Wissensextraktion Clusterbildung mit KNIME

Größe: px
Ab Seite anzeigen:

Download "Wissensextraktion Clusterbildung mit KNIME"

Transkript

1 Hochschule Wismar University of Technology, Business and Design Fakultät für Ingenieurwissenschaften Wissensextraktion Clusterbildung mit KNIME von: Gunnar Keuer Mike Gehrhardt

2 Aufgabenstellung Mit dem Data-Mining Tool KNIME 1 (Konstanz Information Miner) soll ein Datensatz untersucht werden. Dieser Datensatz beruht auf Befragungen von Studenten der Hochschule Wismar und beinhaltet, in verschiedenen Kategorien unterteilt, Fragen über die Hochschule, die Stadt Wismar und zur Person. Ziel ist es herauszufinden, ob es einen Zusammenhang gibt zwischen den absolvierten Semestern der Studenten und ihrer Zufriedenheit gegenüber der Hochschule Wismar. Lassen sich Thesen wie: Je länger Studenten studieren, desto unzufriedener werden sie aus dieser Umfrage mit Zahlen belegen? 1 KINME

3 Inhalt Inhalt 1 Beschreibung des Datensatzes Inhalt des Fragebogens Bewertung des Datensatzes Skalierte Fragen weiß nicht Option Undefinierte Felder Datenvorverarbeitung Daten einlesen in KNIME Datenauswahl Data Mining Clusterbildung mit Weka SimpleKMeans Clusteranzahl: Clusteranzahl: Zufriedenheit berechnen mit Java Snippet Node Clusterbildung mit k-means für Semester & Zufriedenheit k-means ohne Behandlung der fehlerhaften Werte k-means nach Ersetzen der fehlerhaften Werte durch Null k-means ohne Reihen mit fehlerhaften Werten k-means mit wiederhergestellten Centroiden und ohne fehlerhafte Reihen Interpretation Bilderverzeichnis

4 Beschreibung des Datensatzes 1 Beschreibung des Datensatzes 1.1 Inhalt des Fragebogens Der vorliegende Datensatz, in Form einer Excel-Tabelle, umfasst die Befragung von 211 Studenten der Hochschule Wismar. Die Inhalte des Fragebogens sind in sieben Kategorien unterteilt. [1] Organisation (10 Themen) [2] Ausstattung / Infrastruktur (10 Themen) [3] Verwaltung (5 Themen) [4] Freizeit (3 Themen) [5] Stadt und Umgebung (9 Themen) [6] Gesamturteil über Wismar, HS Wismar (2 Themen) [7] Persönliche Angaben, wie Studiengang, Alter, Semester.. (6 Fragen) In Kategorie 1 bis 5 werden je 10 bis 3 Themen aufgelistet. Je Thema werden die gleichen zwei Fragen gestellt. Die Fragen lauten: [1] "Wie wichtig ist dir dieser Punkt?" [2] "Wie beurteilst du diesen Punkt?" Diese beiden skalierten Fragen 2 können mittels Ankreuzen von Feldern beantwortet werden. Es gibt pro Frage sechs Möglichkeiten zur Antwort. Auf Frage eins kann mit "sehr wichtig" (Note 1) bis "völlig unwichtig" (Note 5) eingegangen werden. Frage zwei wird beantwortet mit "sehr gut" (Note 1) bis "sehr schlecht" (Note 5). Außerdem gibt es die Möglichkeit beide Fragen mit "weiß nicht" zu beantworten. In Kategorie 6 kann nur die zweite Frage ("Wie beurteilst du diesen Punkt?") beantwortet werden. 2 Marktpsychologie. Skalierte Fragen 4

5 Beschreibung des Datensatzes Kategorie 7 bezieht sich auf persönliche Daten des Befragten. Hier beantwortet der Auszufüllende eine Reihe unterschiedlicher Fragen. Diese W-Fragen (welchen Studiengang, welches Semester, aus welchem Bundesland ) gliedern sich in Fragen mit Einzel- und Mehrfachauswahl 3. Die Fragen mit den möglichen Antworten lauten: Welchen Studiengang belegst du? [1] Design [2] Innenarchitektur [3] Kommunikationsdesign [4] Arch. Light Design [5] Architektur [6] Bauingenieurwesen [7] Pflege des Bauerbes [8] Int. Cruise Ship Management [9] Wirtschaftsrecht [10] Wirtschaftsinformatik [11] Betriebswirtschaft [12] Umwelt/ Verfahrenstechnik [13] Maschinenbau [14] Multimediatechnik [15] Elektrotechnik [16] In welchem Semester bist du?. 3 Marktpsychologie, Fragen mit Einfachauswahl oder Mehrfachauswahl 5

6 Beschreibung des Datensatzes Abschluss mit: [1] Bachelor [2] Diplom [3] Master Aus welchem Bundesland kommst du? [1] Baden-Würt. [2] Bayern [3] Berlin [4] Brandenburg [5] Bremen [6] Hamburg [7] Hessen [8] Meck.-Vorp. [9] Niedersachsen [10] Nordrhein-West. [11] Rheinland-Pfalz [12] Sachsen [13] Sachsen-Anhalt [14] Saarland [15] Schleswig-Holstein [16] Thüringen [17] Ausland 1.2 Bewertung des Datensatzes Skalierte Fragen Die Kategorien 1 bis 6 werden mittels einer Skala beantwortet. Es gibt fünf Möglichkeiten eine Bewertung abzugeben (Note 1, sehr gut bis Note 5, sehr schlecht). Da eine ungerade Skaleneinteilung gewählt wurde, gibt es die Möglichkeit eine neutrale Antwort (Note 3, weder gut noch schlecht) abzugeben. Der Befragte muss hier, im Gegensatz zu einer graden Anzahl der Skalenelemente, keine eindeutige Bewertung abgeben. Unter Umständen muss darauf geachtet werden, dass nicht übermäßig das neutrale Feld angekreuzt wurde, da die betreffende Datenreihe dann nur eingeschränkte Aussagerelevanz besitzt und unter Umständen das Ergebnis der ernsthaften 6

7 Beschreibung des Datensatzes Antworten anderer Reihen verfälscht. Die Verwendung einer mittleren Antwortoption hat somit sowohl Nach- als auch Vorteile weiß nicht Option Eine zusätzliche sechste Möglichkeit besteht in der Beantwortung der beiden Fragen mit "weiß nicht". Diese Antwort kann mehrere Schlüsse nach sich ziehen 5. Gegebenenfalls kommt der Befragte zu keinem endgültigen Entschluss. Er nutzt diese Auswahlmöglichkeit nach einer gewissen Nachdenkzeit als Ausgang, um dieses Frage zu umgehen. Der Befragte kann auch eine Irrelevanz-Antwort mit weiß nicht geben, da er diese Frage für nicht erachtenswert betrachtet. Eine dritte Möglichkeit besteht darin, dass der Befragte eine Protestantwort gibt und mit der Option weiß nicht seinen Widerstand ausdrückt. Gleiches ist möglich wenn gehäuft neutrale Bewertungen (Note 3) abgegeben werden. Unter Umständen ist weiß nicht mit mir egal zu übersetzen, was in den skalierten Fragen der Option Note 3 (neutral) gleich kommt Undefinierte Felder Der Fragebogen wurde in Form von zwei DIN-A4 Seiten ausgegeben. Der Befragte kreuzte mit einem Stift die Antworten an und im Folgenden mussten diese Informationen in die EDV übernommen werden. Da keine weiteren Angaben zur Übertragung vorhanden sind, kann davon ausgegangen werden, dass die Daten per Hand in die vorliegende Excel-Tabelle eingetragen wurden. Damit besteht die Möglichkeit, dass sich fehlerhafte Eintragungen einschleichen. Bei 211*82=17302 Feldern ist dies sehr wahrscheinlich. In der Tabelle dürfen für die ersten sechs Kategorien nur folgende Werte auftauchen: [1] (sehr wichtig / sehr gut) [2] (wichtig / gut) 4 Marktpsychologie, Mittlere Alternative bei Auswahlstufen von skalierten Fragen 5 Der Fragebogen, Antwortkategorie 7

8 Beschreibung des Datensatzes [3] (neutral / neutral) [4] (unwichtig / schlecht) [5] (völlig unwichtig / sehr schlecht) [x] (weiß nicht / weiß nicht) In der gesamten Excel-Tabelle ist kein x für die Ankreuzoption weiß nicht zu finden. Stattdessen tritt gehäuft die Null auf. Es ist somit davon auszugehen, dass bei dem Übertragen der Fragebögen das x durch eine 0 ersetzt wurde. Desweiteren sind Felder in der Tabelle frei gelassen worden oder mit einem Strich versehen. Auch für diese Eintragungen gibt es keine Beschreibung. Da diese Inhalte aber nur vereinzelnd auftreten, müssen sie später gesondert behandelt werden. Möglicherweise sind sie mit der Option weiß nicht gleichzusetzen. 8

