Verfahren und Vorgehensweisen bei
Data Mining Analysen werden praxisorientiert vorgestellt.
- Data Mining – Begriffseinordnung
- Einführung in Methoden des Data Mining (Neuronale Netze, Entscheidungsbäume, Assoziationsanalyse, Regression, Sequenzanalyse)
- Anwendungsbeispiele aus unterschiedlichen betrieblichen Bereichen
- Live Demonstrationen beispielhafter Data Mining Werkzeuge
Agenda
9.00 – 9.15 Uhr: Begrüssungskaffee (optional)
9.15 – 10.00 Uhr:
Was ist Data Mining? Möglichkeiten und Grenzen von Data Mining Analysen
- Begriffseinordnung, Abgrenzung zur traditionellen Statistik, Überschneidungspunkte mit Gebieten der Informatik und des maschinellen Lernens
- Anwendungsbeispiele: Welcher geschäftliche Mehrwert ist in unterschiedlichen Bereichen realisierbar?
- Einordnung im Data-Warehouse-Kontext
10.00 – 10.30 Uhr: Kaffeepause
10.30 – 11.30 Uhr:
Data Mining Methologie – Konzepte für erfolgreiche Data Mining Anwendungen
- Vorgehensweisen bei der Durchführung einer Data Mining Analyse
- Erfolgsfaktoren, häufige Stolpersteine bei Data Mining Projekten und wie man sie vermeiden kann
- Vorstellung der im weiteren Seminarverlauf betrachteten Fallstudien
11.30 – 12.00 Uhr:
Erstellung grundlegender Tabellen für effektive Data Mining Analysen
- Bedeutung der Datenaufbereitung für die Analyse
- Klassifizierung von Daten, ordinal – nominal – metrisch, Einflussvariablen, Zielvariablen, Sequenzvariablen, Kostenvariablen,....
- Erstellung passender Analyse-Tabellen für die unterschiedlichen Verfahren
12.00 – 13.00 Uhr:
Überblick und Einordnung der wichtigsten Data Mining Methoden
- Vorstellung unterschiedlicher Data Mining Arten, gerichtet – ungerichtet, deskriptiv – induktiv
- Wann ist welche Methode anwendbar?
- Welche Ergebnisse werden geliefert und wie können sie genutzt werden?
13.00 – 14.30 Uhr: Mittagspause
14.00 – 15.00 Uhr:
Deskriptive Data Mining Methoden – Unbekannte Zusammenhänge in komplexen Datenstrukturen aufdecken
- Vorstellung zentraler Verfahren: Assoziationsanalyse, Sequenzanalyse, Link Analyse, Cluster Analyse, Text-Mining, Self-Organizing Maps
- Anwendungsbeispiele und Fallstudien
15.00 – 15.30 Uhr: Kaffeepause
15.30 – 16.30 Uhr:
Induktive Data Mining Methoden – Klassifizierung und Vorhersage für hochdimensionale Daten
- Vorstellung zentraler Verfahren: Regression, Entscheidungsbaum, Neuronales Netz, Memory Based Reasoning
- Anwendungsbeispiele und Fallstudien
16.30 – 17.30 Uhr:
Erfolgsmessung im Data Mining
- Bedeutung und Möglichkeiten, Bewertung von Modellen, Bewertung von Ergebnissen, statistische Kennzahlen und deren richtige Interpretation
- Auswirkungen auf weitere Analysen, das "Closed Loop" Prinzip im Data Mining
17.30 Uhr: Seminarende
