Wolfgang Konen, FH Köln
|
|
- Waltraud Hermann
- vor 8 Jahren
- Abrufe
Transkript
1 Einführung Mining Praktische Anwendungen für automatisierte i und lernende Informationsverarbeitung Wolfgang onen, FH öln November 2009 W. onen DMC WS2009 Seite - 1 informatiöln
2 Mining (DM): Entdecken von Wissen in Datenbanken Daten Wissen Unternehmen und Institutionen sammeln ungeheure Datenmengen Mining: Identifikation von wettbewerbsrelevantem Wissen aus grossen Datenbanken Automatische Erkennung von Mustern nicht-trivial t bisher unbekannt potentiell nützlich [Fayyad, 1996] W. onen DMC WS2009 Seite - 2 informatiöln
3 Analysebeispiel: Mobiltelefonie Plambeck/ PIXELIO Ein Problem... Sie sind Marketingmanager im Mobilfunk Problem: zu viele Abgänge bei Vertragsende: 40% Neukunden erhalten kostenlos ein Telefon Ihr Unternehmen zahlt 250 EUR Provision i pro Abschluss Jedem unden bei Vertragsende eine neues Telefon zu geben ist zu teuer Eine Lösung... Drei Monate vor Vertragsende vorhersagen, welche unden nicht verlängern Den unden, die man behalten will, bietet man ein neues Telefon an Wie kann man künfiges Verhalten vorhersagen? artenlegen? Würfeln? Mining? W. onen DMC WS2009 Seite - 3 informatiöln
4 Beispiel aus der Automobilindustrie Daten über 7-10 Jahre Historie für 7 Mio. Fahrzeuge Fahrzeugdaten (Produktionsdaten; Daten über Motor, Getriebe,...) Beanstandungen (Schadensteil, Schadensart,...) Werkstattaufenthalte Frage: Wie kann man das Auto zuverlässiger machen? Mustererkennung: Suche in Datenbank nach möglichen Gründen für Ausfälle Umsetzung des Wissens: Änderung in onstruktion Wechsel des Zulieferers undendienst: vorbeugende Wartung usw. Glathe / PIXELIO W. onen DMC WS2009 Seite - 4 informatiöln
5 Beispiel Umweltanwendung: Mining für ökologische Standortbewertung Pflanzen Wo wächst was? relevant ee für Umweltverträglichkeitsprüfung bisher: aufwendig manuell erstellte Ökodiagramme multifaktorielle Daten: Wasser, Säuregehalt, Nährstoffe, Lichtintensität,... mit Mining i können vergleichbare Ergebnisse umfassender, schneller (aktueller) und kostensparender erzielt werden [irsten,wrobel,dahmen,dahmen, 1996] W. onen DMC WS2009 Seite - 5 informatiöln
6 Beispiel Wassermanagement Vorhersage Füllstand RÜB (Regenüberlaufbecken) Modellbildung für Forecast, Output abhängig von Regenmenge Bodenzustand & Grundwasser (hidden states) [onen, Zimmer, Bartz-Beielstein, 2009] W. onen DMC WS2009 Seite - 6 informatiöln
7 Weitere Anwendungsbeispiele Betrugserkennung Beispiel: i Erkennung typische Muster zur Identifikation von reditkartenbetrug. reditbeurteilung Identifikation von riterien für reditwürdigkeit von unden Nachfrageprognose Wieviele Einheiten von Produkt X setzen wir in der W42 ab? Computerwoche 03/2007: Zweiter Frühling Mining W. onen DMC WS2009 Seite - 7 informatiöln
8 Der CRISP-DM Standard CRISP-DM: Cross-Industry Standard Process for Mining Entwickelt im Rahmen eines EU-Projekts von Partner: DaimlerChrysler (Deutschland) NCR Systems Copenhagen (USA, Dänemark) OHRA Bank Groep B.V. (Niederlande) SPSS Inc. (USA) Gü Gründung einer Special linterest tgroup Der CRISP-DM 1.0 Report beschreibt die CRISP-DM Methodology das CRISP-DM Referenzmodell den CRISP-DM User Guide den jeweiligen Resultate/Reports t t der einzelnen Phasen Für Informationen zu CRISP-DM siehe W. onen DMC WS2009 Seite - 8 informatiöln
9 Das CRISP-DM Referenzmodell Business understanding understanding Deployment preparation Modelling Evaluation W. onen DMC WS2009 Seite - 9 informatiöln
