Mit maschinellem Lernen erfolgreich Bilanzmanipulation erkennen
|
|
- Jacob Weiss
- vor 7 Jahren
- Abrufe
Transkript
1 Mit maschinellem Lernen erfolgreich Bilanzmanipulation erkennen Bankingclub 2015 Webinar 5. November 2015 Dennis Weinbender
2 Disclaimer Alle nachfolgenden Inhalte geben ausschließlich die persönliche Auffassung des Vortragenden wieder und stellen nicht die offizielle Auffassung seines Arbeitgebers dar. 1
3 Fraud Definition: Bilanzpolitik und Bilanzmanipulation sind voneinander abzugrenzen Übergang von Bilanzpolitik zu -manipulation (Fraud) ist fließend 1) Bilanzpolitik dient in guten Zeiten der Reduktion des Steueraufkommens durch Ausnutzung von Bilanzierungswahlrechten. In schlechten Zeiten dient sie jedoch dem Erhalt der Kreditwürdigkeit. Progressive Bilanzpolitik, z.b. Unterbewertung von Abschreibungen bei Forderungsausfällen können erste Signale sein. Fraud liegt spätestens dann vor, wenn auf Basis von manipulierten oder vorenthaltenen Informationen ein falscher Bonitätseindruck vermittelt wird. Das heißt die Linie/ das Kredit wäre unter den Konditionen nicht gegeben, wenn die nicht manipulierte Information verfügbar wäre. Prävention Ziel der Prävention ist die Verschleierung der objektiven Situation des Unternehmens möglichst frühzeitig, insbesondere vor Auszahlung zu erkennen. Dafür sind Detektionsmethoden entwickelt worden, die Auffälligkeiten erkennen und sichtbar machen. 1) Siehe z.b.obermann, M., Bilanzpolitik und Kreditvergabeentscheidungen, Lüneburg
4 Fraud-Engine extrahiert und verbindet Fraud-Trigger aus beliebigen Datenquellen Dateninput flexibel als Datenquellen können jegliche Inhalte zu den Kunden verarbeitet werden Falls die Datenquelle die Bestimmung der Frauds ungenauer macht, wird dies erkannt und die Quelle wird ignoriert. Bank Produkte Bilanzen Dokumente Auskunfteien Internet Prozess Infos Kunden Infos Statistisches Modell Basis ist ein Datensatz von Engagements mit zwei Kennzeichen: Fraud und Non Fraud basierend auf Informationen zu den Fällen wird der Fraud-Score bestimmt, der die beiden Gruppen möglichst zuverlässig voneinander trennt Fraud-Engine Fraud Score der Fraud-Score von neuen Fällen (dessen Kennzeichen nicht bekannt ist) sagt aus, wie hoch die Ähnlichkeit zu bisher bekannten Fraudfällen ist auffällig Ergebnis: vergleichsweise hoher Score führt zur Markierung eines Engagements Quali Quali Bilanz Bilanz Stamm Stamm Konto Konto vorerst unauffällig Ergebnis: vergleichsweise niedriger Score und damit keine auffallend starke Ähnlichkeit zu Fraudfällen 3
5 Analog zu Retail bündelt nun Fraud-Engine Prüfressourcen auf relevante Engagements und führt zur frühzeitigen/ rechtzeitigen Frauderkennung 1. Das gesamte Portfolio wird mit einem maschinellen Score auf Fraud- Auffälligkeiten geprüft 2. Das auffällige Portfolio wird analysiert 3. Die Fraud-Entscheidung wird nach einer Experten-basierten Prüfung getroffen in einem Fraud-Fall werden die entsprechenden Maßnahmen eingeleitet bei einem unbegründeten Verdacht geht das Engagement zurück in den Regelprozess der Bonitätseinschätzung 4. In Anbetracht der Bonitätsentwicklung werden abrupt ausgefallene Engagements zusätzlich in einer Dunkelfeldanalyse auf Fraud untersucht 5. Die Meldungen der Prüfergebnisse bilden einen Qualitätszyklus Normale Geschäftsprüfung Bonitätseinschätzung Fraud Prevention Fraud-Scoring Maschinell auffällige Engagements Tiefenprüfung Kein Fraud Fraud Monitoring Die aufwändige Fraud-Prüfung wird auf wenige relevante Engagements gebündelt Alle Geschäfte bekommen ein maschinelles Kennzeichen und dazu, nach dem Prüfprozess, eine qualitative Rückmeldung von den Prüfern Diese Korrektur des Fraud-Kennzeichens und die ex post Beurteilung ausgefallener Engagements gewährleisten, dass das Modell dazu lernen kann und trennschärfer wird Dunkelfeld analyse Absicherung Kündigung Meldung Rückmeldung an die Methode 4
