Skip to main content
main-content

Über dieses Buch

Große Datenmengen sind nicht nur das Ergebnis der Entwicklungen im Bereich von Heimautomatisierung und des Internet of Things. Zur Auswertung von Datenmengen sind Methoden und Verfahren entstanden, die mit den Begriffen „Data Mining“, „Knowledge Discovery“ oder „Big Data“ verknüpft sind. Der Anwender kann aus kommerziellen und Open-Source-Anwendungen wählen, die versprechen, vollkommen neue Erkenntnisse aus seinen Daten zu generieren. Vergleichbar mit einem Werkzeugkasten muss der Nutzer nur einen oder mehrere der darin zur Verfügung stehenden Algorithmen für die Datenanalyse wählen, um neue und spannende Einblicke zu erhalten. Doch ist es wirklich so einfach? Kai Jannaschk geht diesen und weiteren Fragen nach. Dazu stellt er ein Modell für ein systematisches und glaubwürdiges Data Mining vor. Weiterhin skizziert der Autor einen Ansatz zur Systematisierung von Algorithmen und Verfahren in der Datenanalyse.

Der Autor

Aktuell arbeitet Kai Jannaschk als Software- und Datenbankentwickler in Industrie und Wirtschaft. Sein Aufgabengebiet umfasst die Bereiche Konzeption, Entwurf und Umsetzung von Informationssystemen sowie Strukturierung und Aufbau von Infrastrukturen für die Datenverarbeitung.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einleitung

Ein Satz, der dem Unternehmer Robert Bosch zugeschrieben wird. Er spiegelt im Kern die drei Grundsätze Glaubwürdigkeit, Zuverlässigkeit, und Verantwortung in seiner Unternehmensführung wider.
Kai Jannaschk

Kapitel 2. Systematisches Data Mining - State of the Art

Um über DM zu sprechen, muss zunächst geklärt werden, was unter DM zu verstehen ist, mit welchen Prozessen DM-Resultate erzielt werden, welche Stärken und Schwächen diese Prozesse aufweisen, und wie diese Prozesse Anwendung in der Realität finden. Mit diesem Kapitel und den jeweiligen Abschnitten werden diese Fragen beantwortet.
Kai Jannaschk

Kapitel 3. Data Mining Design

In diesem Kapitel erfolgt eine Auseinandersetzung mit dem Verständnis, wie Data Mining strukturiert erfolgt.
Kai Jannaschk

Kapitel 4. Baustein Infrastruktur im Data Mining

In diesem Kapitel erfolgt die Betrachtung der Komponenten einer Infrastruktur, welche für die Durchführung von DM-Prozessen benötigt wird.
Kai Jannaschk

Kapitel 5. Fallbeispiele

Die Ozeane und Meere der Welt beeinflussen unser Leben auf vielfältige Art und Weise. Der Mensch nutzt Ozeane als weltumspannendes Transportsystem und als Rohstoff-, Nahrungs- und Energiequelle. Die Küsten und Inseln sind touristisch erschlossen.
Kai Jannaschk

Kapitel 6. Zusammenfassung und Ausblick

In der vorliegenden Dissertation wurde der Fragestellung nachgegangen, was zu beachten und zu bedenken ist, um Data Mining glaubwürdig, zuverlässig und verantwortlich durchzuführen.
Kai Jannaschk

Backmatter

Weitere Informationen

Premium Partner

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Best Practices für die Mitarbeiter-Partizipation in der Produktentwicklung

Unternehmen haben das Innovationspotenzial der eigenen Mitarbeiter auch außerhalb der F&E-Abteilung erkannt. Viele Initiativen zur Partizipation scheitern in der Praxis jedoch häufig. Lesen Sie hier  - basierend auf einer qualitativ-explorativen Expertenstudie - mehr über die wesentlichen Problemfelder der mitarbeiterzentrierten Produktentwicklung und profitieren Sie von konkreten Handlungsempfehlungen aus der Praxis.
Jetzt gratis downloaden!

Bildnachweise