10 Die 6 Schritte des DD-Prozesses Prepa- ration Model ling Eval u- ation Business Understanding Under- standi ng Deploy- ment Wichtig: Jeder Schritt ist zu dokumentieren! W. onen DMC WS2009 Seite - 10 informatiöln
11 1. Schritt: Geschäftsmodell verstehen Deplo y- me nt Business Understanding Understandi ng Mod e- ling Preparation Eva luatio n Determine Business Objectives Assess Situation Determine Mining Goals Produce Project Plan Geschäftsmodell / -ziele verstehen (z.b. Abwanderung von unden verhindern) Ressourcen, Zeit, Risiken, Chancen Genaue Spezifikation der Ziele (z.b. 70% der Abwanderer erkennen bei 20% Fehlalarmen) Projektplan mit Meilensteinen W. onen DMC WS2009 Seite - 11 informatiöln
12 2. Schritt: Daten verstehen Deplo y- me nt Business Understanding Understandi ng Mod e- ling Preparation Eva luatio n Collect Initial Describe Explore Verify Quality Wo kommen die Daten her? Wie? Joins über mehrere DBs notwendig? Metadaten (Anzahl Attribute, Werte, Format,Typen,, Mengen) Beispiele anschauen, Visualisierung (z.b. Verteilungen, orrelationen) Datenqualität bestimmen, Fehler erkennen, Vollständigkeit W. onen DMC WS2009 Seite - 12 informatiöln
13 3. Schritt: Daten aufbereiten Deplo y- me nt Business Understanding Understandi ng Mod e- ling Preparation Eva luatio n Select Clean Construct Integrate Format & Transform Auswahl der (wichtigen) Variablen, ggf. Sampling der Records Ausreisser erkennen, fehlende Werte behandeln Abgeleitete Variablen (z.b. Summe oder logische Verknüpfungen) Daten aus verschiedenen Tabellen zusammenführen Formatierung g( (z.b. Datum), Transformation (z.b. normierte Verteilung oder PCA) W. onen DMC WS2009 Seite - 13 informatiöln
14 4. Schritt: Modellierung Deplo y- me nt Business Understanding Understandi ng Mod e- ling Preparation Eva luatio n Select Modeling Technique Auswahl der Methode, ggf. mehrfach Wie messen wir Modellgüte? Generate Test Design Aufteilung der Daten in Trainings-, Test- und Validierungsmenge Build Model Modell bauen, Parameter einstellen und begründen Technische Bewertung der Modellgüte, Assess Model ggf. mit anderen Parametern wdh. W. onen DMC WS2009 Seite - 14 informatiöln
15 5. Schritt: Evaluation Deplo y- me nt Business Understanding Understandi ng Preparation Mod Eval e- u- ling ation Evaluate Results Bewertung aller Resultate in Bezug auf betriebswirtschaftliche Ziele Begutachtung aller Schritte. Wurden Review Process nur Daten verwendet, die auch in Zukunft verfügbar sind? Was wurde übersehen? Determine Next Steps Wie geht es weiter? W. onen DMC WS2009 Seite - 15 informatiöln
16 6. Schritt: Einsatz Deployment Business Understanding Understandi ng Preparation Mod Eval e- u- ling ation Plan Deployment Implementierungsstrategie, Einsatz DM in Praxis, ggf. Mitarbeiterschulung Plan Monitoring and Überwachung der Gültigkeit der Modelle, Maintenance Strategie für Überarbeitungen Zusammenfassender Bericht / Produce Final Report Präsentation Begutachtung des Gesamtprojektes. Review Project Lessons Learned (f. weitere Projekte): Was lief schief? Was lief gut? W. onen DMC WS2009 Seite - 16 informatiöln
17 Mining ist eine Phase im Prozess der Wissensentdeckung aus Datenbanken Evaluierung / Deployment Mining Wissen Prozesse & Daten verstehen Vorverar beitung Transformation / Selektion Task-Relevante Daten Muster Zieldaten Vorverarbeitete Daten Daten W. onen DMC WS2009 Seite - 17 informatiöln