6 Fraud-Engine benutzt State-of-the-Art Algorithmen für Model Schätzung und Valiedierung Doppelte Kreuzvalidierung Training und Test Validierung Validierung auf Chunk 4 Methode der doppelten Kreuzvalidierung verhindert Overfitting Der Datensatz wird in mehrere Teile (Chunks) unterteilt. Wiederholt wird das Modell auf disjunkten Teilen trainiert und getestet Die innere Validierung bestimmt das beste Modell, die äußere testet dessen Generalisierbarkeit Alle Bilanzen eines Netzwerks werden gemeinsam betrachtet, d.h. sie befinden sich immer in einem Teildatensatz Validierung Training und Test Chunk 1 Chunk 2 Chunk 3 Chunk 4 Validierung auf Chunk 4 Benutzung von State-of-the-Art Verfahren des Maschinellen Lernens Regeln: SVM radial Random Forest Gradient Boosting Regression: PLS MARS Elastic net Neuronale Netze: Autoencoder Deep Nets time Daten eines Non-Fraud Netzwerks Daten eines Fraud Netzwerks Daten eines Test Netzwerks Daten eines Validierungs Netzwerks Maschinelles Lernen erweitert die klassische Toolbox, jedoch hat jedes Verfahren Stärken und Schwächen. (No Free Lunch) Blackbox-Verfahren: werden als Benchmarks benutzt Whitebox-Verfahren stellen den Kern der Operativen Anwendung dar. Rückführung auf die Bestandteile liefern erste Prüfpunkte bei der Fraud-Untersuchung. 5
7 Fraud-Engine präsentiert die aktiven Fraud-Trigger, ordnet diese der Wichtigkeit nach und zeigt zusätzliche Informationen auf Korrespondieren die Veränderungen in den Zahlen zu realen Business Vorgängen? 6
8 Vielen Dank für Ihre Aufmerksamkeit! Dennis Weinbender Fraud Management Group Credit Risk Management Tel.: Mail: 7
Wissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken Deep Learning (II) Nico Piatkowski und Uwe Ligges Informatik Künstliche Intelligenz 25.07.2017 1 von 14 Überblick Faltungsnetze Dropout Autoencoder Generative Adversarial
MehrRundschreiben Nr. 38/2017. AnaCredit hier: Informationen über die Testphase und (Erst-/Folge-)Registrierung im ExtraNet für AnaCredit
An alle Banken (MFIs) und an die Rechenzentralen der Sparkassen und Kreditgenossenschaften (sowie an die Bankenverbände und Meldewesen- Software-Hersteller) 16. Juni 2017 Rundschreiben Nr. 38/2017 AnaCredit
MehrNutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten
Nutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten Albert-Ludwigs-Universität zu Freiburg 13.09.2016 Maximilian Dippel max.dippel@tf.uni-freiburg.de Überblick I Einführung Problemstellung
MehrSupport Vector Machines (SVM)
Universität Ulm 12. Juni 2007 Inhalt 1 2 3 Grundlegende Idee Der Kern-Trick 4 5 Multi-Klassen-Einteilung Vor- und Nachteile der SVM 1 2 3 Grundlegende Idee Der Kern-Trick 4 5 Multi-Klassen-Einteilung Vor-
MehrBachelorarbeit Erkennung von Fließtext in PDF-Dokumenten
Bachelorarbeit Erkennung von Fließtext in PDF-Dokumenten 16.08.2016 David Spisla Albert Ludwigs Universität Freiburg Technische Fakultät Institut für Informatik Gliederung Motivation Schwierigkeiten bei
MehrModellierung mit künstlicher Intelligenz
Samuel Kost kosts@mailbox.tu-freiberg.de Institut für Numerische Mathematik und Optimierung Modellierung mit künstlicher Intelligenz Ein Überblick über existierende Methoden des maschinellen Lernens 13.
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrBioburden Maßnahmen zur Detektion mikrobieller Kontaminationen auf Medizinprodukten
Bioburden Maßnahmen zur Detektion mikrobieller Kontaminationen auf Medizinprodukten Dr. Wolfgang Sening Geschäftsführer Agenda Medizinprodukte - Definition und Überprüfung Kontaminationen auf Medizinprodukten
MehrValidation Model Selection Kreuz-Validierung Handlungsanweisungen. Validation. Oktober, von 20 Validation
Validation Oktober, 2013 1 von 20 Validation Lernziele Konzepte des maschinellen Lernens Validierungsdaten Model Selection Kreuz-Validierung (Cross Validation) 2 von 20 Validation Outline 1 Validation
Mehr... sind ein Dienstleistungsunternehmen mit 22jähriger Erfahrung im Bereich Customer Service: > Prüfvorgänge und 7.
