Advertisement

Anwendungen außerhalb der Finanzwirtschaft

  • Karsten Füser
Chapter
  • 83 Downloads

Zusammenfassung

Gegenstand der nachfolgenden Ausführungen bildet die Frage des Einsatzes Künstlicher Neuronaler Netze zur Datenanalyse bzw. zum Modellaufbau im Marketing, einem Aufgabengebiet, das mit finanzwirtschaflichen Fragestellungen einige Berührungspunkte aufweist. In jüngster Zeit fanden im Marketing Künstliche Neuronale Netze, neben den klassischen statistischen (multivariaten) Verfahren verstärkte Aufmerksamkeit. Dennoch sind die Beiträge zum Thema „Neuronale Netze im Marketing“ bis dato rar gesäht. Einige Anwendungsbeispiele aus diesem Bereich können dennoch dargestellt werden, ein Hinweis auf weitere potentielle Einsatzgebiete erfolgt ebenso.1

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. 1.
    Weitere, dem Bereich Marketing zuzuordnende Anwendungen Neuronaler Netze werden z.B. in Curry, B./Moutinho, L.(1993), Seiten 5–20 und Hoptroff, R. G. (1993), Seite 64, diskutiert.Google Scholar
  2. 2.
    „Neural network techniques have also been applied to the field of marketing. For years, advertising agencies and marketing companies have been trying to identify and sell to target, or specific markets. For example, consider a direct marketing company which sends out advertisement brochures enclosed in monthly credit card bills on a regular basis. What the company would like to do is to send out only a small percentage of these brochures and keep information on those who respond. Once the company has these data, it can build a predictive model using neural networks to select only those who are likely to respond, thus cutting down the expenses.“Wong, F. S.(1990/1991), Seite 157.Google Scholar
  3. 3.
    Vgl. Hruschka, H.(1991), Seiten 217–225.Google Scholar
  4. 4.
    Hruschka, H.(1991), Seite 222.Google Scholar
  5. 5.
    Vgl. Hruschka, H.(1991), Seite 223.Google Scholar
  6. 6.
    Hruschka, H.(1991), Seite 223.Google Scholar
  7. 7.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994A), Seite 69. An dieser Stelle sei ausdrücklich darauf hingewiesen, daß wesentliche Passagen von den drei Initiatoren des Ansatzes Gaul/Decker/Wartenberg wortwörtlich übernommen wurden. Vgl. hierzu Gaul, W./Decker, R./Wartenberg, F.(1994B), Seiten 281–306 und die Ausführungen in Wartenberg, F./Decker, R.(1994).Google Scholar
  8. 8.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994A), Seite 66.Google Scholar
  9. 9.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994B), Seite 281.Google Scholar
  10. 10.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994A), Seite 66.Google Scholar
  11. 11.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994A), Seite 68.Google Scholar
  12. 12.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994A), Seite 69.Google Scholar
  13. 13.
    Vgl. Gaul, W./Decker, R./Wartenberg, F.(1994B), Seite 287.Google Scholar
  14. 14.
    Gaul, W./Decker, R./Wartenberg, F.(1994B), Seite 304. Vgl. zur nachfolgenden Abbildung Wartenberg, F./Decker, R.(1994), Seite 3.Google Scholar
  15. 15.
    „The filtering method is based on a classic neural network problem called ‚encoder‘. The neural network finds an efficient internal represation. For example, suppose there are eight binary bits in which only one at a time can be on as input to the network. Our neural network’s goal is to output the values it received as input. This is difficult because we only allow the network three hidden nodes and no direct connections. One solution the neural network might learn is using a binary number representation to compress input information. The network would then use this representation to recreate the input for the output nodes. This technology is used in some types of image compression.“ Vgl. Ruggiero, M. A.(1994), Seite 47.Google Scholar