18 Prozeßschritte der Wissensentdeckung Prozesse und Daten verstehen Geschäftsprozesse mit den Anwendern besprechen Fokussierung, Auswahl relevanter Daten Vorverarbeitung / Transformation Bereinigung der Daten, z.b. was tun mit leeren Feldern, Verdichtung der Daten durch Datenreduktion und -projektion Datenformat vereinheitlichen Mining Auswahl von Techniken und Methoden evtl. viele Testläufe mit verschiedenen Parametern Evaluierung Beurteilung der Ergebnisse bzgl. festgelegter riterien Dokumentation, Visualisierung der Ergebnisse Deployment Überführung in die Anwendung W. onen DMC WS2009 Seite - 18 informatiöln
19 Warum Mining? Vereinfachung ee gund Automatisierung u statistischer sc Prozesse Datenanalyse Anwendung der Modelle Bessere, verständlichere Modelle Mining bringt viele Verfahren und Werkzeuge Mining bringt erprobte statistische Verfahren ins Spiel (wo vorher evtl. noch wenig Statistik vorkam) Mining Verfahren basieren auf statistischen Verfahren W. onen DMC WS2009 Seite - 19 informatiöln
20 Welche Formen von Daten kann Mining analysieren? strukturierte Daten ( Warehouses, DWH) z.b. Zeit-/Messreihen, undendaten Multimedia-Daten t (Bild, Ton) Geografische Daten (GIS, Spatial bases) W. onen DMC WS2009 Seite - 20 informatiöln
21 Welche Formen von Daten kann Mining analysieren? Zeitreihen W. onen DMC WS2009 Seite - 21 informatiöln
22 Welche Formen von Daten kann Mining analysieren? Textdokumente (Text Mining) Web Mining (z.b. lickpfad-analysen) W. onen DMC WS2009 Seite - 22 informatiöln
23 Wichtige Methoden des Mining Entscheidungsbäume Neuronale Netze IF... THEN... Regelinduktion Nearest Neighbor Genetische Algorithmen W. onen DMC WS2009 Seite - 23 informatiöln
24 Taxonomie von Aufgaben im Mining (Auszug) lassifikation Lernen, die Datensätze aufgrund ihrer Attribute vorgegebenen lassen zuzuordnen Beispiel: lassifikation von Bankkunden ob kreditwürdig oder nicht Regression und Vorhersage Modellierung einer kontinuierlichen Outputgröße, z.b. zeitliche Veränderungen Beispiele: Zeitreihenanalyse, Aktienkurse, Vorhersage von Systemausfällen auf Basis von Messdaten Clustering Aufteilung einer Datenmenge in disjunkte Gruppen ähnlicher Objekte Beispiel: Gruppen von Autos mit ähnlichen Ausfällen, undengruppierung für CRM (customer relationship mngmt) W. onen DMC WS2009 Seite - 24 informatiöln
25 Übungen Ü Ü Ü Welches sind die 6 wichtigen Phasen in einem Mining Projekt? Welche Typen (Formen) von Daten? Welche Gründe können den Einsatz von Mining motivieren? W. onen DMC WS2009 Seite - 25 informatiöln
26 Technologie ist nicht alles Daten sammeln Daten organisieren Integration in Anwendung Neu? Modell anwenden Nützlich? DM W. onen DMC WS2009 Seite - 26 informatiöln
27 Technologie ist nicht alles Mining ist ein kreativer Prozess es reicht nicht: Datenbank + Softwaretool = fertig Wichtig für erfolgreiche -Mining-Projekte gesunder Menschenverstand bei der Prüfung der Daten auf Plausibilität / Validität gutes Verständnis der Prozesse, der Teilnehmer und deren Ziele dies alles kreativ einbauen in die Modellbildung, die für aktuellen Prozess betrieben wird Mining macht Spass! W. onen DMC WS2009 Seite - 27 informatiöln
Data Mining Anwendungen und Techniken
Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses
MehrSeminar Business Intelligence Teil II. Data Mining & Knowledge Discovery
Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?
