Zusammenfassung
In diesem Abschnitt werden die essenziellsten Ausdrücke im Umfeld von DGM angeführt und einfach beschrieben. Der Themenbereich ist aktuell von einer dynamischen Entwicklung geprägt, weshalb dieser Überblick als Momentaufnahme erachtet werden muss. Es wird der Versuch unternommen, auf per se etablierte und weitläufige, im Einsatz befindliche Ausdrücke zu fokussieren und jene, die punktuell genutzt werden, hier im Kontext dieserAuflistung aus Gesichtspunkten eines allgemein gültigen Überblicks nicht anzuführen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
https://en.wikipedia.org/wiki/Data_Warehouse. Zugegriffen: 12. April 2021.
- 2.
https://de.wikipedia.org/wiki/Latenz Zugegriffen: 20. April 2021.
- 3.
https://www.ngdata.com/what-is-predictive-marketing/. Zugegriffen und übersetzt: 12. April 2021.
- 4.
Best-Fit-Trendlinie oder auch Regressionsgerade.
Weiterführende Literatur
Artun, Ö., & Levin, D. (2015). Predictive marketing—Easy ways every marketer can use. 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.
Borgelt, C., Klawonn, F., Kruse, R., & Nauck, D. (2003). Neuro-Fuzzy-Systeme—Von den Grundlagen künstlicher Neuronaler Netze zur Kopplung mit Fuzzy-Systemen. Springer.
Bruderer, H. (2018). Erfindung des Computers, Elektronenrechner, Entwicklungen in Deutschland, England und der Schweiz. In Meilensteine der Rechentechnik (2., völlig neu bearbeitete und stark erweiterte Auflage. Band 2). De Gruyter.
Chamoni, P., & Gluchowski, P. (2006). Analytische Informationssysteme: Business Intelligence-Technologien und -Anwendungen (3. Aufl.). Springer.
Christl, W. (2014, November). Kommerzielle digitale Überwachung im Alltag. PDF. auf: crackedlabs.org, S. 12.
Dhar, V. (2013). Data science and prediction. Communications of the ACM, 56(12), 64.
Dinter, B., & Winter, R. (Hrsg.). (2008). Integrierte Informationslogistik (Business Engineering). Springer.
Escoufier, Y., et al. (1995). Preface. In Data science and its application (englisch). Academic Press.
Ester, M., & Sander, J. (2000). Knowledge discovery in databases. Techniken und Anwendungen. Springer.
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.
Forbes. (2013). A very short history of data science. Gil.
Gareth, J., Witten, D., Hastie, T., & Tibshirani, R. (2017). An introduction to statistical learning with applications in R. Springer.
Güpner, A. (2015). Ich bin ein Star—Lasst mich hier rein! Das Karrierebuch für den perfekten Berufseinstieg. USP International.
Hinton, G., & Sejnowski, T. J. (Hrsg.). (1999). Unsupervised learning: Foundations of neural computation. MIT Press.
IIBA® International Institute of Business Analysis. (2017). BABOK® v3—Leitfaden zur Business-Analyse BABOK® Guide 3.0 (3., erweiterte Auflage). Verlag Dr. Götz Schmidt.
Langley, P. (2011). The changing science of machine learning. Machine Learning, 82(3), 275–279.
Müller, A. C., & Guido, S. (2017). Einführung in Machine Learning mit Python: Praxiswissen Data Science. O’Reilly.
Ng, A., & Soo, K. (2018). Data Science—Was ist das eigentlich?! Algorithmen des maschinellen Lernens verständlich erklärt. Springer.
Reichert, R. (2014). Big Data: Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie. Transcript.
Rifkin, J. (2019). Der globale Green New Deal: Warum die fossil befeuerte Zivilisation um 2028 kollabiert – und ein kühner ökonomischer Plan das Leben auf der Erde retten kann. Campus.
Seebacher, U. (2020a). B2B marketing: A guidebook for the classroom to the boardroom. Springer.
Seebacher, U. (2020b). Template-based Management – Ein Leitfaden für eine effiziente und wirkungsvolle berufliche Praxis. AQPS Inc.
Seebacher, U. (2021). Predictive Intelligence für Manager – Der einfache Weg zur datengetriebenen Unternehmensführung – mit Self-Assessment, Vorgehensmodell und Fallstudien. Springer.
Seebacher, U., & Garritz, J. (2021). Assets-as-Service: How to get your company ready for the As-A-Service industry. AQPS Inc.
Smola, A. (2008). Introduction to machine learning. Cambridge University Press.
Strohmeier, L. (2020). Central business intelligence. In U. Seebacher (Hrsg.), B2B marketing—A guidebook for the classroom to the boardroom. Springer.
Wiggins, R. (1992). Docking a truck: A genetic fuzzy approach. AI Expert, 7(5), 28–35.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Seebacher, U. (2021). Das begriffliche Ökosystem von DGM. In: Datengetriebenes Management. essentials. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-34585-3_2
Download citation
DOI: https://doi.org/10.1007/978-3-658-34585-3_2
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-34584-6
Online ISBN: 978-3-658-34585-3
eBook Packages: Business and Economics (German Language)