9 Datenvorverarbeitung 2 Datenvorverarbeitung Der Datensatz liegt als Excel-Tabelle vor. Mit einem aktuellen Microsoft Excel kann die Tabelle geöffnet werden. Excel wird nur benutzt um die Daten in eine.csv Datei abzulegen. Dies erleichtert das weitere Verarbeiten, da die Daten nun in einem Microsoft unabhängigen Format gespeichert sind. Jedes Feld ist über ein Semikolon getrennt. Alle weiteren Schritte werden mit KNIME (Konstanz Information Miner) vorgenommen. 2.1 Daten einlesen in KNIME Im ersten Schritt in KNIME wird mittels einer File Reader Node die neu erzeugte.csv Datei eingelesen. In der Konfiguration der Node muss der Pfad angegeben und weitere einfache Einstellungen vorgenommen werden. Wichtig ist es die IDs der Zeilen einzulesen und das Kopffeld einer jeden Spalte. Weiterhin muss hier das Semikolon als Trennzeichen übernommen werden. Die File Table Option gibt die Möglichkeit zur Einsicht des Datensatzes. Nun wird über einen Column Filter in der nächsten Node die leere Interviewer Spalte und die Reihe mit der Nummerierung (1.1 W; 1.1 B; 1.2 W; 1.2 B ) gelöscht. Das Ergebnis sind 82 Spalten und 211 Reihen mit denen gearbeitet werden kann. Der Datentyp aller Spalten ist Integer. 2.2 Datenauswahl Ziel ist es herauszufinden ob es einen Zusammenhang gibt zwischen den absolvierten Semestern der Studenten und ihrer Zufriedenheit gegenüber der Hochschule Wismar. Infolge dessen sind alle Fragen zur Stadt Wismar, über Kulturangebote und Events herauszufiltern. Das betrifft die gesamte Kategorie 4 (Freizeit) und Kategorie 5 (Stadt und Umgebung). In Kategorie 6 (Gesamturteil) wird die Frage über das Gesamturteil der Stadt Wismar entfernt. Eine weitere Column Filter Node nimmt diese Einstellungen vor und entfernt die angesprochenen Spalten. Die Spaltenanzahl ist nun von 82 auf 57 gesunken. Eine weitere prinzipielle Vorverarbeitung, wie das Behandeln der undefinierten Felder, wird je nach Bedarf später durchgeführt. 9

10 Data Mining 3 Data Mining 3.1 Clusterbildung mit Weka SimpleKMeans Zu Beginn soll herausgefunden werden, ob es eine Sinn macht die Studenten nach ihren absolvierten Semestern zu Gruppieren. Die entsprechende Spalte enthält Werte von 1 bis 8 Semester. Über eine weitere Column Filter Node wird der Datensatz für die Weka SimpleKMeans Node vorbereitet. Da die Weka Node alle vorhandenen Spalten in die Bearbeitung einfließen lässt müssen alle Spalten, bis auf die der Semester, entfernt werden. Für den KMeans Algorithmus wird die Anzahl der gesuchten Cluster vorgegeben. Zunächst werden über ein initiales Clustering die Cluster bestimmt. Dann wird der jeweilige Mittelpunkt eines Clusters berechnet. Die daraus entstandenen Centroiden repräsentieren das jeweilige Cluster. Iterativ werden die Centroiden neu berechnet und verschoben, bis Cluster entstehen, welche relativ gut voneinander abgetrennt sind Clusteranzahl: 4 Im ersten Schritt wird eine Clusteranzahl von vier vorgegeben. Dies würde die Semesteranzahl auf die Hälfte reduzieren. Über die Option Weka Node View sind die Ergebnisse, siehe Abbildung 1, zu begutachten. Von den vier Clustern gibt es nur eins, in welches Werte integriert sind, die vom Mittelpunkt abweichen. Cluster 0 enthält ausschließlich alle Studenten des zweiten Semesters. In dieses Cluster fallen 98 der Befragten, was 46% entspricht. Cluster 1 enthält alle Studenten des vierten Semesters. Mit 84 Mitgliedern ist dies das zweitstärkste Cluster (40%). In Cluster 2 sind Studenten aus verschiedenen Semestern. Der Durchschnitt liegt bei 6.43 mit einer Abweichung von In dieser Gruppe sind 13% der Befragten, was 28 Studenten bedeutet. Cluster 3 enthält eine Person im ersten Semester (unter 1%). Da es ein Cluster gibt, welches nahezu keine Werte enthält ist es sinnvoll die Clusteranzahl zu überdenken. Eine Sorter Node gibt Aufschluss darüber, welche Studenten im Cluster 2 vertreten sind. Über die Configure Option der Node können einige Einstellungen vorgenommen werden. Das Ergebnis: Cluster 2 enthält 6 Prof. Dr. J. Cleve, Wissensextraktion / Data Mining, Clustering mit kmeans, Seite

11 Data Mining sowohl Studenten aus dem 8. als auch aus dem 6. Semester, was zu einem Mittel von 6.43 führt. Abbildung 1 Weka KMeans Clusterbildung der Semesteranzahl Clusteranzahl: 3 Die Clusteranzahl wird nun reduziert, um das nahezu leere Cluster auf die anderen aufzuteilen. Die Weka SimpleKMeans Node wird dementsprechend neu konfiguriert und ausgeführt. Das Ergebnis sind folgende drei Cluster nach zwei Durchläufen: 11

12 Data Mining Cluster centroids: Cluster 0 Mean/Mode: Std Devs: Cluster 1 Mean/Mode: 4 Std Devs: 0 Cluster 2 Mean/Mode: Std Devs: Clustered Instances 0 99 ( 47%) 1 84 ( 40%) 2 28 ( 13%) Cluster 3 wurde nun in Cluster 0 mit integriert. Es gibt folgende Aufteilung: Cluster 0: Studenten im 1. und 2. Semester (Studienstarter) Cluster 1: Studenten im 4. Semester (Mitten im Studium) Cluster 2: Studenten im 6. und 8. Semester (Kurz vor Studienabschluss) Abbildung 2 KNIME Workflow: Clusterbildung mit Weka SimpleKMeans Abbildung 2 zeigt den finalen KNIME Workflow, vom Einlesen der Daten bis zur Gruppierung der Semesterspalte in 3 Cluster. Die entstandenen 3 Cluster dienen nun als Ausgangsbasis für die weitere Berechnung und werden so beibehalten. 12

13 Data Mining 3.2 Zufriedenheit berechnen mit Java Snippet Node Da nun die Studenten in 3 signifikante Gruppen (Studienstarter, Mitten im Studium, Kurz vor Studienabschluss) eingeteilt sind muss die Zufriedenheit berechnet werden. Dazu wird der Ausgangsdatensatz weiter selektiert. In Kategorie 1 (Organisation), 2 (Ausstattung / Infrastruktur) und 3 (Verwaltung) geben die Studenten ihre Bewertungen zur Hochschule Wismar ab. Zum einen geben sie bekannt, wie wichtig ihnen der Punkt ist und zum anderen, wie sie ihn Beurteilen. Da nur die Beurteilungen wichtig sind werden erneut über eine Column Filter Node alle Spalten zur Wichtigkeit entfernt. Als Ergebnis bleiben 32 Spalten, welche Beurteilungen und persönliche Informationen der 211 Befragten enthalten. Um eigene Funktionen in KNIME einzubinden und die Felder des Datensatzes zu manipulieren gibt es die Möglichkeit Java-Programmcode einzufügen. Dies passiert über die Java Snippet Node. Über die Option Configure gelangt man in die Eingabe-Dialogbox für den Java Code. Das dort eingefügte Programm arbeitet sich durch Zeilen und kann in einer neuen Spalte am Ende das Ergebnis einfügen. Alternativ kann auch eine Spalte ersetzt werden. Findet eine Auswertung zeilenübergreifend statt wird mit globalen Variablen gearbeitet. Es soll nun der Durchschnitt aus allen Beurteilungen berechnet werden. Dies wird mit einem kleinen Programm umgesetzt. // Berechnung der Gesamtzufriedenheit pro Zeile double i=0; i= (double) ($Beurteilung 1$ + $Beurteilung 2$ + ) / Anzahl der Beurteilungen; return i; Das vollständige Java-Programm ist in der Java Snippet Node zu finden. Die Java Snippet Node erzeugt eine neue Spalte Zufriedenheit mit dem Datentyp Double. Dort sind die Mittelwerte der Beurteilungen enthalten. Zu beachten ist, dass hier für korrekte Mittelwerte explizit auf den Datentyp Double gecastet werden muss, da sonst die Werte gerundet werden. 13