MehrBusiness Intelligence. Business Intelligence Seminar, WS 2007/08
Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung
MehrDer CRISP-DM Prozess für Data Mining. CRISP-DM Standard CRISP-DM. Wozu einen standardisierten Prozess?
Wozu einen standardisierten Prozess? Der Prozess der Wissensentdeckung muss verlässlich und reproduzierbar sein auch für Menschen mit geringem Data Mining Hintergrundwissen. Der CRISP-DM Prozess für Data
MehrOUTSOURCING ADVISOR. Analyse von SW-Anwendungen und IT-Dienstleistungen auf ihre Global Sourcing Eignung. Bewertung von Dienstleistern und Standorten
Outsourcing Advisor Bewerten Sie Ihre Unternehmensanwendungen auf Global Sourcing Eignung, Wirtschaftlichkeit und wählen Sie den idealen Dienstleister aus. OUTSOURCING ADVISOR Der Outsourcing Advisor ist
MehrTiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining
Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrWas ist Data Mining... in der Fundraising Praxis?
Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten
MehrThema: - DWF. Das Business Process Management System aus dem Hause PRAXIS AG. Wolfgang Lammel PRAXIS-Consultant
Thema: - DWF Das Business Process Management System aus dem Hause PRAXIS AG Autor: Wolfgang Lammel PRAXIS-Consultant Begriffserklärungen Geschäftsprozess beschreibt eine Folge von Einzeltätigkeiten, die
MehrFallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data
Fallbeispiel: Intelligente Steuerung von Geschäftsprozessen auf Basis von Big Data Institut für Finanz- und Aktuarwissenschaften Lise-Meitner-Str. 14 89081 Ulm Oktober 2015 www.ifa-ulm.de Einführung Mit
MehrKlausur Software Engineering für WI (EuI)
Autor: Prof. Dr. Bernhard Humm, FB Informatik, FH Darmstadt Datum: 14. Februar 2006 Klausur Software Engineering für WI (EuI) Ihr Name: Ihre Matrikelnummer Erreichte Punkte (von insgesamt 57 Punkten):
MehrLook Inside: desite. modellorientiertes Arbeiten im Bauwesen. B.I.M.
Building Information Modeling Look Inside: desite modellorientiertes Arbeiten im Bauwesen. B.I.M. desite MD unterstützt Sie bei der täg lichen Arbeit mit Gebäudemodellen und ermöglicht den Zugang zu den
MehrC++11 C++14 Kapitel Doppelseite Übungen Musterlösungen Anhang
Einleitung Dieses Buch wendet sich an jeden Leser, der die Programmiersprache C++ neu lernen oder vertiefen möchte, egal ob Anfänger oder fortgeschrittener C++-Programmierer. C++ ist eine weitgehend plattformunabhängige
MehrFragebogen: Abschlussbefragung
Fragebogen: Abschlussbefragung Vielen Dank, dass Sie die Ameise - Schulung durchgeführt haben. Abschließend möchten wir Ihnen noch einige Fragen zu Ihrer subjektiven Einschätzung unseres Simulationssystems,
MehrFORMBLATT für die BESCHREIBUNG GUTER PRAXIS
FORMBLATT für die BESCHREIBUNG GUTER PRAXIS zur Förderung von Lese- und Schreibkompetenzen von benachteiligten Kindern, Jugendlichen und Erwachsenen in Europa Mithilfe dieses Formblatts soll ein möglichst
MehrBegriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining
Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data
MehrAuswahl alter Klausuraufgaben aus einer ähnlichen Vorlesung Maßgeblich für die Prüfung sind die Vorlesungsinhalte!