Wir... sind ein Dienstleistungsunternehmen mit 22jähriger Erfahrung im Bereich Customer Service: >1.000.000 Prüfvorgänge und 7.500 Consultingtage... erarbeiten umsetzbare Lösungen, um Ihren Service nachhaltig
MehrKNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren
KNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren Holger Rahlf; Reiner Schubert www.baw.de Künstlich Neuronales Netz Gliederung Einleitung Grundlagen Möglichkeit und Grenzen Anwendung
MehrWas ist Scoring? Newsletter Nov. 2011
Was ist Scoring? Scoring wird im erweiterten Sinne als Oberbegriff für analytisch-statistische Verfahren benutzt. Diese basieren auf bekannten Informationen über eine Zielgruppe und erzielen durch den
MehrDie Komponenten eines effektiven Projektmanagements. Biel Tabea Wallner Vivien
Die Komponenten eines effektiven Projektmanagements Biel Tabea Wallner Vivien Themen der Präsentation - Was ist ein Projekt? - Was ist Projektmanagement? - 2 Typen von Projektmanagement - Unterschied zwischen
MehrExterne Berater im Nachfolgeprozess: Nutzen und Risiken. Alexandra Michel und Nadine Kammerlander
Externe Berater im Nachfolgeprozess: Nutzen und Risiken Alexandra Michel und Nadine Kammerlander Fragestellung Der Nachfolgeprozess gehört zu den kritischen Ereignissen in Familienunternehmen ihn erfolgreich
MehrNeuronalen Netzen. Jens Lehmann. 1. März Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden
Institut für Künstliche Intelligenz Fakultät Informatik Technische Universität Dresden 1. März 2005 Neurosymbolische Integration versucht künstliche neuronale Netze und Logikprogrammierung zu vereinen
MehrEin Integriertes Berichtswesen als Führungshilfe
Ein Integriertes Berichtswesen als Führungshilfe Begleitung eines kennzahlgestützten Berichtswesens zur Zielerreichung Tilia Umwelt GmbH Agenda 1. Was bedeutet Führung? 2. Was bedeutet Führung mit Hilfe
MehrGeleitwort zur editionmalik... 7
Inhalt Geleitwort zur editionmalik.................... 7 1. Einführung........................... 9 1.1 Finanzierbarkeit des Mittelstands auf dem Prüfstand..... 9 1.2 Notwendigkeit für Kredite und Begriffsbestimmung
MehrSetzen. Spiel! FACT BOOK DAS NEUE ZEITALTER DER BESCHAFFUNG HAT BEREITS BEGONNEN
Setzen Sie Ihr Image Nicht auf s FACT BOOK Spiel! DAS NEUE ZEITALTER DER BESCHAFFUNG HAT BEREITS BEGONNEN Wirksam und dauerhaft erfolge sichern Wirkungsvolles Risk- und Compliance Management System Mittelständische
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrBitte an das Labor weiterleiten Wichtige Produktinformation. WICHTIGER PRODUKT-SICHERHEITS- UND KORREKTURHINWEIS VITEK MS System: Einschränkungen
Customer Service Wichtige Information Genf, 10. Februar 2017 FSCA 1016267 - VTK MS Bitte an das Labor weiterleiten Wichtige Produktinformation WICHTIGER PRODUKT-SICHERHEITS- UND KORREKTURHINWEIS VITEK
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
Mehrriskkv Scorenalyse riskkv Scoring Seite 1 von 9
riskkv Scorenalyse riskkv Scoring Seite 1 von 9 Das Modul dient der flexiblen Erstellung, Auswertung und Verwendung von Scores. Durch vordefinierte Templates können in einer Einklicklösung bspw. versichertenbezogene
MehrRISIKOMANAGEMENT VON PROJEKTEN IM RAHMEN DES RISIKOMANAGEMENTS VON PORTFOLIOS
RISIKOMANAGEMENT VON PROJEKTEN IM RAHMEN DES RISIKOMANAGEMENTS VON PORTFOLIOS PMI CHAPTER MEETING STUTTGART - KPMG PMI CHAPTER MEETING STUTTGART LISA SLOCUM 05.10.2015 1 PRÄSENTATION Inhaltsverzeichnis
Mehr, Data Mining, 2 VO Sommersemester 2008