14 Data Mining Abbildung 3 Neue Spalte: Gesamtzufriedenheit pro Person Die neue Spalte, grün umrandet, siehe Abbildung 3, enthält die errechneten Werte. Möglich sind Inhalte von 1 (sehr zufrieden) bis 5 (sehr unzufrieden). Dies ist die erste Spalte mit dem Datentyp Double in dieser Tabelle. Leider gibt es einige Felder in den Beurteilungen, welche keine Integerwerte enthalten. Sofern ein Feld frei gelassen wurde oder es einen Strich beinhaltet ersetzt KNIME den Inhalt mit einem Fragezeichen und kann folglich keine Werte für die Spalte Zufriedenheit errechnen (siehe Abbildung 3, roter Pfeil). Die fehlenden Werte werden im Folgenden besonders beachtet. 3.3 Clusterbildung mit k-means für Semester & Zufriedenheit k-means ohne Behandlung der fehlerhaften Werte Im ersten Schritt wurde die Anzahl der sinnvollen Cluster berechnet. Als zweites folgte die Berechnung der Gesamtzufriedenheit je Reihe. Nun soll überprüft werden ob es einen Zusammenhang zwischen den Semester-Clustern und der Zufriedenheit gibt. Dazu werden erneut Cluster gebildet, nun aber die Daten der Zufriedenheit mit hinzugezogen. Im ersten Versuch werden die fehlerhaften Felder, welche mit einem? markiert sind nicht gesondert betrachtet. Die benötigten Berechnungen führt die k- Means Node durch. Zu finden ist sie in der Node Repository unter Mining > Clustering > k-means. Über die Option Configure gelangt der Anwender in die Dialogbox um festzulegen, welche Spalten in die Berechnung einfließen sollen. Es 14

15 Data Mining werden alle Spalten entfernt und nur die Spalte Semester und die neu erstellte Spalte Zufriedenheit hinzugefügt. Execute führt die Node aus. Der Eintrag Cluster View zeigt die Ergebnisse an, siehe Abbildung 4. Abbildung 4 k-means ohne Behandlung der fehlerhaften Felder Zu sehen sind die ähnlichen Cluster aus dem Kapitel 3.1 der Weka SimpleKMeans Node. Neu hinzu gekommen sind die Werte über die Zufriedenheit. Alle Studenten des ersten und zweiten Semesters sind in Cluster 0 zu finden. Insgesamt 99 Reihen. Für diese Gruppe wurde eine Gesamtzufriedenheit von 2,04 berechnet. Die 84 Studenten der zweiten Gruppe sind im vierten Semester. Ihre berechnete Zufriedenheit liegt bei 2,16. Studenten des Semesters sechs und acht sind in Cluster 2 zusammengefasst. Ihre durchschnittliche Zufriedenheit wurde mit 2,26 berechnet. Daraus kann abgeleitet werden, dass mit zunehmendem Semester die Beurteilung der Studenten, und damit ihre Zufriedenheit, schlechter wird. Von Semester zwei zu Semester vier gibt es einen Unterschied von 0,12 Punkten, was 0,06 Punkte pro Semester entsprechen würde. Der Unterschied von Semester vier bis Semester 6,5 beläuft sich auf 0,10 Punkten, was 0,04 Punkte Verschlechterung pro Semester bedeutet. Abbildung 5 zeigt den KNIME Workflow für die Berechnung der Cluster mittels des K- Means Algorithmus ohne gesonderte Behandlung der fehlerhaften Werte. Die Daten werden über die File Reader eingelesen und mit verschiedenen Filtern bearbeitet, Die Java Snippet Node fügt die neue Spalte Zufriedenheit hinzu. Die k-means Berechnungen werden in der grünen Node durchgeführt. 15

16 Data Mining Abbildung 5 K-Means Workflow k-means nach Ersetzen der fehlerhaften Werte durch Null In Kapitel wurde auf die Felder mit undefiniertem Inhalt eingegangen. Bislang waren diese Felder Teil der Berechnung und somit bestand eine Möglichkeit, dass diese Felder auch die Ergebnisse negativ beeinflussen. Um das Ergebnis aus Kapitel zu verifizieren wird die k-means Berechnung wiederholt. Hinzu kommt eine Fehlerbehandlung der unbekannten Werte. In Abbildung 6 ist der KNIME Workflow dargestellt. Abbildung 6 K-Means Workflow mit Ersetzen der unbekannten Werte Hinzu gekommen ist eine neue Node. Die Missing Value Node gibt dem Anwender die Möglichkeit bestimmte Werte zu ersetzen. Über die Configure Option lassen sich Einstellungen vornehmen. In allen Integer-Spalten sollen die fehlenden Werte durch eine Null ersetzt werden. Diese Änderung betritt die Berechnung der Zufriedenheit, daher muss die Node vor der Java Snippet Node integriert werden Die Gegenüberstellung des neuen Ergebnis der k-means Node ist in Abbildung 7 zu sehen. 16

17 Data Mining Abbildung 7 Links: ohne Fehlerbehandlung, Rechts mit "Missing Value" Node In der Zuweisung der Reihen zu den Clustern gab es keine Veränderung. Links sind die bekannten Ergebnisse aus Kapitel zu sehen. Rechts die neuen Werte, welche das Ersetzen der unbekannten Felder mit Null beinhalten. Es sind neue Reihen verwertbar geworden. Da in die Berechnung nun einige neue Felder eingegangen sind hat sich die Zufriedenheit leicht verändert. Die neuen Reihen haben die Zufriedenheit in allen drei Clustern gesenkt. Dies lässt darauf schließen, dass die neu verfügbar gemachten Reihen überdurchschnittlich schlechte Bewertungen beinhalten. Der Abwärtstrend mit aufsteigenden Semestern ist dennoch deutlich zu erkennen k-means ohne Reihen mit fehlerhaften Werten Das Ergebnis aus der ersten k-means Clusterbildung wurde in der zweiten Berechnung bestätigt. Da jedoch Werte ersetzt wurden und es keine Informationen darüber gibt wie die fehlenden Werte zustande kamen, wird eine dritte Berechnung durchgeführt. Nun werden die Ausgangswerte nicht verändert. Alle Reihen mit fehlerhaften Angaben werden aussortiert. Abbildung 8Aussortieren fehlerhafter Reihen: k-means Workflow Abbildung 8 zeigt den KNIME Workflow der erneuten k-means Berechnung. Die Sorter Node wurde verwendet um abzuschätzen wie viele Reihen entfernt werden 17

18 Data Mining müssen. Insgesamt sind 15 Reihen mit einem? versehen. Diese werden mit der Row Splitter Node aussortiert. Die k-means Node berechnet die Werte, welche in Abbildung 9 zu sehen sind. Abbildung 9 Rechts: Neue k-means Clusterbildung ohne fehlerhafte Reihen Die erneute Berechnung der Cluster zeigt ein unvermutetes Ergebnis. Die Centroiden haben sich stark verschoben und die Werte sind weder zum Stützen noch zur Widerlegung verwertbar. Offensichtlich wurden die Studenten des vierten Semesters in Cluster 2 eingeordnet. Cluster 0 und Cluster 1 beinhalten wahrscheinlich ausschließlich Studenten des ersten und zweiten Semesters k-means mit wiederhergestellten Centroiden und ohne fehlerhafte Reihen Die Entfernung der Reihen mit unbekannten Feldern hat das Gleichgewicht der Clusterbildung gestört. Die Werte sind weder zur Widerlegung noch zur Verifizierung der bisherigen Ergebnisse einsetzbar. Abbildung 10 zeigt den neuen KNIME Workflow. Nun wird gezielt darauf geachtet, dass die Studenten in den jeweiligen Gruppen sind. Die erste Row Splitter Node entfernt alle Reihen, welche fehlende Werte beinhalten. Die zwei folgenden Row Splitter Nodes separieren die Studenten des ersten und zweiten Semesters. Über eine Concatenate Node werden die Daten wieder verdichtet und der k-means Berechnung für das Cluster 0 zugeführt. Die vierte Row Splitter Node teilt die verbliebenden Reihen in zwei Gruppen auf. Ausgang 0 Filtered beinhaltet alle Studenten des vierten Semesters. Ausgang 1 Filtered out (unterer Ausgang) enthält alle Studenten des sechsten und achten Semesters. Entsprechende k- Means Noden berechnen die Zufriedenheit für die Studenten der jeweiligen Cluster. Somit ist sichergestellt, dass in den jeweiligen Clustern nur die Studenten der Semester vorhanden sind, wie in den ersten beiden Berechnungen. 18

19 Data Mining Abbildung 10 Workflow: Berechnung der Centroiden mit k-means.abbildung 11 zeigt das Ergebnis der Berechnung der k-means Noden. Deutlich ist zu erkennen, dass Studenten des ersten und zweiten Semesters wieder dem Cluster 0 (Cluster View 0:45) zugeordnet wurden. In diesem Cluster fehlen 9 Reihen aufgrund der Aus-sortierung. Cluster 1 (Cluster View 0:51) enthält die Studenten des vierten Semesters. Hier reduzierten sich die Reihen von 84 auf 79. Cluster View 0:47 zeigt die Studenten des sechsten und achten Semesters. In diesem Cluster gab es eine Reihe mit fehlenden Angaben. Der Trend der abfallenden Zufriedenheit ist auch hier deutlich zu erkennen und stützt die bisherigen Ergebnisse. Abbildung 11 k-means Cluster 19