Auswahl alter Klausuraufgaben aus einer ähnlichen Vorlesung Maßgeblich für die Prüfung sind die Vorlesungsinhalte! Aufgabe 1: Grundlagen (5 Punkte) a) Definieren Sie kurz Usability und User Experience.
MehrData Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG
Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information
MehrQualitätsbeauftragter / interner Auditor und Qualitätsmanager. DGQ Prüfung zum Qualitätsmanager. Wege zum umfassenden Qualitätsmanagement
Qualitätsbeauftragter / interner Auditor und Qualitätsmanager Eine gute Tradition in der gemeinsamen Sache DGQ Prüfung zum Qualitätsmanager (1 (2 Tag) Tage) Wege zum umfassenden Qualitätsmanagement (5
MehrSoftware Projekt 2 / Gruppe Knauth Lernziele:
Lernziele: Realisierung eines komplexen Software-Projektes unter Industrie-ähnlichen Bedingungen Organisiertes Arbeiten im Team Team Organisation: Rollen und Aufgaben der Team-Mitglieder bestimmen Spezifikation
MehrModul 3: Service Transition
Modul 3: Service Transition 1. Ziel, Wert und Aufgaben von Service Transition? 2. Prozess: Projektmanagement (Transition Planning and Support) 3. Prozess: Change Management 4. Prozess: Change-Evaluierung
MehrOutlook: Serienbrief mit persönlicher Anrede (oder Mail) aus dem Kontaktordner
Outlook: Serienbrief mit persönlicher Anrede (oder Mail) aus dem Kontaktordner Vorbemerkung: Es gibt viele Wege nach Rom, das gilt speziell für die Office- Produkte. Wir zeigen Ihnen hiermit einen, der
MehrSoftware Qualität: Übung 3
1. Informationen Formales Software Qualität: Übung 3 ISO/IEC 9126 Quality Function Deployment Zielbäume CMMI Abgabetermin: Freitag 8. Juni 2007, 18.00 CET (Central European Time) Abgaben per e-mail an
Mehrteischl.com Software Design & Services e.u. office@teischl.com www.teischl.com/booknkeep www.facebook.com/booknkeep
teischl.com Software Design & Services e.u. office@teischl.com www.teischl.com/booknkeep www.facebook.com/booknkeep 1. Erstellen Sie ein neues Rechnungsformular Mit book n keep können Sie nun Ihre eigenen
MehrBusiness and Data Understanding. Business und Data Understanding
Business und Data Understanding Gliederung 1. Grundlagen 2. Von Data Warehouse zu Data Mining 3. Das CRISP-DM Referenzmodell 4. Die Phasen Business- und Data Understanding 5. Überblick der weiteren Phasen
MehrInstallation & Konfiguration AddOn CopyObjects
Installation & Konfiguration AddOn CopyObjects Objekte beliebiger Entitäten inklusive verknüpfter Objekte per Knopfdruck kopieren Version 7.1.0 für Microsoft Dynamics CRM 2013 & 2015 Datum 27. März 2015
MehrWo finde ich die Software? - Jedem ProLiant Server liegt eine Management CD bei. - Über die Internetseite http://www.hp.
Erfahrungen mit dem Insight Manager von HP Dipl. Ing. Elektrotechnik (FH) - Automatisierungs- / Regelungstechnik DV-Spezialist Landesbank Rheinland-Pfalz Abteilung 2-351 Große Bleiche 54-56 55098 Mainz
MehrAnleitung Typo3-Extension - Raumbuchungssystem
Anleitung Typo3-Extension - Raumbuchungssystem t3m_calendar v 1.1 Stand 15.12.2011 Mehr Datails siehe: http://www.typo3-macher.de/typo3-ext-raumbuchungssystem.html 1 INHALT 1. Bedienungsanleitung der Anwendung...
