Predictive Analytics and Data Mining

Concepts and Practice with RapidMiner

Author: Vijay Kotu,Bala Deshpande

Publisher: Morgan Kaufmann

ISBN: 0128016507

Category: Computers

Page: 446

View: 2796

Put Predictive Analytics into Action Learn the basics of Predictive Analysis and Data Mining through an easy to understand conceptual framework and immediately practice the concepts learned using the open source RapidMiner tool. Whether you are brand new to Data Mining or working on your tenth project, this book will show you how to analyze data, uncover hidden patterns and relationships to aid important decisions and predictions. Data Mining has become an essential tool for any enterprise that collects, stores and processes data as part of its operations. This book is ideal for business users, data analysts, business analysts, business intelligence and data warehousing professionals and for anyone who wants to learn Data Mining. You’ll be able to: 1. Gain the necessary knowledge of different data mining techniques, so that you can select the right technique for a given data problem and create a general purpose analytics process. 2. Get up and running fast with more than two dozen commonly used powerful algorithms for predictive analytics using practical use cases. 3. Implement a simple step-by-step process for predicting an outcome or discovering hidden relationships from the data using RapidMiner, an open source GUI based data mining tool Predictive analytics and Data Mining techniques covered: Exploratory Data Analysis, Visualization, Decision trees, Rule induction, k-Nearest Neighbors, Naïve Bayesian, Artificial Neural Networks, Support Vector machines, Ensemble models, Bagging, Boosting, Random Forests, Linear regression, Logistic regression, Association analysis using Apriori and FP Growth, K-Means clustering, Density based clustering, Self Organizing Maps, Text Mining, Time series forecasting, Anomaly detection and Feature selection. Implementation files can be downloaded from the book companion site at www.LearnPredictiveAnalytics.com Demystifies data mining concepts with easy to understand language Shows how to get up and running fast with 20 commonly used powerful techniques for predictive analysis Explains the process of using open source RapidMiner tools Discusses a simple 5 step process for implementing algorithms that can be used for performing predictive analytics Includes practical use cases and examples

Neuronale Netze selbst programmieren

Ein verständlicher Einstieg mit Python

Author: Tariq Rashid

Publisher: O'Reilly

ISBN: 3960101031

Category: Computers

Page: 232

View: 9343

Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.

Smart Data Analytics

Mit Hilfe von Big Data Zusammenhänge erkennen und Potentiale nutzen

Author: Andreas Wierse,Till Riedel

Publisher: Walter de Gruyter GmbH & Co KG

ISBN: 3110461919

Category: Technology & Engineering

Page: 440

View: 5595

Wenn in Datenbergen wertvolle Geheimnisse schlummern, aus denen Profit erzielt werden soll, dann geht es um Big Data. Doch wie schöpft man aus »großen Daten« echte Werte, wenn man nicht gerade Google ist? Um aus Unternehmens-, Maschinen- oder Sensordaten einen Ertrag zu erzielen, reicht Big Data-Technologie allein nicht aus. Entscheidend sind die übergeordneten Innovations prozesse: die smarte Analyse von Big Data. Erst durch den kompetenten Einsatz der richtigen Werkzeuge und Techniken werden aus Big Data tatsächlich Smart Data. Das Praxishandbuch Smart Data Analytics gibt einen Überblick über die Technologie, die bei der Analyse von großen und heterogenen Datenmengen – inklusive Echtzeitdaten – zum Einsatz kommt. Elf Praxisbeispiele zeigen die konkrete Anwendung in kleinen und mittelständischen Unternehmen. So erfahren Sie, wie Sie Ihr Smart Data Analytics-Projekt in Ihrem eigenen Unternehmen vorbereiten und umsetzen können. Das Buch erläutert neben den organisatorischen Aspekten auch die rechtlichen Rahmenbedingungen. Und es zeigt, wie Sie sowohl den Nutzen bewerten können, der aus den Daten gezogen werden soll, als auch den Aufwand, den Sie dafür betreiben müssen. Denn Smart Data steht für mehr als nur die Untersuchung großer Datenmengen: Smart Data Analytics ist der Schlüssel zu einem smarten Umgang mit Ihren Unternehmensdaten und hilft, bislang unentdecktes Potenzial zu entdecken. Dr. Andreas Wierse studierte Mathematik und promovierte in den Ingenieurwissenschaften im Bereich Visualisierung, seit 2011 unterstützt er mittelständische Unternehmen rund um Big und Smart Data Technologie. Dr. Till Riedel lehrt als Informatiker am KIT und koordiniert im Smart Data Solution Center Baden-Württemberg und Smart Data Innovation Lab Forschung und Innovation auf industriellen Datenschätzen.