20 / Interpretation 4 Interpretation Abbildung 12 Finale Auswertung der korrekten drei Durchläufe In Abbildung 12 sind alle Erbennisse der k-means Durchläufe mit Semester und Zufriedenheit dargestellt, welche das Ergebnis stützen oder widerlegen können. Cluster View 0:8 (oben rechts) zeigt die Clusterbildung ohne Behandlung der unbekannten Felder. Cluster View 0:19 (unten rechts) zeigt die Clusterbildung nachdem die unbekannten Felder mit dem wahrscheinlichten Wert, einer Null für die Option weiß nicht, ersetzt wurden. Cluster 0 repräsentiert alle Studienanfänger (Studenten des ersten und zweiten Semesters). Cluster 1 mit 84 Reihen stellt die Studenten des vierten Semesters dar. Cluster 2 beinhaltet alle Studenten im sechsten und achten Semester und repräsentiert die Studenten kurz vor ihrem Abschluss. Obwohl beide Berechnungen, wie zu erwarten war, recht ähnlich sind, gibt es leichte Unterschiede in der Zufriedenheit je Cluster. Auch die letzte Berechnung stützt den Abwärtstrend-Trend in der Zufriedenheit. In der Folgenden Tabelle sind alle Berechneten Werte der Zufriedenheit aufgelistet. 20

21 / Interpretation Zufriedenheit Cluster 0 (Studienanfänger) Zufriedenheit Cluster 1 (Mitten Studium) im Zufriedenheit Cluster 2 (Kurz vor Studienende) Ohne der Werte Behandlung unbekannten Ersetzen der unbekannten Werte mit Entfernen Reihen unbekannten Werten der mit Deutlich ist in dieser Tabelle zu erkennen, dass sie die Werte je nach Fehlerbehandlung leicht verändern. Ein prinzipieller Trend ist jedoch in jeder Reihe zu erkennen. Von Cluster 0 (Studienanfänger) bis Cluster 2 (Studenten kurz vor dem Abschluss) sinkt stetig die Zufriedenheit. Möglicherweise ist das damit zu erklären, dass die Studenten einfach nur kritischer werden. 21

22 Bilderverzeichnis 5 Bilderverzeichnis Abbildung 1 Weka KMeans Clusterbildung der Semesteranzahl Abbildung 2 KNIME Workflow: Clusterbildung mit Weka SimpleKMeans Abbildung 3 Neue Spalte: Gesamtzufriedenheit pro Person Abbildung 4 k-means ohne Behandlung der fehlerhaften Felder Abbildung 5 K-Means Workflow Abbildung 6 K-Means Workflow mit Ersetzen der unbekannten Werte Abbildung 7 Links: ohne Fehlerbehandlung, Rechts mit "Missing Value" Node Abbildung 8Aussortieren fehlerhafter Reihen: k-means Workflow Abbildung 9 Rechts: Neue k-means Clusterbildung ohne fehlerhafte Reihen Abbildung 10 Workflow: Berechnung der Centroiden mit k-means Abbildung 11 k-means Cluster Abbildung 12 Finale Auswertung der korrekten drei Durchläufe

Data Mining Bericht. Analyse der Lebenssituation der Studenten. der Hochschule Wismar. Zur Veranstaltung. Business Intelligence

Data Mining Bericht. Analyse der Lebenssituation der Studenten. der Hochschule Wismar. Zur Veranstaltung. Business Intelligence Data Mining Bericht Analyse der Lebenssituation der Studenten der Hochschule Wismar Zur Veranstaltung Business Intelligence Eingereicht von: Mohamed Oukettou 108 208 Maxim Beifert 118 231 Vorgelegt von:

Mehr

Gesundheitsbarometer 2009. Verbraucherbefragung zur Qualität der Gesundheitsversorgung in Deutschland

Gesundheitsbarometer 2009. Verbraucherbefragung zur Qualität der Gesundheitsversorgung in Deutschland Gesundheitsbarometer 2009 Verbraucherbefragung zur Qualität der Gesundheitsversorgung in Deutschland Das Design der Studie Telefonische Befragung durch ein unabhängiges Marktforschungsinstitut (Valid Research,

Mehr

Webmail. Anleitung für Ihr online E-Mail-Postfach. http://webmail.willytel.de

Webmail. Anleitung für Ihr online E-Mail-Postfach. http://webmail.willytel.de Webmail Anleitung für Ihr online E-Mail-Postfach http://webmail.willytel.de Inhalt: Inhalt:... 2 Übersicht:... 3 Menü:... 4 E-Mail:... 4 Funktionen:... 5 Auf neue Nachrichten überprüfen... 5 Neue Nachricht

Mehr

Version 1.0 Erstellt am 12.12.2014 Zuletzt geändert am 17.12.2014. Gültig für Release 1.0.0.0

Version 1.0 Erstellt am 12.12.2014 Zuletzt geändert am 17.12.2014. Gültig für Release 1.0.0.0 Version 1.0 Erstellt am 12.12.2014 Zuletzt geändert am 17.12.2014 Gültig für Release 1.0.0.0 Inhalt 1 WebPart Site Informationen 3 1.1 Funktionalität 3 1.2 Bereitstellung und Konfiguration 4 2 WebPart

Mehr

6.3 Serienbriefe über Microsoft Excel und Word

6.3 Serienbriefe über Microsoft Excel und Word 6.3 Serienbriefe über Microsoft Excel und Word Handelt es sich um eine große Anzahl von Kontakten, die an einem Mailing teilnehmen soll, kann es vorteilhaft sein, den Serienbrief über Microsoft Excel und

Mehr

SWN-NetT Webmail. Benutzerhandbuch für SWN-NetT Webmail. SWN-NetT Webmail finden Sie unter: http://webmail.swn-nett.de

SWN-NetT Webmail. Benutzerhandbuch für SWN-NetT Webmail. SWN-NetT Webmail finden Sie unter: http://webmail.swn-nett.de SWN-NetT Webmail Benutzerhandbuch für SWN-NetT Webmail SWN-NetT Webmail finden Sie unter: http://webmail.swn-nett.de Übersicht Einstieg... 2 Menü... 2 E-Mail... 3 Funktionen... 4 Auf eine neue Nachricht

Mehr

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg 1 Dieses Script ist als Schnellstart gedacht, um das Prinzip von LimeSurvey zu verstehen. Zahlreiche Optionen stehen zur individuellen Erstellung von Umfragen zur Verfügung ein ausführliches Benutzerhandbuch

Mehr

A-Plan 12.0. Zeiterfassung 2.0. Ausgabe 1.1. Copyright. Warenzeichenhinweise

A-Plan 12.0. Zeiterfassung 2.0. Ausgabe 1.1. Copyright. Warenzeichenhinweise A-Plan 12.0 Zeiterfassung 2.0 Ausgabe 1.1 Copyright Copyright 1996-2014 braintool software gmbh Kein Teil dieses Handbuches darf ohne ausdrückliche Genehmigung von braintool software gmbh auf mechanischem

Mehr

Die Excel Schnittstelle - Pro Pack

Die Excel Schnittstelle - Pro Pack Die Excel Schnittstelle - Pro Pack Die Excel Pro Pack ist eine Erweiterung der normalen Excel Schnittstelle, die in der Vollversion von POSWare Bestandteil der normalen Lizenz und somit für alle Lizenznehmer

Mehr

HBB EasyClone. Master-Model-Modus aktivieren. Master-Model Suchfilter. Kontextmenü (Rechtsklick)

HBB EasyClone. Master-Model-Modus aktivieren. Master-Model Suchfilter. Kontextmenü (Rechtsklick) HBB EasyClone HBB EasyClone ist ein Programm, das den Klonvorgang in NX vereinfacht und erweitert. Master-Model-Modus aktivieren Master-Model Suchfilter Regelverwaltung Darstellung der Quellbaugruppe als

Mehr

Haus sanieren profitieren! Abschlusspräsentation

Haus sanieren profitieren! Abschlusspräsentation Gliederung Untersuchungsdesign Bekanntheit der DBU und der Kampagne Haus sanieren profitieren! Der Energie Check aus Sicht der Handwerker Die Zufriedenheit der Hausbesitzer mit dem Energie Check Haus sanieren

Mehr

LEITFADEN ZUM UMGANG MIT MAUTAUFSTELLUNG UND EINZELFAHRTENNACHWEIS BEI E-MAIL-ZUSTELLUNG

LEITFADEN ZUM UMGANG MIT MAUTAUFSTELLUNG UND EINZELFAHRTENNACHWEIS BEI E-MAIL-ZUSTELLUNG LEITFADEN ZUM UMGANG MIT MAUTAUFSTELLUNG UND EINZELFAHRTENNACHWEIS BEI E-MAIL-ZUSTELLUNG Die folgenden Informationen sollen Ihnen die Handhabung der Dateien mit der Mautaufstellung und/ oder mit dem Einzelfahrtennachweis

Mehr

ARAkoll 2013 Dokumentation. Datum: 21.11.2012

ARAkoll 2013 Dokumentation. Datum: 21.11.2012 ARAkoll 2013 Dokumentation Datum: 21.11.2012 INHALT Allgemeines... 3 Funktionsübersicht... 3 Allgemeine Funktionen... 3 ARAmatic Symbolleiste... 3 Monatsprotokoll erzeugen... 4 Jahresprotokoll erzeugen

Mehr

MailUtilities: Remote Deployment - Einführung

MailUtilities: Remote Deployment - Einführung MailUtilities: Remote Deployment - Einführung Zielsetzung Die Aufgabe von Remote Deployment adressiert zwei Szenarien: 1. Konfiguration der MailUtilities von einer Workstation aus, damit man das Control

Mehr

Fakturierung/Zahlungseingänge/Mahnen

Fakturierung/Zahlungseingänge/Mahnen Fakturierung/Zahlungseingänge/Mahnen :: Hilfreiche Module :: Durchdachte Tool :: Zeitsparend :: Zukunftsorientiert INSIEME Aus dem Hause der Curion Informatik AG Die Vereinssoftware Mehr als nur eine Mitgliederverwaltung

Mehr

UMGANG MIT MICROSOFT WORD ~DER EINSTIEG~

UMGANG MIT MICROSOFT WORD ~DER EINSTIEG~ UMGANG MIT MICROSOFT WORD ~DER EINSTIEG~ INHALT Inhalt... 1 1. Titelblatt... 1 1.1 Inhalt... 1 1.2 Gestaltung... 2 1.3 Kopf-und Fußzeile... 3 2. Seitenlayout... 4 2.1 Typografie... 4 2.2 Seitenränder...