MehrSWOT Analyse zur Unterstützung des Projektmonitorings
SWOT Analyse zur Unterstützung des Projektmonitorings Alle QaS-Dokumente können auf der QaS-Webseite heruntergeladen werden, http://qas.programkontoret.se Seite 1 Was ist SWOT? SWOT steht für Stärken (Strengths),
MehrGründe für fehlende Vorsorgemaßnahmen gegen Krankheit
Gründe für fehlende Vorsorgemaßnahmen gegen Krankheit politische Lage verlassen sich auf Familie persönliche, finanzielle Lage meinen, sich Vorsorge leisten zu können meinen, sie seien zu alt nicht mit
MehrDas Pflichtenheft. Dipl.- Ing. Dipl.-Informatiker Dieter Klapproth Ains A-Systemhaus GmbH Berlin
Fragestellungen: Warum reicht das Lastenheft nicht aus? Was kann ich mit dem Lastenheft machen? Was unterscheidet das Pflichtenheft vom Lastenheft? Was gehört zum Auftragsumfang einer Individualsoftware?
MehrDatensicherung und Wiederherstellung
Dokumentation Datensicherung und Wiederherstellung Versionsverzeichnis Version: Datum: Revisionsgrund: Version 1.0 Januar 2011 Erste Ausgabe www.babe-informatik.ch 1/7 Datensicherung von Voraussetzung
MehrBSV Ludwigsburg Erstellung einer neuen Internetseite
BSV Ludwigsburg Erstellung einer neuen Internetseite Änderungshistorie Version Datum Bearbeiter Änderung 0.1 02.06.2012 A. Lorenz Neuanlage Seite 1/9 1 Inhaltsverzeichnis: 1 Inhaltsverzeichnis:... 2 2
MehrEine Anwendung mit InstantRails 1.7
Eine Anwung mit InstantRails 1.7 Beschrieben wird das Anlegen einer einfachen Rails-Anwung, die ohne Datenbank auskommt. Schwerpunktmäßig wird auf den Zusammenhang von Controllern, Views und der zugehörigen
MehrDie richtige Einstellung.
Die richtige Einstellung. Tipps und Tricks für faire Werte. ritsch-ratschklick Je besser die Information, desto besser die Gebote das gilt auch in Europas führendem Online-Portal für Unfall- und Gebrauchtfahrzeuge.
MehrWarum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität
Warum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität Marcus Winteroll oose GmbH Agenda I. Ziele und Zusammenarbeit II. Was wir vom agilen Vorgehen lernen
MehrInformationsflut bewältigen - Textmining in der Praxis
Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland
MehrBei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient.
