Skip to main content
SpringerLink
Log in

Überblick Analytics: Methoden und Potenziale

Overview of Analytics: Methods and Potentials

  • Einführung
  • Published:
HMD Praxis der Wirtschaftsinformatik Aims and scope Submit manuscript

Zusammenfassung

Der Grundlagenbeitrag definiert und charakterisiert verschiedene Facetten des Analytics und zeigt auf, welche Nutzenpotenziale sich für die Wirtschaft ergeben. Nach der Klärung wichtiger Begriffe wird der Prozess zum Schürfen nach wertvollen Informationen und Mustern (Data Mining) in den Datenbeständen diskutiert. Danach werden wichtige Methoden des Data Mining wie des Soft Computing vorgestellt. Die Anwendungsgebiete des Web Analytics und Web Controlling dienen dazu, bedeutende Nutzenpotenziale beim Auswerten der digitalen Wertschöpfungskette elektronischer Geschäfte herauszuarbeiten. Ein Ausblick in die unbewusste Business Intelligence rundet den Beitrag ab.

Abstract

The basic contribution defines and characterizes various facets of analytics and shows the potential benefits for the economy. Once important terms have been clarified, the process of prospecting for valuable information and patterns (data mining) in databases is discussed. Afterwards, important methods for data mining as well as for soft computing will be presented. The application areas of Web Analytics and Web Controlling serve to identify significant potential benefits in evaluating the digital value chain of electronic business. An outlook into the unconscious Business Intelligence will complete the contribution.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6
Abb. 7

Notes

  1. Im Forschungszentrum Fuzzy Management Methods der Universität Fribourg/Schweiz (www.FMsquare.org) wird als Aggregationsfunktion oft der sogenannte γ‑Operator verwendet, der einem kompensatorischen UND entspricht und empirisch getestet als sinnvoll erachtet wird. Er berechnet ein ausgewogenes Mittelmaß zwischen den unterschiedlichen Bewertungsachsen, wobei die Ausgewogenheit mit der Wahl des γ‑Wertes zwischen 0 und 1 eingestellt werden kann.

  2. Die internationale Forschungsreihe „Fuzzy Management Methods“ wird von Andreas Meier, Edy Portmann und Witold Pedrycz beim Springer-Verlag herausgegeben; sie ist verfügbar unter http://www.springer.com/series/11223, abgerufen am 10. März 2019.

  3. Die Intuitionistic Fuzzy Logic basiert auf der Mengenzugehörigkeitsfunktion μ(x), der Nicht-Mengenzugehörigkeit ν(x) und der Unsicherheit π(x) = 1 − μ(x) − ν(x); sie verallgemeinert die unscharfe Logik.

Literatur

  • Atanassov K (2016) Intuitionistic fuzzy logics. Studies in fuzziness and soft computing. Springer, Heidelberg

    Google Scholar 

  • Belohlavek R, Dauben JW, Klir GJ (2017) Fuzzy logic and mathematics: a historical perspective. Oxford University Press, New York

    Book  Google Scholar 

  • Chapman P, Clinton J, Kerber R, Khabaza T, Reinartz T, Shearer C, Wirth R (2000) CRISP-DM 1.0 step-by-step data mining guide. White paper. https://www.the-modeling-agency.com/crisp-dm.pdf. Zugegriffen: 5. März 2019

    Google Scholar 

  • D’Onofrio S, Meier A (2019) Big data analytics. HMD Prax Wirtschaftsinform 56(5). Erscheint im Oktober 2019

  • Ester M, Sander J (2013) Knowledge Discovery in Databases: Techniken und Anwendungen. Springer, Heidelberg

    MATH  Google Scholar 

  • Fasel D (2014) A fuzzy data warehousing for performance measurement—concept and implementation. Springer, Heidelberg

    Book  Google Scholar 

  • Fasel D, Meier A (Hrsg) (2016) Big Data – Grundlagen, Systeme und Nutzenpotenziale. Edition HMD. Springer, Heidelberg

    Google Scholar 

  • Fayyad UM, Piatetsky-Shapiro G, Smyth P (1996) From data mining to knowledge discovery: an overview. In: Fayyad UM, Piatetsky-Shapiro G, Smyth P, Uthurusamy R (Hrsg) Advances in knowledge discovery and data mining. American Association for Artificial Intelligence, AAAI Press, Menlo Park, S 1–34

    Google Scholar 

  • Gluchowski P (2016) Business Analytics – Grundlagen, Methoden und Einsatzpotenziale. In: Meier A, Zumstein D (Hrsg) Business Analytics. HMD Praxis der Wirtschaftsinformatik, Band 53, Heft 3. Springer Vieweg, Heidelberg, S 273–286