Evaluation 188.646, Data Mining, 2 VO Sommersemester 2008 Dieter Merkl e-commerce Arbeitsgruppe Institut für Softwaretechnik und Interaktive Systeme Technische Universität Wien www.ec.tuwien.ac.at/~dieter/
MehrKostensenkungen bis zu 30% durch Global Sourcing
Kostensenkungen bis zu 30% durch Global Sourcing Internationales Beschaffungsmanagement Professionelle Suche, Beurteilung und Auswahl von qualifizierten Lieferanten zur Optimierung Ihres Einkaufs Wir bieten
MehrDer Digital Business Index (DBI)
Der Digital Business Index (DBI) Modell zur Erfassung der digitalen Reife und strategischer Kompass zur Sicherung der Wettbewerbsfähigkeit ihres Unternehmens ideers Consulting GmbH Warum bedarf es eines
MehrMobbing im Öffentlichen Dienst & in Unternehmen
Verlag Dashöfer GmbH Magdalenenstraße 2 20148 Hamburg www.dashoefer.de VERLAG DASHÖFER Mobbing im Öffentlichen Dienst & in Unternehmen Erläuterungen, Praxisbeispiele und Checklisten Autorin: Petra Halfmann
MehrDatenschutz-Forum Schweiz
Datenschutz-Forum Schweiz Spannungsfeld zwischen Datenschutz und Kreditrisiko Donnerstag, 17.11.2016 Markus Binzegger, COO CRIF AG 1. Wer ist CRIF 2. Darum braucht es Wirtschaftsauskunfteien 3. Wie Wirtschaftsauskunfteien
MehrRotorblatt wieder wie neu
Rotorblatt wieder wie neu Composcan GmbH Rückertstraße 39a 14469 Potsdam info@composcan.de Tel.: 0331-55078890 Seite -1- Vorwort : Rotorblätter ernten den Wind sollen 20+ Jahre halten Längen bis über 80m
MehrFactoring füllt die Lücke zwischen Auftrag und Verkauf.
Factoring füllt die Lücke zwischen Auftrag und Verkauf. Mehr Flexibilität dank Factoring Ihr Unternehmen soll aus eigener Kraft wachsen, Sie möchten ins Ausland expandieren oder einfach Ihren finanziellen
MehrKapitel V. V. Ensemble Methods. Einführung Bagging Boosting Cascading
Kapitel V V. Ensemble Methods Einführung Bagging Boosting Cascading V-1 Ensemble Methods c Lettmann 2005 Einführung Bewertung der Generalisierungsfähigkeit von Klassifikatoren R (c) wahre Missklassifikationsrate
MehrMonte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf
Monte-Carlo Tests Diplomarbeit Wiebke Werft Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2003 Betreuung: Prof. Dr. Arnold Janssen Inhaltsverzeichnis Einleitung
MehrCSA Mixta-BVG Mischvermögen Benchmark und Bandbreiten aktuell und ab dem 1. Januar 2018
CSA Mixta-BVG Mischvermögen Benchmark und Bandbreiten aktuell und ab dem 1. Januar 2018 Benchmark und Bandbreiten - Alt CSA Mixta-BVG Defensiv Benchm ark Bandbreiten in % 9% 1 1 SBI Domestic AAA-BBB (TR)
Mehr2.4.3 Ausgestaltung der quantitativen und der qualitativen Validierung nach aufsichtlicher Vorstellung 18
Inhaltsverzeichnis 1 Einführung 1 2 Erster Aspekt - Validierungsmaße 9 2.1 Hinführung zur Problematik 9 2.2 Diskussion der Problematik in der Literatur 11 2.3 Einordnung der Validierung in die Testtheorie
MehrVerbesserung der Datenqualität im ETL-Prozess durch Data-Mining-Methoden
Verbesserung der Datenqualität im ETL-Prozess durch Data-Mining-Methoden Nürnberg, 01. Dezember 2008 Dr. Joachim Keppler Competence Center Manager Customer Analytics Joachim.Keppler@SHS-VIVEON.com INHALT
MehrWeisung vom Enterprise Fraud Management (EFM) in der BA - Aufdeckung von Anomalien im Zahlungsverkehr
Weisung 201612026 vom 20.12.2016 Enterprise Fraud Management (EFM) in der BA - Aufdeckung von Anomalien im Zahlungsverkehr Laufende Nummer: 201612026 Geschäftszeichen: JDC 1435, 3352, 3305, 3403, 2000,
MehrBis vor einigen Jahren basierte die lokale Bildgebung der Prostata auf dem transrektalen Schall.