Mehr

0 10 20 30 40 50 60 70% Zufriedenheit der GKV-Versicherten mit dem Preis des Gesundheitswesens

0 10 20 30 40 50 60 70% Zufriedenheit der GKV-Versicherten mit dem Preis des Gesundheitswesens Zufriedenheit der GKV-Versicherten mit den Leistungen des Gesundheitswesens Zufriedenheit gesamt Unzufriedenheit gesamt Zufriedenheit Unzufriedenheit Zufriedenheit Personen mit Leistungseinschränkungen

Mehr

Leitfaden zur Schulung

Leitfaden zur Schulung AWO Ortsverein Sehnde Reiner Luck Straße des Großen Freien 5 awo-sehnde.de PC Verwaltung für Vereine Leitfaden zur Schulung Inhalt Sortieren nach Geburtsdaten... 2 Sortieren nach Ort, Nachname, Vorname...

Mehr

PRAXISBUTLER ANPASSUNG DER VORLAGEN

PRAXISBUTLER ANPASSUNG DER VORLAGEN Praxisbutler Anpassung der Vorlagen 1 PRAXISBUTLER ANPASSUNG DER VORLAGEN Die Vorlagen werden hauptsächlich in den Bereichen Klienten und Fakturierung benutzt. Die Anpassung dieser Vorlagen ist wichtig,

Mehr

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster Webseitennavigation mit dem Content-Management-System Imperia Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster 10. Januar 2006 Inhaltsverzeichnis 1. Einführung 4 2. Rubrikenstruktur

Mehr

ACS Data Systems AG. Bestellungen. (Version 10.08.2009) Buchhaltung für Schulen. ACS Data Systems AG. Bozen / Brixen / Trient. Tel +39 0472 27 27 27

ACS Data Systems AG. Bestellungen. (Version 10.08.2009) Buchhaltung für Schulen. ACS Data Systems AG. Bozen / Brixen / Trient. Tel +39 0472 27 27 27 ACS Data Systems AG Bestellungen (Version 10.08.2009) Buchhaltung für Schulen ACS Data Systems AG Bozen / Brixen / Trient Tel +39 0472 27 27 27 obu@acs.it 2 Inhaltsverzeichnis 1. BESTELLUNGEN... 3 1.1

Mehr

Bedienung von BlueJ. Klassenanzeige

Bedienung von BlueJ. Klassenanzeige Im Folgenden werden wichtige Funktionen für den Einsatz von BlueJ im Unterricht beschrieben. Hierbei wird auf den Umgang mit Projekten, Klassen und Objekten eingegangen. Abgeschlossen wird dieses Dokument

Mehr

PIWIN 1 Übung Blatt 5

PIWIN 1 Übung Blatt 5 Fakultät für Informatik Wintersemester 2008 André Gronemeier, LS 2, OH 14 Raum 307, andre.gronemeier@cs.uni-dortmund.de PIWIN 1 Übung Blatt 5 Ausgabedatum: 19.12.2008 Übungen: 12.1.2009-22.1.2009 Abgabe:

Mehr

Perzentile mit Hadoop ermitteln

Perzentile mit Hadoop ermitteln Perzentile mit Hadoop ermitteln Ausgangspunkt Ziel dieses Projektes war, einen Hadoop Job zu entwickeln, der mit Hilfe gegebener Parameter Simulationen durchführt und aus den Ergebnissen die Perzentile

Mehr

Gehaltsatlas 2014 Eine Studie über den Zusammenhang von Regionen und Gehalt

Gehaltsatlas 2014 Eine Studie über den Zusammenhang von Regionen und Gehalt ein Unternehmen von Gehaltsatlas 0 Eine Studie über den Zusammenhang von Regionen und Gehalt Seite /9 Wie wirken sich geografische Regionen auf das Gehalt aus? Welche regionalen Unterschiede gibt es zwischen

Mehr

Hochschule Niederrhein Grundlagen der Prof. Dr. Nitsche Fachbereich 03 Java Programmierung Bachelor Informatik SS 2015 Übung 1. Grundlagen von Java

Hochschule Niederrhein Grundlagen der Prof. Dr. Nitsche Fachbereich 03 Java Programmierung Bachelor Informatik SS 2015 Übung 1. Grundlagen von Java Grundlagen von Java Aufgabe 1: Typen und Zuweisungen in Java Welche der folgenden Java-Anweisungen sind fehlerhaft? Handelt es sich um einen Compiler- oder einen Laufzeitfehler? Anmerkung: Folgefehler

Mehr

ebanking Business: Umwandeln der Lastschriftvorlagen in SEPA-Vorlagen mit automatischer Konvertierung von Kontonummer/BLZ in IBAN und BIC

ebanking Business: Umwandeln der Lastschriftvorlagen in SEPA-Vorlagen mit automatischer Konvertierung von Kontonummer/BLZ in IBAN und BIC ebanking Business: Umwandeln der Lastschriftvorlagen in SEPA-Vorlagen mit automatischer Konvertierung von Kontonummer/BLZ in IBAN und BIC Lastschriftvorlagen, die Sie in ebanking Business gespeichert haben,

Mehr

Internetauftritt: Hochschulpartnerschaften - Datenbank

Internetauftritt: Hochschulpartnerschaften - Datenbank Hochschule für Technik, Wirtschaft und Kultur Leipzig (FH) University of Applied Sciences Internetauftritt: Hochschulpartnerschaften - Datenbank Modul: Anleitung für Typo3 bzgl. Partnerhochschulen einpflegen

Mehr

Experte. I-CH-118 Strukturiert implementieren

Experte. I-CH-118 Strukturiert implementieren Autor des Dokuments Valmir Selmani Erstellt / Aktualisiert am 16.06.2011 / 28.06.2011 Teilnehmer des Projekts: Valmir Selmani, Moritz Kündig, Tobias Künzi Seitenanzahl 13 MTV (Moritz Tobias Valmir) 2011

Mehr

Access Verbrecherdatenbank Teil 2

Access Verbrecherdatenbank Teil 2 Access Verbrecherdatenbank Teil 2 Allgemeines Im ersten Teil dieser Übung hast du mit Microsoft Access eine Verbrecherdatenbank inklusive Formular erstellt. In zweiten Teil lernst du nun, wie man einen

Mehr

Dokumentation Softwareprojekt AlumniDatenbank

Dokumentation Softwareprojekt AlumniDatenbank Dokumentation Softwareprojekt AlumniDatenbank an der Hochschule Anhalt (FH) Hochschule für angewandte Wissenschaften Fachbereich Informatik 13. Februar 2007 Betreuer (HS Anhalt): Prof. Dr. Detlef Klöditz

Mehr

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi Motivation Themenblock: Data Preprocessing We are drowning in information, but starving for knowledge! (John Naisbett) Was genau ist Datenanalyse? Praktikum: Data Warehousing und Data Mining Was ist Data

Mehr

Bund Mitglieder nach KV-Bezirk 1-25 Familienangehörige nach KV-Bezirk 26-50 Versicherte nach KV-Bezirk 51-75

Bund Mitglieder nach KV-Bezirk 1-25 Familienangehörige nach KV-Bezirk 26-50 Versicherte nach KV-Bezirk 51-75 KM 6, Versicherte nach dem Alter und KV-Bezirken 2009 Bund Mitglieder nach KV-Bezirk 1-25 Familienangehörige nach KV-Bezirk 26-50 Versicherte nach KV-Bezirk 51-75 Bund Mitglieder nach Alter 76-93 Familienangehörige

Mehr

E-Mails zuordnen. Änderungen, Irrtümer und Druckfehler vorbehalten. Bearbeitet von Harald Borges. Stand April 2015 www.cobra.de

E-Mails zuordnen. Änderungen, Irrtümer und Druckfehler vorbehalten. Bearbeitet von Harald Borges. Stand April 2015 www.cobra.de E-Mails zuordnen Copyright 2015 cobra computer s brainware GmbH cobra Adress PLUS, cobra CRM PLUS, cobra CRM PRO und cobra CRM BI sind eingetragene Warenzeichen der cobra computer s brainware GmbH. Andere