Beschreibung der Focus Methode Bei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient. 1. F = Failure / Finding An dieser Stelle wird der
MehrWie kann man Kreativität und Innovation fördern? Psychologische Ansätze zum Ideenmanagement
Wie kann man Kreativität und Innovation fördern? Psychologische Ansätze zum Ideenmanagement Dipl.-Psych. Sandra Ohly Institut f. Psychologie TU Braunschweig Vorschau Psychologische Modelle der Kreativitäts
MehrManagement Soft Diligence MSD
Management Soft Diligence MSD März 2011 MSD l März 2011 ChangeCorporation 2011 1 Ein Großteil des Unternehmenserfolgs ist abhängig von den Personen im Management Sie planen ein Unternehmen zu kaufen, zu
MehrData Warehouse ein strategisches Projekt
Gosch Consulting GmbH DI Bernhard Scherdoner IDC Österreich Data Warehouse / Data Mining Konferenz Wien, am 21.03.2002 81 Die Bedeutung von Informationen Motivation/Ziele bei DWH-Projekten Aufbau erfolgreicher
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrMediumwechsel - VR-NetWorld Software
Mediumwechsel - VR-NetWorld Software Die personalisierte VR-NetWorld-Card wird mit einem festen Laufzeitende ausgeliefert. Am Ende der Laufzeit müssen Sie die bestehende VR-NetWorld-Card gegen eine neue
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:
MehrOutlook Vorlagen/Templates
Joachim Meyn Outlook Vorlagen/Templates Erstellen Sie Vorlagen bzw. Templates in Outlook Joachim Meyn 27.03.2013 Inhaltsverzeichnis Outlook Vorlagen (.oft Dateien)... 2 Vorbereitung... 2 Anlegen einer
MehrSEPA Lastschriften. Ergänzung zur Dokumentation vom 27.01.2014. Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299
SEPA Lastschriften Ergänzung zur Dokumentation vom 27.01.2014 Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299 www.workshop-software.de Verfasser: SK info@workshop-software.de
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrERP-Evaluation systematisch und sicher zum optimalen ERP-System
ERP-Evaluation systematisch und sicher zum optimalen ERP-System Risiken minimieren, Chancen nutzen durch ein strukturiertes Vorgehen basierend auf Anforderungen (Requirements Engineering) und Prozessoptimierung
Mehr1. In welchen Prozess soll LPA eingeführt werden und warum? (Auslöser und Prozess)
Name: Leitfragen zur Einführung von Layered Process Audit 1. In welchen Prozess soll LPA eingeführt werden und warum? (Auslöser und Prozess) a. Welche Prozesse oder auch Produkte könnten durch die Einführung
MehrProjekt- Management. Landesverband der Mütterzentren NRW. oder warum Horst bei uns Helga heißt
Projekt- Management oder warum Horst bei uns Helga heißt Landesverband der Projektplanung Projektplanung gibt es, seit Menschen größere Vorhaben gemeinschaftlich durchführen. militärische Feldzüge die
MehrTomTom WEBFLEET Logbook. Partner Produkt Kit
TomTom WEBFLEET Logbook Partner Produkt Kit Inhalt Führen eines Fahrtenbuchs leicht gemacht! Vorteile Für wen ist es gedacht? Wie funktioniert es? Verfügbarkeit Funktionen Technische Anforderungen Wettbewerb
MehrSMART Newsletter Education Solutions April 2015
SMART Education Newsletter April 2015 SMART Newsletter Education Solutions April 2015 Herzlich Willkommen zur aktuellen Ausgabe des Westcon & SMART Newsletters jeden Monat stellen wir Ihnen die neuesten
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: If-clauses - conditional sentences - Nie mehr Probleme mit Satzbau im Englischen! Das komplette Material finden Sie hier: School-Scout.de
MehrProjektmanagement. Einleitung. Beginn. Was ist Projektmanagement? In dieser Dokumentation erfahren Sie Folgendes:
Projektmanagement Link http://promana.edulearning.at/projektleitung.html Einleitung Was ist Projektmanagement? In dieser Dokumentation erfahren Sie Folgendes: Definition des Begriffs Projekt" Kriterien
MehrDer CRISP-DM Prozess für Data Mining
technische universität Der CRISP-DM Prozess für Data Mining Prof. Dr. Katharina Morik Wozu einen standardisierten Prozess? Der Prozess der Wissensentdeckung muss verlässlich und reproduzierbar sein auch
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
MehrVersion 1.0 [Wiederherstellung der Active Directory] Stand: 11.01.10. Professionelle Datensicherung mit SafeUndSave.com. Beschreibung.
Version 1.0 [] Stand: 11.01.10 Beschreibung Safe und Save WWS2000 durch den Verzeichniswiederherstellungsmodus Seite 1 von 9 Version 1.0 [] Stand: 11.01.10 1. HISTORIE... 3 2. EINLEITUNG... 4 3. VORAUSSETZUNGEN...
