Data-Mining im Kontext des Prozessmanagements

Bewertung ausgewählter Data-Mining-Prozessmodelle

Hausarbeit , 2020 , 20 Seiten , Note: 2.3

BWL - Unternehmensforschung, Operations Research

Diese Arbeit hat zur Aufgabe, ausgewählte Data-Mining-Prozessmodelle anhand ihrer Stärken und Schwächen im Sinne einer qualitativen Analyse zu vergleichen. Darauf aufbauend wird eine Empfehlung abgeleitet, welches Prozessmodell sich für den Gebrauch in Unternehmens-Kontext am besten eignet. Zu Beginn wird den Lesenden mit Kapitel 2 die wachsende Bedeutung von Daten als Ressource verdeutlicht. Im Anschluss daran werden die Grundlagen von Data-Mining und daraus abgeleitete Aufgaben ergründet (Kap. 3). Darauffolgend werden drei ausgewählte Data-Mining-Prozessmodelle und ihre Etappen beschrieben (Kap. 4). Letztlich folgt eine qualitative Analyse, die aus der Gegenüberstellung der einzelnen Phasen (Kap. 5. 1) und der Ergründung qualitativer Unterschiede (Kap. 5. 2) besteht.

Inhaltsverzeichnis

1 Einleitung
1.1 Einführung in die Thematik
1.2 Zielsetzung, Aufbau und Methodik

2 Daten als Ressource

3 Grundlagen zu Data-Mining und Data-Mining-Aufgaben

4 Beschreibung ausgewählter Data-Mining-Prozessmodelle
4.1 Cross-Industry Standard Process for Data Mining (CRISP-DM)
4.2 Knowledge Discovery in Databases
4.3 Team Data Science Process

5 Vergleich ausgewählter Prozesse
5.1 Gegenüberstellung von Etappen ausgewählter Data-Mining-Prozessrahmen
5.2 Beschreibung ausgewählter qualitativer Unterschiede

6 Fazit

7 Literaturverzeichnis

• Hochschule: Hochschule Fresenius Idstein
• Veranstaltung: Processmanagement
• Note: 2.3
• Autor: David Lewenko (Autor:in)
• Erscheinungsjahr: 2020
• Seiten: 20
• Katalognummer: V980340
• ISBN (eBook): 9783346331526
• ISBN (Buch): 9783346331533
• Sprache: Deutsch
• Schlagworte: Process Management, Data Mining, Data Science, Machine Learning