Data Mining als Komponente innovativer Systeme

Inhaltsverzeichnis

• Einleitung
• Zielsetzung der Arbeit
• Aufbau der Arbeit
• Grundlagen des Data Mining
• Data Mining
• Einordnung des Begriffs Data Mining
• Definition Data Mining
• Data Mining als Prozess des Maschinellen Lernen
• Beziehungsgefüge Data Mining und On-Line Analytical Processing
• Text Mining
• Web Mining
• Informationen für das E-Business
• Einsatzgebiete des Web Mining
• Datenbasis
• Informationsquellen
• Datentypen
• Data Warehouse
• Betriebswirtschaftlicher Regelkreis
• Funktionen und Ziele des Data Mining
• Der Data Mining-Prozess
• Vorverarbeitungsphase
• Miningphase
• Auswertungsphase
• Text-/Web Mining-Prozess
• Analysen und Aufgaben des Data Mining
• Klassifizierung
• Prognose
• Assoziation
• Segmentierung
• Repräsentation
• Methoden des Data Mining
• Statistische Methoden
• Entscheidungsbaumverfahren
• Clusteranalyse
• Künstliche Neuronale Netze (KNN)
• Assoziationsmethoden
• Einsatzgebiete von Data Mining
• Data Mining im Customer Relationship Management
• E-Commerce als Einsatzgebiet des Web Mining
• Data Mining im Handel (Warenkorbanalyse)
• Zusammenfassung und Fazit

Zielsetzung und Themenschwerpunkte

Diese Diplomarbeit befasst sich mit dem Thema Data Mining, einem Bereich der Informationstechnologie, der sich mit der Extraktion von Wissen aus großen Datenmengen beschäftigt. Ziel der Arbeit ist es, die Grundlagen und Anwendungsmöglichkeiten von Data Mining aufzuzeigen sowie dessen Bedeutung für innovative Systeme zu beleuchten.

• Grundlagen und Definitionen des Data Mining
• Einsatzgebiete von Data Mining in verschiedenen Bereichen
• Methoden und Techniken des Data Mining
• Data Mining-Prozess und seine Phasen
• Die Rolle von Data Mining in der Entwicklung innovativer Systeme

Zusammenfassung der Kapitel

Die Arbeit beginnt mit einer Einführung in das Thema Data Mining und erläutert die Zielsetzung und den Aufbau der Arbeit. Anschließend werden die Grundlagen des Data Mining, inklusive der Definition, des Prozesses des maschinellen Lernens und der Verbindung zu On-Line Analytical Processing, behandelt. Es werden auch die Bereiche Text Mining und Web Mining genauer betrachtet.

Im folgenden Kapitel wird die Datenbasis für Data Mining-Anwendungen diskutiert, einschließlich Informationsquellen, Datentypen und dem Data Warehouse. Der Betriebswirtschaftliche Regelkreis wird ebenfalls vorgestellt. Das nächste Kapitel widmet sich den Funktionen und Zielen des Data Mining. Es werden der Data Mining-Prozess, seine Phasen und die verschiedenen Analysen und Aufgaben erläutert. Die gängigen Methoden des Data Mining, wie statistische Methoden, Entscheidungsbaumverfahren, Clusteranalyse, Künstliche Neuronale Netze und Assoziationsmethoden, werden ebenfalls behandelt.

Abschließend werden Einsatzgebiete von Data Mining in verschiedenen Bereichen, wie dem Customer Relationship Management, E-Commerce und dem Handel (Warenkorbanalyse), vorgestellt.

Schlüsselwörter

Data Mining, Wissensentdeckung, Informationstechnologie, Maschinelles Lernen, On-Line Analytical Processing, Text Mining, Web Mining, Datenbasis, Data Warehouse, Betriebswirtschaftlicher Regelkreis, Data Mining-Prozess, Analysen, Aufgaben, Methoden, Customer Relationship Management, E-Commerce, Warenkorbanalyse.