Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Cuberunner
Jinengo - DV Konzept
Output:
Die ermittelten Regeln werden mit einem Entscheidungsbaum auf den Datensatz angewandt.
In die Datenbank werden nur die Datensätze zurückgeschrieben, bei denen das Zielattribut
(ownsGasCar) NULL oder 0 als Ausprägung besitzt.
Die Zieltabelle ist jinengoDataWarehouse.dbo.AssociationResults
3.4.4 Warnen vor „ungewöhnlichem“ Verhalten
Während die oberen drei Anwendungsfälle jeweils eine Methode des Data Mining verwenden, um
Erkenntnisse aus den Daten zu gewinnen zielt dieser Anwendungsfall darauf ab, durch eine Verbindung
der Data-Mining-Ergebnisse und den vorhandenen Endanwender- und Routendaten neue Erkenntnisse
zu gewinnen.
Anwender die bspw. ein E-Bike besitzen, es aber nie nutzen, werden mit Hilfe dieser Daten identifiziert.
Daraus lässt sich ein Entscheidungsbaum entwickeln, der auf Basis der gefahrenen Routen und
angegebenen Präferenzen eine Konsequenz ableitet. Da es sehr viele Möglichkeiten gibt Verhalten von
Endanwender zu analysieren werden hier die Potentiale dieser Methode anhand des Beispiels E-Bike
aufgezeigt.
USE-CASE: ownsEBike
Wie in der Abbildung 3.6 zu sehen, kann es zwei Ausgangssituationen geben. Zum einen kann der
Anwender angegeben haben, dass er ein E-Bike besitzt (Angabe = 1), laut Data Mining verhält er sich
aber nicht so (Prediction = 0). Anders herum kann er angegeben haben, dass er kein E-Bike besitzt
(Angabe = 0), er verhält sich aber laut Data-Mining so (Predicition = 0). Selbstverständlich kann es
analog dazu auch noch die Fälle geben in denen der Anwender keine wahrheitsgemäße Aussage getroffen
hat. Im Folgenden soll das Hauptaugenmerk aber auf wahrheitsgemäße Angaben gelegt werden.
Der Vollständigkeit halber seien die anderen Fälle aber auch noch erwähnt:
Laut Angabe hat der Anwender kein E-Bike (Angabe = 0), er besitzt aber eins (korrekte Angabe
wäre demnach 1). Das Data-Mining erkennt den Endanwender als eine Person die ein E-
Bike besitzen (Predicition = 1) und das ist korrekt.
Laut Angabe hat der Anwender ein E-Bike (Angabe = 1), er besitzt aber keins (Korrekte Angabe
wäre demnach 0). Das Data-Minig erkennt den Endanwender als eine Person die kein
eBike besitzen (Predicition = 0) und das ist korrekt.
Bei diesen zwei Fällen müsste nichts weiter geschehen als den Anwender auf die Vermutung aufmerksam
zu machen.
72