  16. 16.
    Hruschka, H.(1991), Seite 224.Google Scholar
  17. 17.
    Vgl. v. Altrock, C.(1991), Seite 626, Hoptroff, R. G. (1993), Seite 64. Letzterer schreibt u.a.: „For example, if the effects of price, promotional activity and advertising spend on demand can be modelled, then the cost effectiveness of the different marketing startegies can be quantified. This has an obvious advantage for both marketing companies/departments and their clients.“Google Scholar
  18. 18.
    C. Hallbeschreibt in diesem Kontext eine Anwendung wie folgt: „A sales support system that culls a marketing database of dormant customers. The system helps telemarketers to contact the best potential customers by weeding out those who are less likely to reorder. The system was developed by Churchill Systems, of Troy, Michigan for Veratex Corporation.“ Hall, C.(1992), Seite 3.Google Scholar
  19. 19.
    Vgl. Blien, U./Lindner, H.-G.(1993), Seiten 402 f. und die dort angegebenen Quellen.Google Scholar
  20. 20.
    Widrow, B./Rumelhart, D. E./Lehr, M. A.(1994), Seite 95.Google Scholar
  21. 21.
    Vgl. Utta, S./Shekhar, S./Wong W. Y.(1994), Seite 540–543, wobei ihre Resultate jedoch nach eigener Aussage als vorläufige Ergebnisse angesehen werden sollten.Google Scholar
  22. 22.
    Vgl. Dutta, S./Shekhar, S./Wong W. Y.(1994), Seite 540.Google Scholar
  23. 23.
    Vgl. Dutta, S./Shekhar, S./Wong W. Y.(1994), Seiten 540 u. 541.Google Scholar
  24. 24.
    Vgl. Dasgupta, C. G./Dispensa, G. S./Ghose, S.(1994), Seiten 235–244.Google Scholar
  25. 25.
    Dasgupta, C. G./Dispensa, G. S./Ghose, S.(1994), Seite 236.Google Scholar
  26. 26.
    Vgl. Dasgupta, C. G./Dispensa, G. S./Ghose, S.(1994), Seite 240.Google Scholar
  27. 27.
    „As is common in many studies on neural net models, basically three parameters — the learning rate, the momentum, and the number of hidden notes — needed to be varied by us to enhance the learning and the generalization performance of the neural network model.“ Dasgupta, C. G./Dispensa, G. S./Ghose, S.(1994), Seite 241.Google Scholar
  28. 28.
    Dasgupta, C. G./Dispensa, G. S./Ghose, S.(1994), Seite 242.Google Scholar
  29. 29.
    „It is evident that such a result is different from most business applications in the literature, where typically the neural model trends to dominate. However, none of these applications predicted market response; nor were these models calibrated on individual level consumer data.“ Dasgupta, C. G./Dispensa, G. S./Ghose, S.(1994), Seite 243.Google Scholar
  30. 30.
    McKim, R. A.(1993), Seiten 28.Google Scholar
  31. 31.
    Vgl. McKim, R. A.(1993), Seite 30.Google Scholar
  32. 32.
    McKim, R. A.(1993), Seite 31.Google Scholar
  33. 33.
    McKim, R. A.(1993), Seite 32.Google Scholar
  34. 34.
    Schumann, M.(1991), Seite 41.Google Scholar
  35. 35.
    v. Altrock, C.(1991), Seite 627. Vgl. auch Barr, T. (1991), Seite 88, der meint, daß die Neuronalen Netze generell für Aufgaben wie Rohstoffoptimierungen, Kostenreduktionen oder Qualitätskontrolle geeignet sind.Google Scholar
  36. 36.
    Krause, C.(1993), Seite 75.Google Scholar
  37. 37.
    Schumann, M.(1991), Seite 31.Google Scholar
  38. 38.
    Vgl. Schumann, M.(1991), Seite 44. Dort wird auf die Arbeiten von Poliac, M.O. et al. (1987) und Corall, J.(1990) hingewiesen, die sich mit der Personaleinplanung für Fast Food Restaurants bzw. Fluglinien beschäftigten. M. Schumannweist darauf hin, daß das Tourenzuordnungsproblem bei Speditionen oder Fuhrparks ähnlich gelagert ist.Google Scholar
  39. 39.
