Zusammenfassung
Das einführende Zitat bringt die grundlegende Intention des Data Mining zum Ausdruck. Im Sinne eines aktiven Analyseparadigmas sollen rechnergestützte Systeme den Anwender auf interessante, möglicherweise überraschende Muster und Strukturen, die sich in den Geschäftsdaten befinden, hinweisen. Damit sind also keine SQLoder OLAP-Standardabfragen des Standard-Reportings und des Briefing Books gemeint. Treu nach dem Motto „Häufig sind die wichtigsten Dinge die, von denen wir gar nicht wissen, dass wir sie nicht wissen“ geht es beim Data Mining insbesondere um die Entdeckung früher Signale, die aufgrund des Geschäftsalltages und fehlender Frühwarnsysteme untergehen.
„Our goal is to challenge the data to ask questions, rather than asking questions to the data“ (Keim/Kriegel/Seidel 1994, S. 305)
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Bissantz, N./Hagedorn, J.: Data Mining im Controlling, Erlangen 1996.
Fayyad, U. M. /Piatetsky-Shapiro, G./Smyth, P.: From Data Mining to Knowledge Discovery: an Overview, in: Fayyad, U. M./PiatetskyShapiro, G./Smyth, P./Uthurusamy, R. (Hrsg.): Advances in Knowledge Discovery and Data Mining, Menlo Park 1996, S. 1–34.
Gehra, B./Niedermaier, O./Hess, T.: Fallstudie Predictive Investor Relations — Früherkennung durch Nutzung operativer Datenbestände bei der Computershare Ltd., Zeitschrift für Controlling und Management (ZfCM), 47. Jg. (2003), 2. Sonderheft.
Gentsch, P./Mandzak, P./Roth, M.: Data Mining: 12 Tools im Vergleich, Würzburg 2000.
Gentsch, P./Mandzak, P./Roth, M.: Web-Personalisierung und Web-Mining für eCRM: 12 Tools im Vergleich, Würzburg 2001.
Grothe M./Gentsch P.: Business Intelligence „Aus Informationen Wettbewerbsvorteile gewinnen, Berlin 2000.
Kaplan, R. S./Norton, D. P.: Balanced Scorecard — Strategien erfolgreich umsetzen, Stuttgart 1997.
Keim, D. A./Kriegel, H.-P./Seidel, T.: Supporting Data Mining of Large Databases by Visual Feedback Queries, in: Proceedings of the 10th International Conference on Data Engineering (ICDE’94), Houston, TX 1994, S. 302–313. KÖPPERS, B.: Data Mining in der Praxis, Berlin 1998.
Meta Group: Business Intelligence und Data Warehouse, Ismaning 2002.
Schommer, C./Müller, U.: Data Mining im E-Commerce — ein Fallbeispiel zur erweiterten Logfileanalyse, in: HMD, 38. Jg. (2001), Heft 6, S. 59–69.
Editor information
Rights and permissions
Copyright information
© 2003 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Gentsch, P. (2003). Data Mining im Controlling — Methoden, Anwendungsfelder und Entwicklungsperspektiven. In: Hess, T. (eds) Anwendungssysteme im Controlling: Was treibt die Entwicklung?. ZfCM-Sonderheft, vol 2. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-01569-7_2
Download citation
DOI: https://doi.org/10.1007/978-3-663-01569-7_2
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-409-12521-5
Online ISBN: 978-3-663-01569-7
eBook Packages: Springer Book Archive