 2020.

NN (oJ). Predictive Analytics. https://de.wikipedia.org/wiki/Predictive_analytics. Zugegriffen: 24. August 2020.

Datenbereinigung wird häufig auch als Data Cleansing bezeichnet.

NN. (o.J). Predictive Analytics. https://de.mathworks.com/discovery/predictive-analytics.html. Zugegriffen: 24. August 2020.

NN. O.J. Präskriptive Analytik. https://de.mathworks.com/discovery/predictive-analytics.html. Zugegriffen: 24. August 2020.

Galetto M. (2014). https://www.ngdata.com/how-data-driven-approach-turns-predictive-analytics-into-prescriptive-analytics/. Zugegriffen: 31. August 2020.

Galletto M. 2017. What is Predictive Marketing? The Rise of Predictive Marketing, Challenges, Benefits, and More. https://www.ngdata.com/what-is-predictive-marketing/. Zugegriffen und übersetzt: 31. August 2020.

Best-Fit-Trendlinie oder auch Regressionsgerade.

Artun, Ö., & Levin, D. (2015). Predictive marketing – Easy ways every marketer can use. Hoboken: Wiley.

Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008(10), P10008.CrossRef

Borgelt, C., Klawonn, F., Kruse, R., & Nauck, D. (2003). Neuro-Fuzzy-Systeme – Von den Grundlagen künstlicher Neuronaler Netze zur Kopplung mit Fuzzy-Systemen. Wiesbaden: Springer.

Bruderer, H. (2018). Erfindung des Computers, Elektronenrechner, Entwicklungen in Deutschland, England und der Schweiz. In: Meilensteine der Rechentechnik (Bd. 2, 2., völlig neu bearb. u. stark erw. Aufl.). Berlin: de Gruyter.

Chamoni, P., & Gluchowski, P. (2006). Analytische Informationssysteme: Business Intelligence-Technologien und –Anwendungen (3. Aufl.). Berlin: Springer.CrossRef

Christl, W. (November 2014). Kommerzielle digitale Überwachung im Alltag. PDF (S. 12). crackedlabs.org.

Dhar, V. (2013). Data science and prediction. Communications of the ACM, 56(12), 64.CrossRef

Dinter, B., & Winter, R. (Hrsg.) (2008). Integrierte Informationslogistik (Business Engineering). Berlin: Springer.

Escoufier, et al. (1995). Preface. In Data Science and its Application (englisch). Tokyo: Academic Press.

Ester, M., & Sander, J. (2000). Knowledge Discovery in Databases. Techniken und Anwendungen. Berlin: Springer.CrossRef

Fayyad, U. M., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37–54.

Felden, C., & Buder, J. (2012). Entscheidungsunterstützung in Netzgesellschaften. Wirtschaftsinformatik, 1, 17–32.CrossRef

Forbes. (2013). A very short history of data science New York: Gil Press.

Gareth, J., Witten, D., Hastie, T., & Tibshirani, R. (2017). An introduction to statistical learning with applications in R. New York: Springer.

Güpner, A. (2015). Ich bin ein Star – Lasst mich hier rein! Das Karrierebuch für den perfekten Berufseinstieg. München: USP International.

Hinton, G., & Sejnowski, T. J. (Hrsg.). (1999). Unsupervised learning: Foundations of neural computation. Cambridge, MA: MIT Press.

IIBA® International Institute of Business Analysis. (2017). BABOK® v3 – Leitfaden zur Business-Analyse BABOK® Guide 3.0 (3., erw. Aufl.). Wettenberg: Dr. Götz Schmidt.

Langley, P. (2011). The changing science of machine learning. Machine Learning, 82(3), 275–279.CrossRef

Müller, A. C., & Guido, S. (2017). Einführung in Machine Learning mit Python: Praxiswissen Data Science. Heidelberg: O’Reilly.

Ng, A., & Soo, K. (2018). Data Science – was ist das eigentlich?! Algorithmen des maschinellen Lernens verständlich erklärt. Heidelberg: Springer.

Reichert, R. (2014). Big Data: Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie (S. 9). Bielefeld: transcript.CrossRef

Seebacher, U. (2020a). Praxishandbuch B2B Marketing – Neueste Konzepte, Strategien und Technologien sowie praxiserprobte Vorgehensmodelle – mit 11 Fallstudien. Heidelberg: Springer.

Seebacher, U. (2020b). Template-based Management – Ein Leitfaden für eine effiziente und wirkungsvolle berufliche Praxis. Graz: AQPS Inc.

Smola, A. (2008). Introduction to machine learning. Cambridge: Cambridge University Press.

Strohmeier, L. (2020). Central business intelligence. In U. Seebacher (Hrsg.), Praxishandbuch B2B marketing. Heidelberg: Springer.

Vollenweider, M. (2017). Mind + machine – A decision model for optimizing and implementing analytics. New Delhi: Wiley.

Wiggins, R. (1992). Docking a truck: A genetic fuzzy approach. AI Expert, 7(5), 28–35.

Title: Das Predictive Intelligence Ökosystem
Author: Uwe Seebacher
Publisher: Springer Berlin Heidelberg
Book: Predictive Intelligence für Manager
Print ISBN: 978-3-662-62775-4

Electronic ISBN: 978-3-662-62776-1

Copyright Year: 2021
DOI: https://doi.org/10.1007/978-3-662-62776-1_3