Logo des Repositoriums
 

HMD 46(4) - August 2009

Autor*innen mit den meisten Dokumenten  

Auflistung nach:

Neueste Veröffentlichungen

1 - 10 von 17
  • Zeitschriftenartikel
    Vorschau
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Lassnig, Markus; Reich, Siegfried; Hengartner, Urs; Meier, Andreas; Hildebrand, Knut; Meinhardt, Stefan; Hofmann, Josephine; Gómez, Jorge Marx; Strahringer, Susanne; Teuteberg, Frank; Fröschle, Hans-Peter; Reinheimer, Stefan; Rehrl, Karl
  • Zeitschriftenartikel
    Web + Data Mining = Web Mining
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Stoffel, Kilian
    Dieser Beitrag gibt eine kurze Beschreibung, was unter dem Begriff Web Mining zu verstehen ist und wie Webdaten mit gängigen Data-Mining-Techniken kombiniert werden können, um das Web besser als Informationsquelle nutzbar zu machen. Des Weiteren wird ein Überblick über die gängigen Hauptachsen gegeben, entlang derer die meisten aktuellen Entwicklungen stattfinden. Diese Ausführungen werden mit einem Ausblick auf mögliche zukünftige Entwicklungen abgeschlossen, die vor allem durch die neusten Trends in der Benutzung des World Wide Web vorgezeichnet sind.
  • Zeitschriftenartikel
    Datennavigation bei Nordsee und Telmex
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Bissantz, Nicolas; Rössel, Marc; Zimmermann, Roland; Köhnken, Axel
    In den 16 Jahren, die wir uns mit Data Mining beschäftigen, zeigte sich in Betrieben verschiedener Gröβe und verschiedener Wirtschaftszweige und Branchen, dass die Analysequalität heuristischer Algorithmen der von komplexeren statistischen Methoden ebenbürtig ist. Zudem ist der Anwender in der Lage, das Zustandekommen des Resultats unmittelbar nachzuvollziehen. Wir stellen drei heuristische Data-Mining-Verfahren vor und zeigen anhand zweier Praxisbeispiele auf, wie Anwender von den Ergebnissen profitieren. Einen Schwerpunkt stellt ein teilautomatisches Navigationsverfahren dar. Der Algorithmus liefert in einer mehrdimensionalen Top-down-Analyse den Pfad zu den Verursachern, die die beste Erklärung zu einem untersuchten Analysewert liefern. Das Verfahren ist in mehreren Varianten in dem Business-Intelligence-(BI-)Produkt »Bissantz DeltaMaster« integriert und seit Jahren bei vielen Kunden im Routineeinsatz. Es liefert robuste Ergebnisse, die groβe Akzeptanz bei Fachanwendern finden. So verwendet z.B. die Nordsee GmbH die Top-down-Analyse, um sich täglich automatisch Leistungsabweichungen in ihren Filialen erklären zu lassen und ihren Filialverantwortlichen fundierte Ansatzpunkte für das Leistungsmanagement zu bieten. In einem weiteren Praxisbeispiel zeigen wir, wie die mexikanische Telefongesellschaft Telmex mithilfe eines heuristischen Data-Mining-Verfahrens die Konversionsraten bei Marketingaktivitäten deutlich erhöht und damit einen messbaren monetären Zusatznutzen erzeugt.
  • Zeitschriftenartikel
    Editorial
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Knoll, Matthias; Meier, Andreas
  • Zeitschriftenartikel
    Business Activity Monitoring mit Stream Mining am Fallbeispiel TeamBank AG
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Heinz, Christoph; Greiner, Torsten
    Geschäftsprozesse in ihrer Gesamtheit setzen die Geschäftsstrategie eines Unternehmens sicher, richtig und wirtschaftlich um. IT-Systeme unterstützen und optimieren dabei die Durchführung der Geschäftsprozesse. Es wird am Beispiel der browserbasierten easyCredit-Anwendung der TeamBank AG (Ratenkredit mit Online-Sofortzusage per Internet für Endkunden und verbundene Partnerbanken) eine echtzeitfähige, betriebswirtschaftlich orientierte Geschäftprozessüberwachung, auch Business Activity Monitoring (BAM) genannt, vorgestellt. Diese basiert zum einen auf Durchfluss-Kennzahlen und zum anderen auf aussagekräftigen statistischen Modellen, deren Berechnung in Echtzeit auf dem neuen Konzept des Complex Event Processing (CEP) beruht.
  • Zeitschriftenartikel
    Impressum
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009)