Bis vor einigen Jahren basierte die lokale Bildgebung der Prostata auf dem transrektalen Schall. Heute sind neue ultraschallgestützte sowie CT und MRT-gestützte Bildgebungsverfahren verfügbar. Diese werden
Mehr5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
MehrTEST IT CARD ULTRA TEST IT CARD PROF
Leitfaden für Diagnosekarten TEST IT CARD PROF 1 Leitfaden für Diagnosekarten TEST IT CARD PROF & ULTRA TEST IT CARD ULTRA TEST IT CARD PROF 1.0 Kurzanleitung der Diagnosekarten TEST IT CARD PROF & ULTRA
Mehr5. Clusteranalyse Vorbemerkungen. 5. Clusteranalyse. Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Vorbemerkungen 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer
MehrDeutschlands schnellste Unternehmensfinanzierung. Von der Anfrage bis zur Auszahlung. fundingcircle.com
Deutschlands schnellste Unternehmensfinanzierung Von der Anfrage bis zur Auszahlung fundingcircle.com unternehmen@fundingcircle.com 0800 724 08 14 Der Prozess Mit diesem Formular können Sie eine unverbindliche
MehrTrust in Cloud Quo Vadis Zertifizierung. Wolfgang Schmidt, Folker Scholz. Folker Scholz. Cloud-Ecosystem Cloud-EcoSystem
Quo Vadis Zertifizierung Wolfgang Schmidt, Folker Scholz Folker Scholz 2015 2015 Cloud-EcoSystem Cloud-Ecosystem Cloud-Studie ISACA/PwC 2015 Komplexität Cloud Beschaffung DATEN- UND INFORMATIONSSICHERHEIT
MehrLISREL-Mehrgruppenvergleiche (Multi-Sample Analysis)
LISREL-Mehrgruppenvergleiche (Multi-Sample Analysis) 1 Ausgangssituation Normalerweise überprüft man ein Strukturgleichungsmodell mit LISREL an den Daten einer Stichprobe. Wollte man beispielsweise nach
MehrCommercial Banking Übung 1 Kreditscoring
Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse
MehrAVI-Studio Überwachungssystem. Gesichtserkennung
Überwachungssystem Vocord Gesichtserkennung Was ist Gesichtserkennung? Die Vocord Gesichtserkennung ist ein System für die biometrische Gesichtserkennung auf Basis von nichtkooperativer Zielerkennung.
MehrInformationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Lehrstuhl für Wirtschaftsinformatik I - II - 1 -
Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf
MehrHerzlich willkommen: #ITTage16 Nutzenpotenziale der digitalen Transformation entdecken. Ihr Trainer: Dr. Pascal Sieber
1 Herzlich willkommen: #ITTage16 Nutzenpotenziale der digitalen Transformation entdecken Ihr Trainer: Dr. Pascal Sieber 2 Ziele und Inhalt Ziel In 20 min. kennen Sie das Modell zur Entwicklung einer Digital-Strategie
MehrLogistik der Jungeberschlachtung - Erkennung von Geruchsabweichungen -
Logistik der Jungeberschlachtung - Erkennung von Geruchsabweichungen - QS-BMELV - Fachveranstaltung Berlin, den 25. Juni 2013 Dr. Heinz Schweer Direktor Landwirtschaft (Deutschland) Nicht mehr sondern
MehrDas Stage-Gate Modell zur Optimierung der Neumarktentwicklung
Das Stage-Gate Modell zur Optimierung der Neumarktentwicklung Eine empirische Untersuchung am Beispiel der Sekisui Alveo AG Bachelor Thesis Betreuender Dozent: Prof. Dr. Ugo Merkli vorgelegt von: Klasse:
MehrDATENGETRIEBENES MARKETING
DATENGETRIEBENES MARKETING Was kann der Mittelstand morgen schon tun? Dr. Claudio Felten und Dr. Eike Benjamin Kroll Münster, 30. März 2017 HEUTE BEDIENEN SIE Dr. Eike Benjamin Kroll Berater für Customer
MehrBig Data Analytics Mit Daten Vorhersagen treffen Dr. Thomas Keil, SAS,
Big Data Analytics Mit Daten Vorhersagen treffen Dr. Thomas Keil, SAS, 8.5.2017 SAS und Heidelberg 14.000 Mitarbeiter weltweit, etwa 380 davon in Heidelberg (seit 1982 hier) 3,2 Mrd. $ Umsatz weltweit,
MehrNutzung von Wirtschaftsauskünften im Geschäftskundenbereich
Sie benötigen ein neues Titelbild oder brauchen Unterstützung bei der Bildauswahl? Das Marken- Team hilft gerne dabei. marken-team@schufa.de oder Telefon 0611 927 54 Nutzung von Wirtschaftsauskünften im
MehrAlgorithmen & Programmierung. Steuerstrukturen im Detail Selektion und Iteration
Algorithmen & Programmierung Steuerstrukturen im Detail Selektion und Iteration Selektion Selektion Vollständige einfache Selektion Wir kennen schon eine Möglichkeit, Selektionen in C zu formulieren: if
MehrMigration auf ISO in SIC & eurosic
Migration auf ISO 20022 in SIC & eurosic «Roadshow 2014» Christian Schwinghammer, SIX Interbank Clearing AG 21. November 2014 Agenda 1. Zirkular vom 5. August 2014 2. Regeln für die Migration 3. Vorbereitung
MehrErfolg durch Wissen. Petershauser Straße 6, D Hohenkammer
Erfolg durch Wissen www.analyticalsemantics.com Petershauser Straße 6, D-85411 Hohenkammer Unser Angebot IT-Security ISMS 4.0 Quick check BSI Grundschutz und ISO 27000 Welche Inhalte haben Sie bereits
MehrDISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne
Mehrals Steuerungsinstrument Björn Schneider Berlin, 29. November 2016
Klicken Einrichtung Sie, von um das Titelformat GRC-Systemen zu bearbeiten und prozessen als Steuerungsinstrument Björn Schneider Berlin, 29. November 2016 The Linde Group Linde in Zahlen Linde in Zahlen
MehrAssessments vor der Freigabe von Grossprojekten in der Bundesverwaltung
Assessments vor der Freigabe von Grossprojekten in der Bundesverwaltung Prozess, Werkzeuge und erste Erfahrungen HERMES 5 Forum, 1. September 2016 Überblick Definitionen und Auftrag Prozess und Beteiligte
MehrMathematik EP - Stochastik VIERFELDERTAFEL UND BEDINGTE WKT.