Das Streben nach Autonomie

Reflexionen zum digitalen Wandel

Author: Thomas Breyer-Mayländer

Publisher: Nomos Verlag

ISBN: 3845282541

Category: Business & Economics

Page: 292

View: 7769

Die digitale Transformation als Vernetzung von Menschen, Organisationen, Maschinen, bis hin zu simplen Gegenständen des täglichen Lebens hat mehr oder weniger starke Auswirkungen auf alle Lebensbereiche. Künstliche Intelligenz und autonome technische Systeme haben direkte Auswirkungen auf die Autonomie des Einzelnen, was neue Fragen für Wissenschaft und Praxis aufwirft. In unterschiedlichen Beiträgen werden Autonomiegewinne und -verluste skizziert, die sich unter anderem im Bereich des Rechts, der Informations- und Kommunikationstechnologien, in Kunst und Gestaltung, bei Kundenbeziehungen, Kryptowährungen, Medieninhalten sowie im digitalen Arbeitsalltag feststellen lassen. Kritische Entwicklungen wie digitale Sorglosigkeit und Tools und Verfahren wie Projektmanagementsoftware oder predictive analytics gilt es dabei zu bewerten. Damit liefert dieser Band einen Überblick zum aktuellen Stand der Diskussion, zeigt Zusammenhänge auf und sensibilisiert für die Gestaltung des digitalen Wandels. Mit Beiträgen von Prof. Dr. Dirk Drechsler, Prof. Dr. Dirk Westhoff, Prof. Daniel Fetzner, Prof. Dr. Hans-Ulrich Werner, Prof. Dr. Stefan Ernst, Prof. Dr. Volker Sänger, Prof. Dr. Erik Zenner, Prof. Dr. Ralf Lankau, Prof. Dr. Christopher Zerres, Kai Rahnenführer, Prof. Dr. Thomas Breyer-Mayländer

Proaktives ereignisgesteuertes Geschäftsprozessmanagement

Referenzmodell, prototypische Implementierung und exemplarische Anwendung

Author: Julian Krumeich

Publisher: Logos Verlag Berlin GmbH

ISBN: 3832546480

Category: Business & Economics

Page: 363

View: 1571

Die Digitalisierung ermöglicht feingranulare Datenströme in betrieblichen Abläufen zu erfassen. Mittels moderner Analyseverfahren, wie dem Complex Event Processing (CEP), können relevante Ereignismuster hieraus identifiziert und korrespondierende Maßnahmen unverzüglich initiiert werden. Vielversprechend erweist sich, zukünftige Geschäftsereignisse zu prognostizierten und hierdurch eine proaktive Steuerung von Unternehmensabläufen zu realisieren. Hierzu muss eine Kombination aus CEP und prädiktiven Analysen in die operativen Entscheidungs- und Steuerungsprozesse verankert werden. Dies bedingt einen Veränderungsprozess in Unternehmen und somit die Integration in das Geschäftsprozessmanagement. Das von Julian Krumeich konstruierte Referenzmodell dient als Gestaltungsvorlage für die Realisierung eines proaktiven ereignisgesteuerten Geschäftsprozessmanagements. Das Modell umfasst Komponenten zur Modellierung von komplexen Ereignismustern sowie deren automatisierten Transformation in EPL-Spezifikationen. Zudem ermöglicht ein methodisches Vorgehen, Prognosepotenziale in Geschäftsprozessen zu identifizieren, um auf dieser Grundlage reaktive Prozesse durch die Einbettung proaktiver Bestandteile in proaktive Prozesse zu transformieren. Die Praxistauglichkeit des Referenzmodells wird anhand eines Anwendungsbeispiels aus der Stahlproduktion validiert und die Umsetzbarkeit durch Prototypen unterstrichen. Dieses Buch erweist sich nicht nur für Wissenschaftler von Interesse, sondern dient auch Lesern aus der Unternehmenspraxis als Impulsgeber zur Bewältigung der notwendigen Transformation ihrer Geschäftsprozesse.

