Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Cuberunner
Jinengo - Dokumentation
Im Gegensatz dazu wurde für den Personencluster der Algorithmus K-Means verwendet. Das Ergebnis
ist zwar nicht so Robust (zu vergleichen ist die Cluster Quality in den beiden Abbildungen), allerdings
bietet es eine höhere Heterogenität der Cluster.
Daten exportieren
Abbildung 1.18: Daten analysieren Personen Cluster
Der Export ist in beiden Clustern identisch. In einem Node können die Cluster beschriftet und beschrieben
werden. Ein Timestamp wird hinzugefügt und alle überflüssigen Felder werden gefiltert. Die
Ergebnisse des Personenclusters werden in der Tabelle "dbo.UserAttributeClustering" in dem Data-
Warehouse gespeichert, während die Sustainability Cluster mit derselben Struktur in der Tabelle
"dbo.UserSustainabilityClustering" gespeichert werden.
1.5.3 Assoziation
Ziel der Assoziationsanalyse ist es Regeln in den Daten zu entdecken, die ein Verhalten der User beschreiben.
Die Regeln können für verschiedene Zwecke genutzt werden.
Ein Anwendungsfall könnte sein, dass Interesse an einem Ebike für unterschiedliche Nutzer zu schätzen,
je nachdem welche Bedingungen sie erfüllen. Hierfür werden sowohl personenbezogene Daten,
Routendaten als auch ökologische Inputparameter für den Algorithmus gewählt. Die gefundenen Regeln
werden dann auf den gesamten Datensatz angewandt und für jeden gefundenen Fall in die Datenbank
zurückgeschrieben.
Daten aufbereiten
144