28.12.2013 Aufrufe

Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Business Intelligence Applications and Evaluation ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

<strong>Projektgruppe</strong> Cuberunner<br />

Jinengo - Fachkonzept<br />

5.2 Data Mining<br />

Die Generierung neuen Wissens aus der vorh<strong>and</strong>enen Datenbasis ist zentrales Ziel des Projekts. Diese<br />

Aufgabe erfüllt das Data Mining. Es werden vier Data-Mining-Anwendungsfälle betrachtet: Eigenschaften<br />

Raten, Newsletter & Reporting, Ökologische Alternativen, sowie Warnung vor ungewöhnlichem<br />

Verhalten. Die Ergebnisse dieser Analyse, sollen das Wissen über den Endanwender vertiefen,<br />

Verhaltensmuster aufdecken und mögliche Potentiale für ein nachhaltigeres Verhalten aufdecken.<br />

5.2.1 Eigenschaften Raten<br />

Nicht jeder Endanwender gibt alle Informationen über sich preis. Der Endanwender könnte entweder<br />

vergessen, seine personenbezogenen Informationen im System zu hinterlegen oder entscheidet sich<br />

aus Gründen der Privatsphäre und des Datenschutzes dagegen. Analyseergebnisse werden mit der<br />

Menge an vorh<strong>and</strong>enem Wissen über den Nutzer besser bzw. schlechter, wenn zu viele Informationen<br />

fehlen. Während Jinengo mit mehr Informationen besser planen kann, ist es für den Endanwender<br />

ebenfalls vorteilhaft, wenn Jinengo viel über ihn weiß. Routen können besser auf die persönlichen<br />

Ansprüchen zugeschnitten werden und Angebote personalisiert werden. Trotzdem ist es weder möglich<br />

noch sinnvoll jede Information zu erzwingen. Data Mining bietet mithilfe von Ähnlichkeitsanalysen<br />

die Möglichkeit, Eigenschaften des Users zu schätzen. Anh<strong>and</strong> ähnlicher Personen, die ein gesuchtes<br />

Merkmal angegeben haben, kann das Merkmal für eine bestimmte Person mit einer gewissen<br />

Wahrscheinlichkeit prognostiziert werden und somit der fehlende Wert ergänzt werden.<br />

5.2.2 Newsletter & Reporting<br />

Um den Endanwender möglichst individualisiert ansprechen zu können und den Erfolg von bspw.<br />

Newsletterkampagnen zu erhöhen, werden die Endanwender in Gruppen mit ähnlichem Verhalten<br />

oder Interessen unterteilt. Neben der Personalisierung von Newslettern ist so auch ein verfeinertes<br />

internes Reporting möglich. Als Dimension können Cluster die Verhaltensstrukturen spezifischer Personengruppen<br />

aufdecken und verbesserte Maßnahmen durch das Management ermöglichen.<br />

Die Unterteilung in Gruppen erfolgt dabei auf zwei verschiedene Arten. Auf der einen Seite erfolgt<br />

eine Unterteilung gemäß der persönlichen Attribute der Endanwender. Auf diese Weise lassen sich<br />

ähnliche gesellschaftliche Gruppen identifizieren und direkt ansprechen. Auf der <strong>and</strong>eren Seite erfolgt<br />

die Unterteilung nach dem Verhalten der Endanwender. Auf diese Weise lassen sich bspw. Gruppen<br />

mit besonders hohem Interesse an nachhaltigen Produkten und Dienstleistungen identifizieren.<br />

26

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!