Diese Arbeit untersucht, inwiefern Data-Mining notwendig ist und ob es das eigene Geschäftsmodell, sich weiter auszubauen und nachhaltig Erfolg zu sichern, unterstützt. Es wird das Ziel verfolgt, anhand des Zweckes und der Methoden von Data-Mining am Beispiel von 'HeyCash' die Relevanz dessen zu ergründen sowie die Mehrwerte zu finden und zu erläutern. Darüber hinaus werden anhand von drei ausgewählten Methoden die Funktionsweise und der Nutzen von Data-Mining gemessen und bewertet.
Die Macht und Möglichkeiten von Datenbesitz ist unabdingbar und allgegenwärtig. Ein Synonym für dieses Szenario stellt das sogenannte 'Big Data' dar. Big Data ist eine der bedeutendsten Entwicklungen im digitalen Zeitalter. Es steht für große, komplexe und unstrukturierte Datenmengen. Die Daten nehmen tagtäglich exponentiell zu und die damit einhergehenden Problematiken, wie der Datenschutz, müssen diskutiert werden.
Es zeigt sich aber auch, dass durch Daten erhebliche Potenziale für die Gesellschaft und vor allem für Unternehmen entstehen. Viele neuartige Geschäftsmodelle basieren auf Daten, woraus neue Dienstleistungen und Produkte resultieren. Die Auswertung der immer größer werdenden Datenmengen stellt somit eine der lukrativsten Herausforderungen dieser Zeit dar. Somit kommt dem Data-Mining eine immer größere Bedeutung zu.
Inhaltsverzeichnis
- Einleitung
- Hinführung zur Thematik
- Problemstellung und Zielsetzung der Arbeit
- Aufbau der Arbeit
- Theoretischer Teil
- Data Mining
- Begriffsdefinition „Data Mining“
- Abgrenzung von verwandten Begriffen
- Data Mining Prozess
- Data Mining Methoden
- Segmentierung: Clustering
- Klassifikation: Entscheidungsbaum
- Abhängigkeitsanalyse: Korrelation
- Methodischer Teil
- „HeyCash“- Finanz Startup
- Ausgewählte Data Mining Methoden am Beispiel von HeyCash
- Clustering
- Entscheidungsbaum
- Korrelationsanalyse
- Vor- und Nachteile der ausgewählten Data Mining Methoden
- Diskussion
- Untersuchungsobjekt und Methodik
- Gütekriterien
- Fazit
Zielsetzung und Themenschwerpunkte
Die Hausarbeit untersucht die Relevanz und Anwendungsmöglichkeiten von Data Mining am Beispiel des Finanz-Startups HeyCash. Der Fokus liegt dabei auf der Erläuterung des Data Mining-Prozesses, der Beschreibung ausgewählter Methoden (Clustering, Entscheidungsbaum, Korrelationsanalyse) und der Bewertung ihres Nutzens im Kontext des Geschäftsmodells von HeyCash. Die Arbeit beleuchtet darüber hinaus die Bedeutung von Data Mining für die Entwicklung und den Erfolg moderner Geschäftsmodelle.
- Bedeutung und Anwendung von Data Mining in der Praxis
- Analyse von Data Mining Methoden und ihrer Funktionsweise
- Bewertung des Nutzens von Data Mining für Unternehmen
- Analyse des Geschäftsmodells von HeyCash im Kontext von Data Mining
- Entwicklung von Handlungsempfehlungen zur Optimierung des Data Mining-Einsatzes
Zusammenfassung der Kapitel
Die Einleitung führt in die Thematik von Data Mining und Big Data ein und beschreibt die Relevanz und Problemstellung der Arbeit. Im theoretischen Teil wird der Begriff Data Mining definiert, der Data Mining-Prozess erläutert und verschiedene Methoden vorgestellt. Der methodische Teil fokussiert auf die Analyse des Geschäftsmodells von HeyCash und die Anwendung ausgewählter Data Mining-Methoden in diesem Kontext. Die Diskussion beleuchtet die kritische Reflexion der Studienmethodik und die Bewertung der Gütekriterien der Arbeit.
Schlüsselwörter
Data Mining, Big Data, HeyCash, Finanz-Startup, Clustering, Entscheidungsbaum, Korrelationsanalyse, Geschäftsmodell, Datenanalyse, Handlungsempfehlungen, Wertschöpfung.
- Quote paper
- Christian Halder (Author), 2021, Data-Mining am Beispiel von HeyCash. Clustering, Entscheidungsbaum und Korrelationsanalyse, Munich, GRIN Verlag, https://www.grin.com/document/1011087