Mehr

Benutzerhandbuch Edith-Aktuelles

Benutzerhandbuch Edith-Aktuelles Benutzerhandbuch Edith-Aktuelles Den eigenen Internetauftritt verwalten so geht s! Eine Orientierungshilfe der NetzWerkstatt Programmierung: Die NetzWerkstatt GbR Geschäftsführer: Dirk Meinke und Sven

Mehr

Das Kreativitätspotenzial der Deutschen

Das Kreativitätspotenzial der Deutschen Das Kreativitätspotenzial der Deutschen Ergebnisse einer repräsentativen Befragung im Auftrag der Wirtschaftsinitiative für Mitteldeutschland GmbH Prof. Dr. Manfred Kirchgeorg Evelyn Kästner (M.A.) Lehrstuhl

Mehr

Info. Nutzung der Web-Anmeldung Campus Management. Team CMA Stand Oktober 14

Info. Nutzung der Web-Anmeldung Campus Management. Team CMA Stand Oktober 14 Info Nutzung der Web-Anmeldung Campus Management Team CMA Stand Oktober 14 Inhaltsverzeichnis 1 Anmeldezeitraum: 3 2 Hilfe und Support: 3 3 Zugang zur Web-Anmeldung: 3 4 Meine Module: 6 5 Ein neues Modul

Mehr

Avery Zweckform Assistent 4.x Tipps für die Fehlerbehebung

Avery Zweckform Assistent 4.x Tipps für die Fehlerbehebung Avery Zweckform Assistent 4.x Tipps für die Fehlerbehebung Installation und Makros Installationstipps Im Netzwerk installierte Anwendungen gegenüber Netzwerk-Anwendungen Microsoft Word Makro-Sicherheit

Mehr

Diese Anleitung bezieht sich auf FixFoto, V 3.40. In älteren oder neueren Versionen könnte die Arbeitsweise anders sein.

Diese Anleitung bezieht sich auf FixFoto, V 3.40. In älteren oder neueren Versionen könnte die Arbeitsweise anders sein. Pfade einstellen Stand: Dezember 2012 Diese Anleitung bezieht sich auf FixFoto, V 3.40. In älteren oder neueren Versionen könnte die Arbeitsweise anders sein. Diese Anleitung soll zeigen, wie man Pfad-Favoriten

Mehr

Handbuch Website. Handbuch Redakteure Fakultät. Handbuch Website. CMS TYPO3 (Version 4.6) Dokument-Version: 1.0

Handbuch Website. Handbuch Redakteure Fakultät. Handbuch Website. CMS TYPO3 (Version 4.6) Dokument-Version: 1.0 Handbuch Website Handbuch Redakteure Fakultät CMS TYPO3 (Version 4.6) Dokument-Version: 1.0 Herausgeber: Kreativoli Mediendesign Altstadt 195 84028 Landshut Tel.: (0871) 9 66 41 33 Fax: (0871) 9 66 41

Mehr

Excel-Kurs (Stephan Treffler, HS Erding)

Excel-Kurs (Stephan Treffler, HS Erding) Excel-Kurs (Stephan Treffler, HS Erding) Der Excel-Kurs geht davon aus, dass Schüler der 9.Jahrgangsstufe grundsätzlich mit Excel umgehen können und über das Menü und die verschiedenen Funktionen Bescheid

Mehr

Leistungsverbuchung Noteneingabe von Prüfungsleistungen über das Service-/SB-Portal an der Hochschule Landshut

Leistungsverbuchung Noteneingabe von Prüfungsleistungen über das Service-/SB-Portal an der Hochschule Landshut Noteneingabe von Prüfungsleistungen über das Service-/SB-Portal an der Hochschule Landshut Benutzerkennung und Zertifikat vom RZ Anmeldung am Service-Portal Übergang zum SB-Portal (HIS-Software) Einstieg

Mehr

CHECK24-Autokreditatlas. Analyse der Autokredit-Anfragen aller CHECK24-Kunden aus 2011 & 2012

CHECK24-Autokreditatlas. Analyse der Autokredit-Anfragen aller CHECK24-Kunden aus 2011 & 2012 CHECK24-Autokreditatlas Analyse der Autokredit-Anfragen aller CHECK24-Kunden aus 2011 & 2012 Stand: März 2013 CHECK24 2013 Agenda 1. Methodik 2. Zusammenfassung 3. Autokredite 2011 vs. 2012 4. Kredit,

Mehr

INTEGRA Lohn & Gehalt

INTEGRA Lohn & Gehalt Beschreibung der Erweiterungen für SEPA Zum 1. Februar 2014 werden die nationalen Überweisungs- und Lastschriftverfahren im Euro-Zahlungsverkehrsraum durch das neue SEPA-Verfahren ersetzt. Die bislang

Mehr

Anleitung FlexNow als Prüfer / Stellvertreter nutzen

Anleitung FlexNow als Prüfer / Stellvertreter nutzen Anleitung FlexNow als Prüfer / Stellvertreter nutzen Autor: Max Schultheis Version: 1.2 Stand: 2014.04.04 Inhalt 1. Beantragung der benötigten Berechtigung... 1 2. Installation... 1 3. Login... 1 4. Noteneintragung...

Mehr

How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage

How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage Von Zeit zu Zeit erweitern neue Funktionen die Ausstattungsmerkmale des SolarLog. Wenn ein neues Firmewareupdate heraus kommt, werden plötzlich

Mehr

AbsolventInnenbefragung. HS Magdeburg-Stendal und HS Neubrandenburg im Jahr 2011

AbsolventInnenbefragung. HS Magdeburg-Stendal und HS Neubrandenburg im Jahr 2011 Ausgewählte Ergebnisse der AbsolventInnenbefragung an den HS Magdeburg-Stendal und HS Neubrandenburg im Jahr 2011 Annika Kohls (Diplom-Pflegewirtin 1 (FH)) Agenda 1. Einführung und Studiendesign 2. Angaben

Mehr

CHECK24-Autokreditanalyse

CHECK24-Autokreditanalyse CHECK24-Autokreditanalyse Auswertung abgeschlossener Autokredite über CHECK24.de nach - durchschnittlichen Kreditsummen, - durchschnittlich abgeschlossenen Zinssätzen, - Bundesländern - und Geschlecht

Mehr

Excel Pivot-Tabellen 2010 effektiv

Excel Pivot-Tabellen 2010 effektiv 7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes

Mehr

Sage Start Dateiablage Anleitung. Ab Version 2015 09.10.2014

Sage Start Dateiablage Anleitung. Ab Version 2015 09.10.2014 Sage Start Dateiablage Anleitung Ab Version 2015 09.10.2014 Inhaltsverzeichnis Inhaltsverzeichnis 2 1.0 Einleitung 3 1.1 Module mit Dateiablage 3 1.2 Allgemeine Informationen 3 1.2.1 Löschen von Datensätzen

Mehr

Das Studiengangsinformationssystem (SGIS)

Das Studiengangsinformationssystem (SGIS) Das Studiengangsinformationssystem (SGIS) Manual für Typo3-Redakteure Version 1.a Mai 2015 Kontakt: Referat 1.4 - Allgemeine Studienberatung und Career Service Christian Birringer, christian.birringer@uni-rostock.de

Mehr

Dokumentation RabattManagerLX Pro. Version 1.0.901.1

Dokumentation RabattManagerLX Pro. Version 1.0.901.1 Dokumentation RabattManagerLX Pro Version 1.0.901.1 Dokumentation RabattManagerLX Pro Version 1.0.901.1 Was ist RabattManagerLX Pro? RabattManagerLX Pro ist ein Programm um individuelle Warengruppen-Rabatte

Mehr

Fakultät für Wirtschaftswissenschaften. Projektarbeit. Datenvorverarbeitung. Modul: Business Intelligence / Wissensextraktion / Data Mining

Fakultät für Wirtschaftswissenschaften. Projektarbeit. Datenvorverarbeitung. Modul: Business Intelligence / Wissensextraktion / Data Mining Fakultät für Wirtschaftswissenschaften Projektarbeit Datenvorverarbeitung Modul: Business Intelligence / Wissensextraktion / Data Mining Studiengänge Master Digitale Logistik und Management und Master

Mehr

Das Listen Abgleich Interface wird einfach über Doppelklick auf die Datei Listen-Abgleich-Interface.accde gestartet.

Das Listen Abgleich Interface wird einfach über Doppelklick auf die Datei Listen-Abgleich-Interface.accde gestartet. Anleitung Listen Abgleich Interface Was macht das Listen Abgleich Interface? Das Listen Abgleich Interface importiert und gleicht Excel Listen, welche beispielsweise aus Web Kontaktformularen, Adresszukäufen

Mehr

3 Nachrichten bearbeiten und automatisieren

3 Nachrichten bearbeiten und automatisieren Outlook 2007 Einführung Nachrichten bearbeiten 3 Nachrichten bearbeiten und automatisieren Ziele diese Kapitels! Sie lernen, wie Sie Nachrichten gruppieren und sortieren, um Mails schneller wieder zu finden!