Predictive Analytics

The Power to Predict Who Will Click, Buy, Lie, or Die

Author: Eric Siegel

Publisher: John Wiley & Sons

ISBN: 1119145686

Category: Business & Economics

Page: 368

View: 8421

"Mesmerizing & fascinating..." —The Seattle Post-Intelligencer "The Freakonomics of big data." —Stein Kretsinger, founding executive of Advertising.com Award-winning | Used by over 30 universities | Translated into 9 languages An introduction for everyone. In this rich, fascinating — surprisingly accessible — introduction, leading expert Eric Siegel reveals how predictive analytics (aka machine learning) works, and how it affects everyone every day. Rather than a “how to” for hands-on techies, the book serves lay readers and experts alike by covering new case studies and the latest state-of-the-art techniques. Prediction is booming. It reinvents industries and runs the world. Companies, governments, law enforcement, hospitals, and universities are seizing upon the power. These institutions predict whether you're going to click, buy, lie, or die. Why? For good reason: predicting human behavior combats risk, boosts sales, fortifies healthcare, streamlines manufacturing, conquers spam, optimizes social networks, toughens crime fighting, and wins elections. How? Prediction is powered by the world's most potent, flourishing unnatural resource: data. Accumulated in large part as the by-product of routine tasks, data is the unsalted, flavorless residue deposited en masse as organizations churn away. Surprise! This heap of refuse is a gold mine. Big data embodies an extraordinary wealth of experience from which to learn. Predictive analytics (aka machine learning) unleashes the power of data. With this technology, the computer literally learns from data how to predict the future behavior of individuals. Perfect prediction is not possible, but putting odds on the future drives millions of decisions more effectively, determining whom to call, mail, investigate, incarcerate, set up on a date, or medicate. In this lucid, captivating introduction — now in its Revised and Updated edition — former Columbia University professor and Predictive Analytics World founder Eric Siegel reveals the power and perils of prediction: What type of mortgage risk Chase Bank predicted before the recession. Predicting which people will drop out of school, cancel a subscription, or get divorced before they even know it themselves. Why early retirement predicts a shorter life expectancy and vegetarians miss fewer flights. Five reasons why organizations predict death — including one health insurance company. How U.S. Bank and Obama for America calculated the way to most strongly persuade each individual. Why the NSA wants all your data: machine learning supercomputers to fight terrorism. How IBM's Watson computer used predictive modeling to answer questions and beat the human champs on TV's Jeopardy! How companies ascertain untold, private truths — how Target figures out you're pregnant and Hewlett-Packard deduces you're about to quit your job. How judges and parole boards rely on crime-predicting computers to decide how long convicts remain in prison. 182 examples from Airbnb, the BBC, Citibank, ConEd, Facebook, Ford, Google, the IRS, LinkedIn, Match.com, MTV, Netflix, PayPal, Pfizer, Spotify, Uber, UPS, Wikipedia, and more. How does predictive analytics work? This jam-packed book satisfies by demystifying the intriguing science under the hood. For future hands-on practitioners pursuing a career in the field, it sets a strong foundation, delivers the prerequisite knowledge, and whets your appetite for more. A truly omnipresent science, predictive analytics constantly affects our daily lives. Whether you are a consumer of it — or consumed by it — get a handle on the power of Predictive Analytics.