Mathematik EP - Stochastik VIERFELDERTAFEL UND BEDINGTE WKT. HIV - SCHNELLTEST Die Immunschwächekrankheit AIDS wird durch das HI-Virus, welches 1993 entdeckt wurde, verursacht. Die Krankheit gilt bis heute
MehrWeb Analytics Kontrolle von Online Aktivitäten
Web Analytics Kontrolle von Online Aktivitäten Arbeitsgemeinschaft Bäder des VKU e.v., Internet & Social Media Marketing 15. September 2015, Mönchengladbach Julian Wegener Prokurist & Head of Strategy
MehrCSA 2 Mixta-BVG Mischvermögen Benchmark und Bandbreiten aktuell und ab dem 1. Januar 2018
CSA 2 Mixta-BVG Mischvermögen Benchmark und Bandbreiten aktuell und ab dem 1. Januar 2018 Benchmark und Bandbreiten - Alt CSA 2 Mixta-BVG 25 Benchmark Bandbreiten in % 9% 1 SBI Domestic AAA-BBB (TR) 5
MehrIn-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI
In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform
MehrVon schwachen zu starken Lernern
Von schwachen zu starken Lernern Wir nehmen an, dass ein schwacher Lernalgorithmus L mit vielen Beispielen, aber großem Fehler ε = 1 2 θ gegeben ist. - Wie lässt sich der Verallgemeinerungsfehler ε von
MehrAnleitung zur Konfliktbearbeitung der Halbjahresmeldung (HJM)
1 Anleitung zur Konfliktbearbeitung der Halbjahresmeldung (HJM) I. Erklärung der unterschiedlichen Konfliktarten Werden Konflikte in der HJM erkannt, so wird allen betroffenen Netzbetreibern per Mail eine
MehrBusiness Intelligence & professionelles Datenmanagement als Erfolgsfaktor
Yves-Deniz Obermeier Sales Manager Financial Services Ing. Thomas Heinzmann Division Management BI Mag. Martin Feith Senior Expert Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrKreditprüfung und Rating im Allgemeinen
Kreditprüfung und Rating im Allgemeinen Kreditfähigkeit und Kreditwürdigkeit Bevor über die Vergabe eines Kredites entschieden wird, muss die Kreditfähigkeit und die Kreditwürdigkeit des Unternehmens überprüft
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBüchersuche für Dummies Das virtuelle Bücherregal NRW
Büchersuche für Dummies Das virtuelle Bücherregal NRW Florian Seiffert, HBZ http://www.florian-seiffert.de/2003/inetbib/florian_seiffert_inetbib2003.pdf Inetbibtagung Frankfurt, 13.11.2003 Virtuelles Bücherregal
MehrKapitel 6. Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit
Kapitel 6 Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit 159 160 Kapitel 6. Zusammenfassung der Ergebnisse Im Fokus der vorliegenden Arbeit steht die Frage nach der Eignung verschiedener Matchingverfahren
MehrHerausforderungen im Personalcontrolling
Herausforderungen im Personalcontrolling Datum: Präsentation: 13. Oktober 2015 Dr. Andreas Feichter www.contrast.at Aktueller Befund zur Unternehmensplanung Die Qualität des Personalcontrollings wird in
MehrNur Grund zum Jammern?