Mehr

Whitepaper. Produkt: combit Relationship Manager / address manager. Integration der Ansicht "Adressen" in eigene Solution

Whitepaper. Produkt: combit Relationship Manager / address manager. Integration der Ansicht Adressen in eigene Solution combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager / address manager Integration der Ansicht "Adressen" in eigene Solution Integration der Ansicht "Adressen" in

Mehr

Es öffnet sich nun das Hauptfenster der NC online Oberfläche. Sie sind nun in Ihrem persönlichen email Bereich:

Es öffnet sich nun das Hauptfenster der NC online Oberfläche. Sie sind nun in Ihrem persönlichen email Bereich: Herzlich Willkommen! Dieser Text soll Ihnen eine Kurzanleitung bzw. Wegweiser für das email Systems sein. Die meisten Bedienelemente kennen Sie sehr wahrscheinlich bereits von anderen email Oberflächen

Mehr

RÖK Typo3 Dokumentation

RÖK Typo3 Dokumentation 2012 RÖK Typo3 Dokumentation Redakteur Sparten Eine Hilfe für den Einstieg in Typo3. Innpuls Werbeagentur GmbH 01.01.2012 2 RÖK Typo3 Dokumentation Inhalt 1) Was ist Typo3... 3 2) Typo3 aufrufen und Anmelden...

Mehr

Michael Brylka Valentina Dukhota Simon Jugl Christian Kleiner Christina Lindinger

Michael Brylka Valentina Dukhota Simon Jugl Christian Kleiner Christina Lindinger Projektleiterin: Projektmitarbeiter: Prof. Dr. Erika Regnet Manuel Bode Michael Brylka Valentina Dukhota Simon Jugl Christian Kleiner Christina Lindinger Januar 2010 1 Agenda 1. Überblick 2. Gründe für

Mehr

4. Tabelleneingabe Open Office / Excel

4. Tabelleneingabe Open Office / Excel 4. Tabelleneingabe Open Office / Excel Da das Speichern mit Open Office leichter ist als über die Microsoft Produkte, empfehle ich, mit dem kostenlosen Open Office zu arbeiten. Dazu in Open Office Calc

Mehr

Central-Office / RAP

Central-Office / RAP Update-Information zur Version 6.02 R54 Central-Office / RAP Hier finden Sie Informationen zu den Erweiterungen/Änderungen bei der Central-Office Programmversion 6.02 R54. Die Version des bei Ihnen installierten

Mehr

Im Falle der Neueingabe müssen Sie in dem nachfolgendem Formular die Datenquelle auswählen und die Art der Prüfung festlegen.

Im Falle der Neueingabe müssen Sie in dem nachfolgendem Formular die Datenquelle auswählen und die Art der Prüfung festlegen. Ereignismanager Ereignismanager Ereignismanager - Grundsätzliches Allgemeines Mit Hilfe des Ereignismanagers können Sie Feldeingaben (bei Neueingaben oder Änderungen) überprüfen lassen. Sie können für

Mehr

R E C H T S A N W Ä LT E W Ü R T H & K O L L E G E N Bürogemeinschaft. Leitfaden für Studienplatzklagen

R E C H T S A N W Ä LT E W Ü R T H & K O L L E G E N Bürogemeinschaft. Leitfaden für Studienplatzklagen Leitfaden für Studienplatzklagen Vorbemerkungen: Dieser Leitfaden kann nur ein grober Anhaltspunkt sein und ersetzt nicht die persönliche Beratung. Nur so kann sichergestellt werden, dass die Fallstricke

Mehr

ID Umzug Demo-Client Umzugsnachverfolgung und Sterbedatei Deutschland/Österreich

ID Umzug Demo-Client Umzugsnachverfolgung und Sterbedatei Deutschland/Österreich ID Umzug Demo-Client Umzugsnachverfolgung und Sterbedatei Deutschland/Österreich @ IntelliData GmbH 2004 1. Einführung... 2 1.1 Allgemein... 2 1.2 Was ist ID Umzug...2 2. Anleitung... 3 2.1 Anmeldung...

Mehr

Anwendungsbeschreibung des ReNoStar-Druckers

Anwendungsbeschreibung des ReNoStar-Druckers Anwendungsbeschreibung des ReNoStar-Druckers Stand September 2007 Inhalt Inhalt... 2 Anforderung aus der Praxis... 3 Die ReNoStar Drucker-Leiste... 3 Erstellen einer Vorlage... 3 Reihenfolge der Vorlagen

Mehr

TYPO3-REDAKTEURSHANDBUCH

TYPO3-REDAKTEURSHANDBUCH TYPO3-REDAKTEURSHANDBUCH Erstellung von Webseiten mit dem TYPO3-CMS der HHU Düsseldorf ZIM Zentrum für Informations- und Medientechnologie ZIM - TYPO3-Team HHU Düsseldorf Ansprechpartner ZIM Dr. Sebastian

Mehr

Der Editor zum CRM Marketing Mail Manager. Benutzerhandbuch Version: 6.0.0

Der Editor zum CRM Marketing Mail Manager. Benutzerhandbuch Version: 6.0.0 Der Editor zum CRM Marketing Mail Manager Benutzerhandbuch Version: 6.0.0 Inhalt 1 Vorwort... 3 2 Ausgangssituation... 4 2.1 Der Bereich Vorlagen/Bausteine... 6 2.2 Das Bearbeitungsfeld... 6 2.3 Die Vorschau...

Mehr

Wissenschaftliches Arbeiten mit dem Programm Microsoft Word

Wissenschaftliches Arbeiten mit dem Programm Microsoft Word Wissenschaftliches Arbeiten mit dem Programm Microsoft Word Ein Leitfaden und Ratgeber für Studierende der Hochschule Fulda des Fachbereichs Sozialwesen Inhaltsverzeichnis VORWORT... 1 1. EINRICHTEN DES

Mehr

Installation Anleitung für JTheseus und MS SQL Server 2000

Installation Anleitung für JTheseus und MS SQL Server 2000 Installation Anleitung für JTheseus und MS SQL Server 2000 Inhaltsverzeichnis 1 Installation der Datenbank 3 1.1 Erstellen der Datenbank 3 1.2 Tabellen und Minimal Daten einlesen 4 1.3 Benutzer JTheseus

Mehr

WISO Mein Büro, WISO Angebot & Rechnung Artikelimport Version / Datum V 12.00.04.100

WISO Mein Büro, WISO Angebot & Rechnung Artikelimport Version / Datum V 12.00.04.100 Software WISO Mein Büro, WISO Angebot & Rechnung Thema Artikelimport Version / Datum V 12.00.04.100 1. Einführung Über den Artikelimport haben Sie die Möglichkeit Artikel aus vielen gängigen Formaten bequem

Mehr

32.4 Anpassen von Menüs und Symbolleisten 795i

32.4 Anpassen von Menüs und Symbolleisten 795i 32.4 Anpassen von Menüs und Symbolleisten 795i Fortsetzung der Seiten in der 8. Auflage 32.4 Anpassen von Menüs und Symbolleisten 32.4.1 Anpassen von Menüs Die Menüs können um folgende Typen von Optionen

Mehr

SharePoint und InfoPath von Microsoft ein Erklärungsversuch für Anwender

SharePoint und InfoPath von Microsoft ein Erklärungsversuch für Anwender SharePoint und InfoPath von Microsoft ein Erklärungsversuch für Anwender Was ist SharePoint? Dies ist eine berechtigte Frage, die zunehmend von Anwendern gestellt, aber selten zufriedenstellend beantwortet

Mehr

Manual zur Excel-Oracle Schnittstelle (Version 4.2.2008, Peter Jakob, Peter Waldner)

Manual zur Excel-Oracle Schnittstelle (Version 4.2.2008, Peter Jakob, Peter Waldner) Manual zur Excel-Oracle Schnittstelle (Version 4.2.2008, Peter Jakob, Peter Waldner) 1. Funktion der Schnittstelle Diese Schnittstelle ermöglicht das Transferieren von Daten aus einem Excel-Datenblatt

Mehr

Manueller Import von Dateien

Manueller Import von Dateien PhPepperShop Enterprise Datum: 22. Mai 2015 Version: 1.2 Manueller Import von Dateien Importe/Exporte Business Connector Glarotech GmbH Inhaltsverzeichnis 1. Manueller Import von Dateien im Caller...3

Mehr

Mein erstes Tableau-Dashboard. Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen

Mein erstes Tableau-Dashboard. Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen Vorgehensweise 1) Datenaufbereitung in Microsoft Excel 2) Tableau - Datenimport 3) Erstellung verschiedener Tableau-Arbeitsblätter

Mehr

Anleitung für das Content Management System

Anleitung für das Content Management System Homepage der Pfarre Maria Treu Anleitung für das Content Management System Teil 4 Kalendereinträge Erstellen eines Kalender-Eintrages 1. Anmeldung Die Anmeldung zum Backend der Homepage erfolgt wie gewohnt

Mehr

Drupal Views Bildergalerie erstellen

Drupal Views Bildergalerie erstellen Drupal Views Bildergalerie erstellen (HTML5-Tags ergänzen, Gesamtsumme der Bilder, Bild URL hinzufügen) Es wird eine Galerie Übersichtsseite basierend auf Views-Relationships aufgebaut. Von dieser ausgehend