Big Data in der Praxis

Beispiellösungen mit Hadoop und NoSQL. Daten speichern, aufbereiten, visualisieren

Author: Jonas Freiknecht

Publisher: Carl Hanser Verlag GmbH Co KG

ISBN: 3446441778

Category: Computers

Page: 448

View: 2219

BIG DATA IN DER PRAXIS // - Für Analysten, BI-Verantwortliche, Data-Scientists, Consultants - Auf der DVD finden Sie: 18 fertige Projekte, die im Buch Schritt für Schritt entwickelt werden; Videotutorials u.a. zur Installation von Hadoop, Hive, HBase (Gesamtdauer: 80 Min.); Testdatensätze für die Wissensdatenbank Dieses Buch bringt Ihnen das Thema Big Data auf sehr praktische Art und Weise nahe. Sie lernen Technologien, Tools und Methoden kennen, entwickeln Beispiel-Lösungen und bekommen aufgezeigt, wie Sie bestehende Systeme vorausschauend auf die mit dem Big Data-Trend einhergehenden Herausforderungen vorbereiten. Dazu werden Sie neben den bekannten Apache-Projekten wie Hadoop, Hive und HBase auch einige weniger bekannte Frameworks wie Apache UIMA oder Apache OpenNLP kennenlernen, um gezielt die Verarbeitung unstrukturierter Daten zu behandeln. Alle hier verwendeten Software-Komponenten stehen im vollen Umfang kostenlos im Internet zur Verfügung. Gemeinsam mit dem Autor werden Sie ganz konkret Schritt für Schritt viele kleinere Projekte aufbauen bis hin zu einer fertigen und funktionstüchtigen Implementierung. Ziel des Buches ist es, Sie auf den Effekt und den Mehrwert der neuen Möglichkeiten aufmerksam zu machen, sodass Sie diese konstruktiv in Ihr Unternehmen tragen können und für sich und Ihre Kollegen somit ein Bewusstsein für den Wert Ihrer Daten schaffen. AUS DEM INHALT // Einführung rund um Big Data // Hadoop installieren, konfigurieren & bedienen // HDFS, Map-Reduce & YARN: Daten speichern und verarbeiten // Hadoop-Ecosystem: Überblick über dessen Komponenten // Einführung in NoSQL // HBase installieren, einrichten & auf Daten zugreifen // Data-Warehousing mit Apache Hive // HiveQL als Abfragesprache, Hive Security, Hive & JDBC // Datenimport aus relationalen Datenbanken mit Sqoop // Big Data-Visualisierung: Diagrammarten, Tipps & Trends // Visualisierungs-Frameworks im Vergleich // D3.js: Entwicklung einiger Beispieldiagramme // Entwicklung einer abschließenden Big Data-Analyse-Lösung // Troubleshooting für die Arbeit mit Hadoop, Hive & HBase