Nur Grund zum Jammern? Hospitality im Lichte der verschärften Anti-Korruptionsregeln Mitgliederanlass Sponsoring Schweiz 11. November 2015 Urs Cipolat Group Compliance Officer Swisscom Übersicht I. Praxis
MehrIT & MANAGEMENT-EXPERTEN RIGHT PEOPLE RIGHT AWAY
IT & MANAGEMENT-EXPERTEN RIGHT PEOPLE RIGHT AWAY DER PASSENDE FREELANCER FÜR IHR PROJEKT. SOFORT. IT ist in vielen Geschäftsprozessen wichtig und die Anforderungen verändern sich stetig. Es kann daher
MehrDatenqualität für Kapital- und Liquiditätssteuerung sicherstellen
make connections share ideas be inspired Datenqualität für Kapital- und Liquiditätssteuerung sicherstellen Datenqualitätsprozesse auf allen Verarbeitungsstufen Carsten Krah, SAS Michael Herrmann, SAS Datenqualität
MehrBig Data, neue Medien und Echtzeitdialoge - Lösungsansätze für die moderne Marketinginfrastruktur
Roland Brezina Advisory Solution Architect, SAS DACH Big Data, neue Medien und Echtzeitdialoge - Lösungsansätze für die moderne Marketinginfrastruktur Wien, 29. April 2015 Business-Frühstück Customer Experience
MehrKompetenzorientiertes Prüfen in einem Programmierkurs Erfahrungen mit der E-Klausur zur Vorlesung Einführung in C
Kompetenzorientiertes Prüfen in einem Programmierkurs Erfahrungen mit der E-Klausur zur Vorlesung Einführung in C Thiemo Gruber, Benjamin Herwig, Bernhard Sick Universität Kassel Fachbereich Elektrotechnik
MehrLIQUIDITÄTS- MANAGEMENT INNOVATIVE MODELLE DES FORDERUNGSMANAGEMENTS.
LIQUIDITÄTS- MANAGEMENT INNOVATIVE MODELLE DES FORDERUNGSMANAGEMENTS. Das Liquiditätsmanagement der UNIVERSUM Group. DAS LIQUIDITÄTSMANAGEMENT DER UNIVERSUM GROUP. WIR SICHERN IHRE LIQUIDITÄT. LIQUIDITÄTSMANAGEMENT.
MehrBusiness Easy Die einfache Banklösung für Unternehmer
Business Easy Die einfache Banklösung für Unternehmer Umfassende Betreuung Unser Servicemodell Ansprechpartner in Ihrer Nähe Treffen Sie bei Bedarf unsere Spezialisten in Ihrer Region zur Besprechung von
MehrIFRS Forderungsbewertung
IFRS Forderungsbewertung Produktüberblick Euler Hermes Aktiengesellschaft Hamburg, 27.09.2017 EH Smart Reserve Expected Credit Loss im Kontext von IFRS Sie haben neue Anforderungen die Euler Hermes Aktiengesellschaft
MehrAutomatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen
Automatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen Mark Reinke Bachelorarbeit TU Dresden 17. Februar 2014 Webtabellen Warum sind Webtabellen von Bedeutung? Sie können relationale
MehrRückblick und Ausblick
Rückblick und Ausblick Was wird 2018 kommen? Bruno Kudermann, Senior Product & Relationship Manager, Roadshow Zürich, 25. Oktober 2017 Agenda Mai 2017 neue Betriebszeiten Migration auf ISO 20022 für Banken
MehrCommon Layer bei den Stadtwerken Augsburg - Einführungsprojekt und Produktivbetrieb -
Common Layer bei den Stadtwerken Augsburg - Einführungsprojekt und Produktivbetrieb - 04.11.2014 ESSEN, SAP-FORUM FÜR DIE VERSORGUNGSWIRTSCHAFT STEFAN LUDWIG, STADTWERKE AUGSBURG HOLDING GMBH DOMINIK LINNEMANN,
MehrIhr Kunde ist für uns keineswegs ein unbekanntes Wesen Wege, die Customer Journey zu einem positiven Ausgang zu führen
Ihr Kunde ist für uns keineswegs ein unbekanntes Wesen Wege, die Customer Journey zu einem positiven Ausgang zu führen arvato ist Teil des globalen Bertelsmann-Netzwerks Nutzen Sie das weltweite, diversifizierte
MehrOberflächennahe und ferne Gestenerkennung mittels 3D-Sensorik
Oberflächennahe und ferne Gestenerkennung mittels 3D-Sensorik 26.10.2016 Gliederung Gesten für Mensch-Maschine Interaktion Anwendungsszenario Interaktive Projektionssitzkiste Herausforderungen Lösungsansatz
MehrInhalt. IAS 8: Rechnungslegungsmethoden, Änderungen von rechnungslegungsbezogenen Schätzungen und Fehler
