David L. Olson Bücher

Dieses Buch bietet einen Überblick über Data-Mining-Methoden, die durch Software veranschaulicht werden. Es thematisiert die Verbindung von menschlichem Wissen und technologischen Fortschritten in der heutigen Gesellschaft, insbesondere im Kontext von Big Data. Es werden drei Arten von Analyseinstrumenten vorgestellt: Die deskriptive Analyse liefert Berichte über vergangene Ereignisse, während die prädiktive Analyse statistische und KI-Methoden zur Vorhersage nutzt. Die diagnostische Analytik analysiert Sensoreingaben zur automatischen Steuerung von Kontrollsystemen. Die präskriptive Analytik optimiert Systeme mithilfe quantitativer Modelle. Data Mining umfasst sowohl deskriptive als auch prädiktive Modellierung, während Operations Research alle drei Bereiche abdeckt. Der Fokus des Buches liegt auf der deskriptiven Analytik, mit einfachen Erklärungen und Demonstrationen. Es bietet Beispiele für die Auswirkungen von Big Data und behandelt Assoziationsregeln sowie Clusteranalysen. Die Kapitel decken verschiedene Aspekte ab: einen Überblick im Wissensmanagement, grundlegende Software für Datenvisualisierung, Warenkorbanalyse, RFM-Modellierung, Assoziationsregel-Mining, Clusteranalyse und Link-Analyse. Die Modelle werden mit geschäftsbezogenen Daten demonstriert, und der Stil ist beschreibend, ohne tiefgehende wissenschaftliche Referenzen. Die verwendeten Datensätze und Software sind für Leser mit Internetzugang leicht zugänglich.

Edited as a Festschrift in honor of Prof Milan Zeleny, this volume reflects and emulates his unmistakable legacy: the essential multidimensionality of human and social affairs. It contains papers dealing with: Multiple Criteria Decision Making; Social and Human System Management; and Information, Knowledge and Wisdom Management.

Introduction to Business Data Mining was developed to introduce students, as opposed to professional practitioners or engineering students, to the fundamental concepts of data mining. Most importantly, this text shows readers how to gather and analyze large sets of data to gain useful business understanding. A four part organization introduces the material (Part I), describes and demonstrated basic data mining algorithms (Part II), focuses on the business applications of data mining (Part III), and presents an overview of the developing areas in this field, including web mining, text mining, and the ethical aspects of data mining. (Part IV). The author team has had extensive experience with the quantitative analysis of business as well as with data mining analysis. They have both taught this material and used their own graduate students to prepare the text's data mining reports. Using real-world vignettes and their extensive knowledge of this new subject, David Olson and Yong Shi have created a text that demonstrates data mining processes and techniques needed for business applications.