Einführung in Data Science

Grundprinzipien der Datenanalyse mit Python

Author: Joel Grus

Publisher: O'Reilly

ISBN: 3960100256

Category: Computers

Page: 352

View: 1695

Dieses Buch führt Sie in Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur, wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret einsetzen, sondern implementieren sie auch selbst. Dadurch entwickeln Sie ein tieferes Verständnis für die Zusammenhänge und erfahren, wie essenzielle Tools und Algorithmen der Datenanalyse im Kern funktionieren. Falls Sie Programmierkenntnisse und eine gewisse Sympathie für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit den mathematischen und statistischen Grundlagen der Data Science vertraut zu werden und sich Programmierfähigkeiten anzueignen, die Sie für die Praxis benötigen. Dabei verwendet er Python: Die weitverbreitete Sprache ist leicht zu erlernen und bringt zahlreiche Bibliotheken für Data Science mit. Aus dem Inhalt: - Absolvieren Sie einen Crashkurs in Python - Lernen Sie die Grundlagen von linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung kennen und erfahren Sie, wie diese in Data Science eingesetzt werden - Sammeln, untersuchen, bereinigen, bearbeiten und manipulieren Sie Daten - Tauchen Sie in die Welt des maschinellen Lernens ein - Implementieren Sie Modelle wie k-nearest Neighbors, Naive Bayes, lineare und logistische Regression, Entscheidungsbäume, neuronale Netzwerke und Clustering - Entdecken Sie Empfehlungssysteme, Sprachverarbeitung, Netzwerkanalyse, MapReduce und Datenbanken

Big Data

Grundlagen, Systeme und Nutzungspotenziale

Author: Daniel Fasel,Andreas Meier

Publisher: Springer-Verlag

ISBN: 3658115890

Category: Computers

Page: 380

View: 518

Dieser Herausgeber-Band bietet eine umfassende Einführung in das Gebiet Big Data. Neben einer Markteinschätzung und grundlegenden Konzepten (semantische Modellbildung, Anfragesprachen, Konsistenzgewährung etc.) werden wichtige NoSQL-Systeme (Key/Value Store, Column Store, Document Store, Graph Database) vorgestellt und erfolgreiche Anwendungen aus unterschiedlichen Perspektiven erläutert. Eine Diskussion rechtlicher Aspekte und ein Vorschlag zum Berufsbild des Data Scientist runden das Buch ab. Damit erhält die Leserschaft Handlungsempfehlungen für die Nutzung von Big-Data-Technologien im Unternehmen.

Corporate Data Quality

Voraussetzung erfolgreicher Geschäftsmodelle

Author: Boris Otto,Hubert Österle

Publisher: Springer-Verlag

ISBN: 3662468069

Category: Business & Economics

Page: 205

View: 4555

Daten sind die strategische Ressource des 21. Jahrhunderts. Es findet kein Geschäftsprozess, keine Kommunikation zwischen Geschäftspartnern, keine Wertschöpfung statt, ohne dass die involvierten Personen, Maschinen und IT-Systeme Daten nutzen, erzeugen oder verändern. Trends wie die Digitalisierung, Industrie 4.0 und Social Media tragen ebenfalls dazu bei, dass Datenmanagement zu einer Kernkompetenz für erfolgreiche Unternehmen dieser Zeit geworden ist. Damit Daten ihren ganzen Wert entfalten können, müssen sie stets in angemessener Qualität zur Verfügung stehen. Dies gilt besonders für Stammdaten, die zentralen Geschäftsobjekte eines Unternehmens. Dieses Buch zeigt einen ganzheitlichen Ansatz zum qualitätsbewussten Management von Stammdaten auf und richtet sich damit sowohl an Praktiker als auch an die Wissenschaft. Das „Framework für Stammdatenqualitätsmanagement“ wurde im Rahmen des „Competence Center Corporate Data Quality“ der Universität St. Gallen seit dem Jahr 2006 gemeinsam mit Unternehmen aus unterschiedlichen Industrien in zahlreichen praktischen Anwendungen entwickelt und verbessert. Neben den theoretischen Grundlagen räumt das Buch der praktischen Sicht mit 10 Fallstudien großen Raum ein, die erfolgreich durchgeführte Datenqualitätsprojekte praxisnah aufbereiten. Schließlich führt das Buch noch Methoden und Werkzeuge für das Datenqualitätsmanagement auf, die (Stamm-)datenmanager bei Projekten im eigenen betrieblichen Umfeld unterstützen können.