Inhalt 1. Ziele des Standards im Überblick... 2 2. Definition... 3 3. Anwendungsbereich... 4 I. Änderung von Rechnungslegungsmethoden... 5 II. Änderung von Schätzungen... 6 III. Fehlerkorrekturen... 6
MehrInhaltsverzeichnis. 4.1 Systemmodell und notwendige Bedingungen. 4.2 Gegenmaßnahmen
Inhaltsverzeichnis 4.1 Systemmodell und notwendige Bedingungen Was sind Deadlocks? Darstellungsarten von Prozessabhängigkeiten Notwendige Bedingungen für Deadlocks 4.2 Gegenmaßnahmen Deadlock-Prevention
MehrData Mining und maschinelles Lernen
Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:
MehrZins-Cockpit Strategie für einen fairen Zins im Mittelstand
Mehr Konzentration auf s Wesentliche: info-service für Mittelstand & Banken Schulz & Partner Lösungen für Mittelstand und Banken Studie Zins-Cockpit 2012 Strategie für einen fairen Zins im Mittelstand
MehrErfolgreicher Umgang mit heutigen und zukünftigen Bedrohungen
Erfolgreicher Umgang mit heutigen und zukünftigen Bedrohungen Das Zusammenspiel von Security & Compliance Dr. Michael Teschner, RSA Deutschland Oktober 2012 1 Trust in der digitalen Welt 2 Herausforderungen
MehrMEDIEN-MONITORING - MODUL 1 BISNODE BUSINESS EVENTS. Monitoring von Unternehmen und Entscheidern im Internet
MEDIEN-MONITORING - MODUL 1 BISNODE BUSINESS EVENTS Monitoring von Unternehmen und Entscheidern im Internet IN BELGIEN ENTWICKELT UND FÜR DIE VERSCHIEDENEN EUROPÄISCHEN LÄNDER ANGEPASST 7,000 EVENTS /
MehrÜbersicht über die Themen
Übersicht über die Themen 1. Beschreibung von natürlichem Terrain, insbes. unter Wasser 2. Handgestenerkennung für mobile Augmented Reality (AR) Anwendungen 3. Deep Learning im Bereich Gesichtswiedererkennung
MehrBericht der Versicherungsrevisionsstelle (nach VersAG) an die Finanzmarktaufsicht Liechtenstein zur Jahresrechnung 2013
UNIQA Versicherung Aktiengesellschaft Vaduz Bericht der Versicherungsrevisionsstelle (nach VersAG) an die Finanzmarktaufsicht Liechtenstein zur Jahresrechnung 2013 Bericht der Versicherungsrevisionsstelle
MehrCD-AUSGABE (Stand: 1999) HANDBUCH KURSPROGNOSE Quantitative Methoden im Asset Management von Thorsten Poddig 676 Seiten, Uhlenbruch Verlag, 1999 erstmals als Buch publiziert EUR 79,- inkl. MwSt. und Versand
MehrADL Erkennung mit Smartwatches
Data Mining zur Realzeiterkennung von Aktivitäten des täglichen Lebens, Dr. Rainer Lutze Problemstellung / Zielsetzung 2 Zielsetzungen ADL Activities of Daily Living - Aktivitäten des täglichen Lebens
MehrWie zuverlässig sind Alterungsmodelle?
7. B e r l i n e r S a n i e r u n g s t a g 13. September 2016 Bau, Betrieb, Instandhaltung, Sanierung, Erneuerung, Nutzungsdauer von Infrastruktur Wie zuverlässig sind Alterungsmodelle? Nicolas Caradot,
MehrFuzzy-Logik basiertes Credit-Rating
Fuzzy-Logik basiertes Credit-Rating Zielsetzung des Fuzzy-Logik basierten Expertensystems (I) Überwindung der Nachteile moderner Rating-Verfahren durch Aufbau eines für den Anwender transparenten Systems
MehrA Big Data Change Detection System. Carsten Lanquillon und Sigurd Schacht
A Big Data Change Detection System Carsten Lanquillon und Sigurd Schacht Digitale Transformation in Unternehmen u Umfassende Erfassung, Speicherung und Verfügbarkeit von Daten à Big Data Quelle: Rolland
MehrErfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management
Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Sprecher: Uwe Nadler, Senior Managing Consultant 1 Marketing braucht unterschiedliche Informationen, um entsprechende
MehrByzantinische Fehlertoleranz durch Gruppenkommunikation am Beispiel des Rampart-Toolkit Frank Mattauch
1 Hauptseminar: Moderne Konzepte für weitverteilte Systeme: Peer-to-Peer-Netzwerke und fehlertolerante Algorithmen (DOOS) Byzantinische Fehlertoleranz durch Gruppenkommunikation am Beispiel des Rampart-Toolkit
Mehr