    Google Scholar 

  • Hüllermeier E (2005) Fuzzy methods in machine learning and data mining: status and prospects. Fuzzy Sets Syst 156(3):387–406

    Article  MathSciNet  Google Scholar 

  • Kaufmann M (2014) Inductive fuzzy classification in marketing analytics. Springer, Heidelberg

    Book  Google Scholar 

  • Kaufmann M, Meier A, Stoffel K (2015) IFC-filter: membership function generation for inductive fuzzy classification. Expert Syst Appl 21(42):8369–8379

    Article  Google Scholar 

  • Kelleher JD, Tierney B (2018) Data science. The MIT Press Essential Knowledges Series, Cambridge

    Book  Google Scholar 

  • Knoll M, Meier A (Hrsg) (2009) Web & data mining. HMD Praxis der Wirtschaftsinformatik, HMD Nr. 268. dpunkt Verlag, Heidelberg

    Google Scholar 

  • Kruse R, Borgelt C, Braune C, Klawonn F, Moewes C, Steinbrecher M (2015) Computational Intelligence: Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. Springer Vieweg, Heidelberg

    Book  Google Scholar 

  • Lippe W‑M (2005) Soft Computing: Mit neuronalen Netzen, Fuzzy Logic und evolutionären Algorithmen. eXamen.press. Springer, Heidelberg

    Google Scholar 

  • Liu B (2011) Web data mining: exploring Hyperlinks, contents, and usage data. Springer, Berlin

    Book  Google Scholar 

  • Meier A, Kaufmann M (2016) SQL- und NoSQL-Datenbanken, 8. Aufl. eXamen.press, Springer Vieweg, Heidelberg

    Book  Google Scholar 

  • Meier A, Portmann E (2019) Fuzzy Management – Trilogie II: Einsatz der unscharfen Logik für Business Intelligence. Springer, Heidelberg

    Book  Google Scholar 

  • Meier A, Werro N (2018) Unscharfes Portfolio Management – Nutzenpotenziale. In: Meier A, Seising R (Hrsg) Vague information processing. HMD Praxis der Wirtschaftsinformatik, Band 55, Heft 3. Springer Vieweg, Heidelberg, S 528–539

    Google Scholar 

  • Meier A, Zumstein D (2013) Web Analytics & Web Controlling – Webbasierte Business Intelligence zur Erfolgssicherung. Edition tdwi Europe. dpunkt, Heidelberg

    Google Scholar 

  • Meier A, Portmann E, Teran L (Hrsg) (2019) Applying fuzzy logic for the digital economy and society. Springer, Heidelberg

    Google Scholar 

  • Sivanandam SN, Deepa SN (2019) Principles of soft computing. Wiley, New Delhi

    Google Scholar 

  • Witten IH, Frank E, Hall MA, Pal CJ (2017) Data mining: practical machine learning tools and techniques. Morgan Kaufmann, Cambridge

    Google Scholar 

  • Zadeh LA (1965) Fuzzy sets. Inf Control 8:338–353

    Article  Google Scholar 

  • Zadeh LA (1994) Fuzzy logic, neural networks, and soft computing. Commun ACM 37(3):77–84

    Article  Google Scholar 

Download references

Danksagung

Ich bin Peter Gluchowski von der TU Chemnitz zu Dank verpflichtet, da er sich bereit erklärt hat, meinen Grundlagenbeitrag kritisch zu würdigen. Zudem haben die Gutachter der Zeitschrift HMD diverse Verbesserungsvorschläge vorgebracht, die ich weitgehend berücksichtigen konnte. Ein Dankeschön geht an Lydia Meier-Bernasconi für sprachliche und stilistische Verbesserungen.

Author information

Authors and Affiliations

  1. Universität Fribourg, Boulevard de Pérolles 90, 1700, Fribourg, Schweiz

    Andreas Meier

Authors
  1. Andreas Meier
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Andreas Meier.

Additional information

Dieses Abstract wurde mit dem Deep-Learning-Algorithmus DeepL (verfügbar unter www.DeepL.com/Translator) aus der deutschen Zusammenfassung übersetzt.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Meier, A. Überblick Analytics: Methoden und Potenziale. HMD 56, 885–899 (2019). https://doi.org/10.1365/s40702-019-00540-7

Download citation

  • Received:

  • Revised:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1365/s40702-019-00540-7

Schlüsselwörter

Keywords

Search

Navigation