Data Science

Concepts and Practice

Author: Vijay Kotu,Bala Deshpande

Publisher: Morgan Kaufmann

ISBN: 0128147628

Category: Computers

Page: 568

View: 1498

Learn the basics of Data Science through an easy to understand conceptual framework and immediately practice using RapidMiner platform. Whether you are brand new to data science or working on your tenth project, this book will show you how to analyze data, uncover hidden patterns and relationships to aid important decisions and predictions. Data Science has become an essential tool to extract value from data for any organization that collects, stores and processes data as part of its operations. This book is ideal for business users, data analysts, business analysts, engineers, and analytics professionals and for anyone who works with data. You’ll be able to: Gain the necessary knowledge of different data science techniques to extract value from data. Master the concepts and inner workings of 30 commonly used powerful data science algorithms. Implement step-by-step data science process using using RapidMiner, an open source GUI based data science platform Data Science techniques covered: Exploratory data analysis, Visualization, Decision trees, Rule induction, k-nearest neighbors, Naïve Bayesian classifiers, Artificial neural networks, Deep learning, Support vector machines, Ensemble models, Random forests, Regression, Recommendation engines, Association analysis, K-Means and Density based clustering, Self organizing maps, Text mining, Time series forecasting, Anomaly detection, Feature selection and more... Contains fully updated content on data science, including tactics on how to mine business data for information Presents simple explanations for over twenty powerful data science techniques Enables the practical use of data science algorithms without the need for programming Demonstrates processes with practical use cases Introduces each algorithm or technique and explains the workings of a data science algorithm in plain language Describes the commonly used setup options for the open source tool RapidMiner

Informatik kompakt

Eine grundlegende Einführung mit Java

Author: Katharina Morik,Volker Klingspor

Publisher: Springer-Verlag

ISBN: 3540292756

Category: Computers

Page: 234

View: 9883

Die Autoren geben eine fundierte Einführung in die Informatik, die von Anfang an die Zusammenhänge zwischen den Teilgebieten des Faches betont. Das Buch ist kompakt, weil der gemeinsame Kern der verschiedenen Informatikgebiete betrachtet wird. In einer integrativen Sichtweise werden Modellierung, abstrakte Datentypen, Algorithmen sowie nebenläufige und verteilte Programmierung behandelt. Die grundlegenden Konzepte der Informatik werden dabei mittels der Programmiersprache Java realisiert. Wesentliches Anliegen der Autoren ist es, die Informatik als Wissenschaft der Abstraktion herauszustellen und in diesem Sinne den Studierenden allgemeine Methoden zum Lösen praktischer Probleme zu vermitteln. Lernkontrollen und ein effektiver Index, der vor allem diejenigen Begriffe aufführt, die ein Informatiker einfach können muss, ermöglichen ein fokussiertes Studium. Ferner stehen vielfältige Programm-Beispiele im Internet bereit.

Customer Lifetime Value Management

Author: Matthias Arnold

Publisher: GRIN Verlag

ISBN: 3638361268

Category: Business & Economics

Page: 26

View: 5344

Studienarbeit aus dem Jahr 2004 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: gut, FOM Essen, Hochschule für Oekonomie & Management gemeinnützige GmbH, Hochschulleitung Essen früher Fachhochschule, Veranstaltung: Schwerpunktfach Marketing, 14 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Einleitung “Bei der Lufthansa sorgten 2001 vier Prozent der Kunden (173000 Passagiere) für 1,7 Milliarden Euro Umsatz – sie fliegen damit 51 Prozent des Umsatzes aller Miles-&-More Karteninhaber ein. [Alle Maßnahmen des Unternehmens] (...) sind also auf die Pflege und den Erhalt dieser 250000-Euro-Kunden auszurichten – so hoch beziffert sich der Customer Lifetime Value, der Umsatz, den ein solcher Edelkonsument in seinem Leben einfliegt. Der Superkunde (..) wird gepflegt, gestriegelt und beflüstert wie ein Rennpferd.”1 Doch was genau ist der Customer Lifetime Value, wie wird er berechnet und aus welchen Elementen setzt sich effektives Customer Lifetime Value Management zusammen? Genau diese Fragen soll vorliegende Arbeit beantworten und erklären.