  • Zeitschriftenartikel
    Beziehung zwischen IT-Erfolgsfaktoren und IT-Risikomanagement im eGovernment
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Kühn, Andreas; Walser, Konrad; Riedl, Reinhard
    IT-Erfolgsfaktoren beschreiben Bedingungen, die maβgeblich zur erfolgreichen Umsetzung von IT-Projekten beitragen. Über das IT-Risikomanagement wird dabei präventiv versucht, kritischen Erfolgsfaktoren Rechnung zu tragen, was u.a. durch den Einsatz von IT-Governance-Methoden unterstützt und geprüft werden kann. Der vorliegende Beitrag setzt sich mit der Beziehung zwischen IT-Risikomanagement und IT-Erfolgsfaktoren im eGovernment und deren Zusammenhang auseinander. Dazu werden Erfolgsfaktoren aus acht Studien ausgewertet und konsolidiert. Es wird der Frage nachgegangen, inwieweit die identifizierten Erfolgsfaktoren in den in der schweizerischen Bundesverwaltung eingesetzten IT-Governance-Methoden im IT-Risikomanagement berücksichtigt werden. Aus der theoretischen Gegenüberstellung wird zusätzlicher Handlungsbedarf in der Methodenunterstützung für das Risikomanagement ersichtlich, um Risiken im eGovernment effektiv antizipieren zu können.
  • Zeitschriftenartikel
    Glossar* zu Web & Data Mining
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009)
  • Zeitschriftenartikel
    Unscharfe Klassifikation von Webkennzahlen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Zumstein, Darius; Hugi, Patrik
    Das Customer Relationship Management braucht Methoden und Kennzahlen, um Website-Besucher und Onlinekunden sowie deren Wert für das eBusiness zu klassifizieren und zu bewerten.In der Praxis weitverbreitete Kundenbewer-tungs- und Segmentierungsmethoden sind Scoring-Modelle. Ein Problem solcher Heuristiken besteht darin, dass Kundenstrategien anhand von trennscharfen Klassen und Scores definiert werden. Aufgrund scharfer Klassen können Klassifikationsfehler auftreten, Kunden falsch bewertet und das Marketingbudget bei der Kundenansprache oder beim Kundenmanagement suboptimal eingesetzt werden.Dieser Beitrag schlägt eine unscharfe Scoring-Methode vor, konkret ein unscharfes eRFM-Modell. Die Werte der Variablen Recency, Frequency und Monetary Value sind einfach zu erfassen und dank der unscharfen Klassifikation genauer zu segmentieren als bei trennscharfer Klassifikation.Dies wird anhand einer Simulation und einer Fallstudie eines Unternehmens im Online-Detailhandel gezeigt.
  • Zeitschriftenartikel
    Technologieentwicklung: Theoretische und praktische Unterstützung mit Data Mining
    (HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4, 2009) Bügel, Ulrich; Knaf, Hagen; Laufs, Uwe
    Durch den zunehmenden globalen Wettbewerb kommt der Entwicklung neuer Technologien und deren Einsatz in innovativen Produkten immer gröβere Bedeutung zu. Zur Unterstützung der Technologieentwicklung wird in der Innovationsforschung häufig der Ansatz verfolgt, Begleitprozesse zu systematisieren und zu optimieren. Aufgrund der damit verbundenen Wissensintensität kann dies jedoch nicht zielführend ohne IT-Unterstützung erfolgen. In einem Präsidialprojekt der Fraunhofer-Gesellschaft wurde hierzu der Ansatz der Nutzung mathematischer Verfahren sowie moderner IT-Technologien verfolgt. Zur Datenbeschaffung und - aufbereitung liegt der Fokus insbesondere auf Verfahren zur Verarbeitung von Texten in natürlicher Sprache, dem Einsatz statistischer Methoden des Data und Text Mining zur automatischen Klassifikation und zum Clustering von Dokumenten sowie der Extraktion formalen Wissens aus unterschiedlichsten Quellen und dessen Repräsentation auf Basis von Ontologien mit Methoden aus dem Bereich des Semantic Web. Diese Verfahren erlauben die praktische Realisierung von Indikatoren für die quantitative Beschreibung der Technologieentwicklung und ermöglichen den Einsatz von Vergleichsmethoden zur Entscheidungsunterstützung. Der integrierte Unterstützungsansatz wird detailliert beschrieben und anhand eines Technologieentwicklungsszenarios veranschaulicht.