    Vgl. Ritter, H./Martinetz, T./Schulten, K.(1991), Seiten 111–114. „Z.B. gibt es für das Traveling-Salesman-Problem exakte Lösungsverfahren, die allerdings nur für kleine Probleme rechenbar sind. Größere Probleme können nur mit heuristischen Verfahren gelöst werden, wobei nicht mehr gewährleistet ist, daß die gefundene Lösung optimal ist. Eine alternative Lösungsmöglichkeit bieten Neuronale Netze, die zwar auch nicht mit Sicherheit die Optimallösung finden, von denen man sich aber bessere Lösungen als bei den heuristischen Verfahren oder wegen der Parallelisierungsmöglichkeit schneller eine gute Lösung erhofft.“ Krause, C.(1993), Seite 76. H. Sauerburgersagt: „Ein Anwendungsgebiet (der Kohonen-Netze) stellen die Optimierungsprobleme dar, wie z.B. das Traveling-Salesman-Problem.“ Sauerburger, H.(1991), Seite 26. Vgl. auch Schulte, B.(1989), Seite 152, die früh auf dieses potentielle Anwendungsgebiet Neuronaler Netze hinweist.Google Scholar
  40. 40.
    Barr, T.(1991), Seite 88.Google Scholar
  41. 41.
    Kopecz, J./Hormel, M.(1995), Seite 68.Google Scholar
  42. 42.
    Vgl. Duliba, K. A.(1991), Seiten 163–170.Google Scholar
  43. 43.
    Hohler, B.(1991), Seite 60. Diese Erkenntnis aus dem Jahre 1991 hat auch heute noch ihre Gültigkeit.Google Scholar
  44. 44.
    Vgl. Alvager, T./Humpert, B./Weers, D.(1991), Seite 22.Google Scholar
  45. 45.
    Graf, H. P.(1993), Seite 54.Google Scholar
  46. 46.
    Vgl. Pintaske, J.(o.J.), Seite 1765.Google Scholar
  47. 47.
    Vgl. Hall, C.(1992), Seite 3.Google Scholar
  48. 48.
    Vgl. Hall, C.(1992), Seite 3.Google Scholar
  49. 49.
    Vgl. hierzu das Informationsblatt zum Ausfüllen von Überweisungsvordrucken der Kreissparkasse Köln.Google Scholar
  50. 50.
    Vgl. Booth, G.(1992/1993), Seite 36, Schulte, B. (1989), Seite 162.Google Scholar
  51. 51.
    Barr, T.(1991), Seite 86. Bereits 1989 berichtete B. Francett hierzu folgendes: „An application to verify signatures on bank checks, now being developed by Gould Vision System Inc. (Orlando, FL) using the Nestor Development System from Nestor Inc. (Providence, RI), illustrates the training process. Banks typically verify checks drawn only on business accounts for fairly large amounts. Glenn Ward, Nestor’s customer support manager, reports that the Gould system needed exposure to about 75 checks with valid signatures, which in this case constitute data samples presented to the network, before it was able to weed out forgeries. Ward claims that the trained system spies forgeries 96 percent of time. In comparison, he says, people accurately identify forgeries 50 percent to 60 percent of the time.“ Francett, B.(1989), Seiten 59 u. 60. Vgl. hierzu auch Barr, T. (1991), Seite 86, dessen Ausführungen sich wohl hierauf beziehen.Google Scholar
  52. 52.
    Zimmermann, H. G.(1991), Seite 1991.Google Scholar
  53. 53.
    Vgl. hierzu Graf, H. P.(1993), Seite 54.Google Scholar
  54. 54.
    Vgl. Alvager, T./Humpert, B./Weers, D.(1991), Seite 24.Google Scholar
  55. 55.
    Vgl. Hackbarth, H.(1991), Seiten 329–332. In diesem Zusammenhang berichten Graf/Säckinger/Jackel von einem Chip, der in der Lage ist, mehr als 1000 Ziffern pro Sekunde zu lesen. Vgl. Graf, H. P./Säckinger, E./Jackel, L. D.(1992), Seite 216.Google Scholar
  56. 56.
    Neuronale Netze finden sich im Bereich der Geräuscherkennung seit geraumer Zeit in einer Reihe industrieller Anwendungen. Hierzu zählt z.B. die Qualitätskontrolle seriengefertigter Elektromotoren. Vgl. Albrecht, H.-R.(1993), Seite 140.Google Scholar
  57. 57.
    Vgl. Alvager, T./Humpert, B./Weers, D.(1991), Seite 22, o.V. (1992B), Seiten 62–64.Google Scholar
  58. 58.
    Vgl. Graf, H. P./Säckinger, E./Jackel, L. D.(1992), Seiten 215 und 216.Google Scholar
  59. 59.
    Domke, M.(1990), Seite 42.Google Scholar
  60. 60.
    Domke, M.(1990), Seite 42.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1995

Authors and Affiliations

  • Karsten Füser

There are no affiliations available

Personalised recommendations