Wettbewerbsstrategie

Methoden zur Analyse von Branchen und Konkurrenten

Author: Michael E. Porter

Publisher: Campus Verlag

ISBN: 3593398443

Category: Business & Economics

Page: 486

View: 3216

Seit 30 Jahren ist Michael E. Porters Buch zur Wettbewerbsstrategie der Klassiker zum Thema und Pflichtlektüre für Führungskräfte. Schritt für Schritt entwickelt der Autor alle Instrumente, die ein Manager für die Branchenanalyse benötigt. Seine Ausführungen erklären die grundlegenden Kräfte des brancheninternen Wettbewerbs. Fundiert und praxisnah stellt er konkrete Methoden zur Analyse von Branchen vor. Diese 12. Auflage ist vollständig durchgesehen, aktualisiert und erweitert.

Data Analytics im Mittelstand

Author: Wolfgang Becker,Patrick Ulrich,Tim Botzkowski

Publisher: Springer-Verlag

ISBN: 365806563X

Category: Business & Economics

Page: 134

View: 9503

Mangelnde Datenqualität in Unternehmen verursacht hohe Kosten und verfälscht Analyseergebnisse. Mittelständische Unternehmen sind hier besonders betroffen, da sie Fehlentscheidungen aufgrund ihrer begrenzten Ressourcen nur schwer kompensieren können. Angesichts großer Datenmengen muss die Entscheidungsfindung unterstützt werden - allerdings nicht nur durch Informationstechnologien, sondern auch durch den Menschen. Dieses Buch zeigt, wie die formalisierte Informationsgewinnung und die darauf gestützte Entscheidungsfindung zum Wettbewerbsvorteil für den Mittelstand wird. Die Autoren geben Einblick in das Thema "Big Data" und stellen den konkreten Einsatz in der Praxis dar.

Einführung in SQL

Author: Alan Beaulieu

Publisher: O'Reilly Germany

ISBN: 3897219387

Category: Computers

Page: 353

View: 2680

SQL kann Spaß machen! Es ist ein erhebendes Gefühl, eine verworrene Datenmanipulation oder einen komplizierten Report mit einer einzigen Anweisung zu bewältigen und so einen Haufen Arbeit vom Tisch zu bekommen. Einführung in SQL bietet einen frischen Blick auf die Sprache, deren Grundlagen jeder Entwickler beherrschen muss. Die aktualisierte 2. Auflage deckt die Versionen MySQL 6.0, Oracle 11g und Microsoft SQL Server 2008 ab. Außerdem enthält sie neue Kapitel zu Views und Metadaten. SQL-Basics - in null Komma nichts durchstarten: Mit diesem leicht verständlichen Tutorial können Sie SQL systematisch und gründlich lernen, ohne sich zu langweilen. Es führt Sie rasch durch die Basics der Sprache und vermittelt darüber hinaus eine Reihe von häufig genutzten fortgeschrittenen Features. Mehr aus SQL-Befehlen herausholen: Alan Beaulieu will mehr vermitteln als die simple Anwendung von SQL-Befehlen: Er legt Wert auf ein tiefes Verständnis der SQL-Features und behandelt daher auch den Umgang mit Mengen, Abfragen innerhalb von Abfragen oder die überaus nützlichen eingebauten Funktionen von SQL. Die MySQL-Beispieldatenbank: Es gibt zwar viele Datenbankprodukte auf dem Markt, aber welches wäre zum Erlernen von SQL besser geeignet als MySQL, das weit verbreitete relationale Datenbanksystem? Der Autor hilft Ihnen, eine MySQL-Datenbank anzulegen, und nutzt diese für die Beispiele in diesem Buch. Übungen mit Lösungen: Zu jedem Thema finden Sie im Buch gut durchdachte Übungen mit Lösungen. So ist sichergestellt, dass Sie schnell Erfolgserlebnisse haben und das Gelernte auch praktisch umsetzen können.