Mehr

2 Windows- Grundlagen

2 Windows- Grundlagen 2 Windows- Grundlagen 2.1 Der Windows-Desktop Windows bezeichnet den gesamten Monitorbildschirm des Computers inklusive der Taskleiste als Schreibtisch oder als Desktop. Zum besseren Verständnis möchte

Mehr

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar)

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar) Die folgenden Erklärungen und Abbildungen sollen den Umgang mit SPSS im Rahmen des POK erleichtern. Diese beschreiben nicht alle Möglichkeiten, die SPSS bietet, sondern nur die Verfahren, die im Seminar

Mehr

MSDN Academic Alliance kostenlose Microsoft Software für Mitglieder der Fakultät Informatik

MSDN Academic Alliance kostenlose Microsoft Software für Mitglieder der Fakultät Informatik MSDN Academic Alliance kostenlose Microsoft Software für Mitglieder der Fakultät Informatik Achtung! Diese Seite bedient nur Mitglieder der Fakultät Informatik. Bei jedem Kontakt zum MSDNAA Administrator

Mehr

Anleitung fu r die Vorlage restpunkte.xlsx

Anleitung fu r die Vorlage restpunkte.xlsx Anleitung fu r die Vorlage restpunkte.xlsx Inhalt 1 Einleitung... 1 2 Grundsätzliche Bedienungshinweise... 1 3 Wichtige Regeln für das Ausfüllen... 2 4 Erfassen der Information... 2 4.1 Das Blatt Inspektionen...

Mehr

HS WAWI. Inhaltsverzeichnis. Beschreibung Masken-Steuerungselemente... 2. Suchtoolbar... 3. Berichtstoolbar... 4. Auswahltabellen...

HS WAWI. Inhaltsverzeichnis. Beschreibung Masken-Steuerungselemente... 2. Suchtoolbar... 3. Berichtstoolbar... 4. Auswahltabellen... Inhaltsverzeichnis Masken-Steuerungselemente... 2 Suchtoolbar... 3 Berichtstoolbar... 4 Auswahltabellen... 6 1 Masken-Steuerungselemente Geht zum ersten in der gewählten Sortierfolge (STRG + Pos1) Geht

Mehr

2015 conject all rights reserved

2015 conject all rights reserved 2015 conject all rights reserved Inhaltsverzeichnis 1. Einleitung... 3 2. Schritte für Anpassung des Planmanagements... 5 3. Kategoriewerte ergänzen... 5 4. Blockwerte in den Blockdateien ergänzen... 6

Mehr

3 ANSICHTEN DER E-MAIL-FENSTER

3 ANSICHTEN DER E-MAIL-FENSTER MS Outlook 00 Kompakt Ansichten der E-Mail-Fenster 3 ANSICHTEN DER E-MAIL-FENSTER 3. Tabellarische Ansicht In einer tabellarischen Ansicht werden in einer Kopfzeile die Namen der Spalten eingeblendet,

Mehr

Magic Mail Monitor. (Ausgabe 05.02.2011 für V 2.94b18)

Magic Mail Monitor. (Ausgabe 05.02.2011 für V 2.94b18) Magic Mail Monitor (Ausgabe 05.02.2011 für V 2.94b18) Teil 1: Was bietet der Magic Mail Monitor Der Magic Mail Monitor ist ein hervorragendes Werkzeug zum Überprüfen von E-Mail Konten auf dem Mail-Server.

Mehr

Corporate Responsibility Self Assessment 3.0 (CRSA)

Corporate Responsibility Self Assessment 3.0 (CRSA) Corporate Responsibility Self Assessment 3.0 (CRSA) CRSA Screenshot Leitfaden für Lieferanten im click4suppliers easy Version.0/202-07-02 Gliederung Anleitungen zum Ausfüllen des Corporate Responsibility

Mehr

hyscore Sollwerte-Import Version 3.1.6, September 2007

hyscore Sollwerte-Import Version 3.1.6, September 2007 Kurzanleitung In hyscore 3.1.6 haben wir den Import von Sollwerten für Kennzahlen wesentlich vereinfacht. Zuvor mußten alle Sollwerte, Schwellwerte und Prozentwerte für jede Kennzahl und jedes Datum in

Mehr

MS-Excel 2003 Datenbanken Pivot-Tabellen

MS-Excel 2003 Datenbanken Pivot-Tabellen The Company Datenbanken Pivot-Tabellen (Schnell-Einführung) Seestrasse 160, CH-8002 Zürich E-Mail: info@iswsolution.ch Autor: F. Frei The Company 2 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Datenbank...

Mehr

Von: Sven Weltring, Viola Berlage, Pascal Küterlucks, Maik Merscher

Von: Sven Weltring, Viola Berlage, Pascal Küterlucks, Maik Merscher Von: Sven Weltring, Viola Berlage, Pascal Küterlucks, Maik Merscher Inhaltsverzeichnis 1. Desktop 2. Erklärung von Tastatur und Maus 3. Computer ausschalten 4. Neuer Ordner erstellen 5. Microsoft Word

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

FlowFact Alle Versionen

FlowFact Alle Versionen Training FlowFact Alle Versionen Stand: 13.09.2005 E-Mail Briefpapier und Signatur (Visitenkarte) erstellen Mit FlowFact können Sie beliebig viele E-Mail-Vorlagen speichern, um zu gegebenem Anlass (z.b.

Mehr

Outlook Web App 2010. Kurzanleitung. interner OWA-Zugang

Outlook Web App 2010. Kurzanleitung. interner OWA-Zugang interner OWA-Zugang Neu-Isenburg,08.06.2012 Seite 2 von 15 Inhalt 1 Einleitung 3 2 Anmelden bei Outlook Web App 2010 3 3 Benutzeroberfläche 4 3.1 Hilfreiche Tipps 4 4 OWA-Funktionen 6 4.1 neue E-Mail 6

Mehr

Whitepaper. Produkt: combit Relationship Manager / address manager. FILESTREAM für Microsoft SQL Server aktivieren

Whitepaper. Produkt: combit Relationship Manager / address manager. FILESTREAM für Microsoft SQL Server aktivieren combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager / address manager FILESTREAM für Microsoft SQL Server aktivieren FILESTREAM für Microsoft SQL Server aktivieren

Mehr

Info zum Junk-Mail-Filter in Thunderbird:

Info zum Junk-Mail-Filter in Thunderbird: Datenverarbeitungszentrale Datenverarbeitungszentrale dvz@fh-muenster.de www.fh-muenster.de/dvz Info zum Junk-Mail-Filter in Thunderbird: Der Grossteil der Benutzer verwendet zusätzlich zum zentralen Mail-Filter

Mehr

Anleitung Markttechnik-Paket im TraderFox Trading-Desk (Version 1.0) Zur Bestellseite

Anleitung Markttechnik-Paket im TraderFox Trading-Desk (Version 1.0) Zur Bestellseite Anleitung Markttechnik-Paket im TraderFox Trading-Desk (Version 1.0) Zur Bestellseite Die Funktionen des Markttechnik-Pakets sind im TraderFox Trading-Desk auf https://traderfox.com integriert. Die Funktionen

Mehr

Ein Word-Dokument anlegen

Ein Word-Dokument anlegen 34 Word 2013 Schritt für Schritt erklärt Ein Word-Dokument anlegen evor Sie einen Text in Word erzeugen können, müssen Sie zunächst einmal ein neues Dokument anlegen. Die nwendung stellt zu diesem Zweck

Mehr

Objektorientiertes Programmieren für Ingenieure

Objektorientiertes Programmieren für Ingenieure Uwe Probst Objektorientiertes Programmieren für Ingenieure Anwendungen und Beispiele in C++ 18 2 Von C zu C++ 2.2.2 Referenzen und Funktionen Referenzen als Funktionsparameter Liefert eine Funktion einen

Mehr

Bedienungsanleitung. Stand: 26.05.2011. Copyright 2011 by GEVITAS GmbH www.gevitas.de

Bedienungsanleitung. Stand: 26.05.2011. Copyright 2011 by GEVITAS GmbH www.gevitas.de GEVITAS-Sync Bedienungsanleitung Stand: 26.05.2011 Copyright 2011 by GEVITAS GmbH www.gevitas.de Inhalt 1. Einleitung... 3 1.1. Installation... 3 1.2. Zugriffsrechte... 3 1.3. Starten... 4 1.4. Die Menü-Leiste...

Mehr

Software für den Kurs

Software für den Kurs Software für den Kurs das Korpus wird auf der Kurshomepage zur Verfügung gestellt Emu Speech Database System erhältlich unter http://emu.sourceforge.net/index.shtml Ausgangsmaterial: Sprachdatenbank, die

Mehr

1. Diigo.com. Pädagogische Hochschule Thurgau. Lehre Weiterbildung Forschung. 1.1. Anmeldung

1. Diigo.com. Pädagogische Hochschule Thurgau. Lehre Weiterbildung Forschung. 1.1. Anmeldung Pädagogische Hochschule Thurgau. Lehre Weiterbildung Forschung Prorektorat Forschung und Wissensmanagement Lars Nessensohn 1. Diigo.com Bewegt man sich im Internet, so arbeitet man früher oder später auch

Mehr