MehrLeseauszug DGQ-Band 14-26
Leseauszug DGQ-Band 14-26 Einleitung Dieser Band liefert einen Ansatz zur Einführung von Prozessmanagement in kleinen und mittleren Organisationen (KMO) 1. Die Erfolgskriterien für eine Einführung werden
MehrEinführung von Test-Prozessen laut TMMi. Egon Valentini 1. März 2010
Einführung von Test-Prozessen laut TMMi Egon Valentini 1. März 2010 Agenda NXP Testumfeld CMMi, TMMi TMMi QualityPolicy, TestPolicy, TestStrategy, TestPlan Lessons Learned 2 Warum brauchen wir Testmethoden
MehrAnleitung zur Daten zur Datensicherung und Datenrücksicherung. Datensicherung
Anleitung zur Daten zur Datensicherung und Datenrücksicherung Datensicherung Es gibt drei Möglichkeiten der Datensicherung. Zwei davon sind in Ges eingebaut, die dritte ist eine manuelle Möglichkeit. In
Mehrecommerce als Projekt im Mittelstand: Tut Beratung Not? Bereiche, Formen, Auswahl!
: Tut Beratung Not? Bereiche, Formen, Auswahl! Atrada AG was machen die eigentlich? Erfahrung - Die Atrada AG steht für über ein Jahrzehnt Erfahrung im ecommerce und besteht seit 1995. Seit der Gründung
MehrWärmebildkamera. Arbeitszeit: 15 Minuten
Wärmebildkamera Arbeitszeit: 15 Minuten Ob Menschen, Tiere oder Gegenstände: Sie alle senden unsichtbare Wärmestrahlen aus. Mit sogenannten Wärmebildkameras können diese sichtbar gemacht werden. Dadurch
MehrFinden Sortieren Inspizieren. Wie moderne Bildverarbeitung den Verpackungsprozess beflügelt. Thomas Nepstad Produkt Marketing Manager
Finden Sortieren Inspizieren Wie moderne Bildverarbeitung den Verpackungsprozess beflügelt Thomas Nepstad Produkt Marketing Manager Agenda Wer ist Cognex? Vision in der Verpackungsindustrie Was sind die
MehrDAUERHAFTE ÄNDERUNG VON SCHRIFTART, SCHRIFTGRÖßE
DAUERHAFTE ÄNDERUNG VON SCHRIFTART, SCHRIFTGRÖßE UND ZEILENABSTAND Word 2010 und 2007 Jedes neue leere Dokument, das mit Word 2010 erstellt wird, basiert auf einer Dokumentvorlage mit dem Namen Normal.dotx.
MehrIVS Arbeitsgruppe Softwaretechnik Abschnitt 3.3.1 Management komplexer Integrationslösungen
Vorlesung - IVS Arbeitsgruppe Softwaretechnik Abschnitt 3.3.1 Management komplexer Integrationslösungen Seite 1 Typische Situation in Integrationsprojekten Verwendung komplexer und teuerer Integrationsframeworks.
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrArbeitsblätter, Wörterbücher (1 pro Gruppe) Materialien: Zeit: Mündlich (Interaktion, Schriftlich) Schriftlich (Rezeption, Schriftlich)
Hinweise für Lehrkräfte Niveau: A2 Ziel - Orientierung auf deutschen Internetseiten (Medienkompetenz) - Vorlieben/Abneigungen ausdrücken Weitere Arbeitsblätter, Wörterbücher (1 pro Gruppe) Materialien:
MehrTHE KNOWLEDGE PEOPLE. CompanyFlyer.indd 1 07.03.2016 11:48:05
THE KNOWLEDGE PEOPLE CompanyFlyer.indd 1 07.03.2016 11:48:05 BE SMART IT-CONSULTING Smartes IT-Consulting für die Zukunft: Agilität, Dynamische IT, Komplexitätsreduzierung, Cloud, Industrie 4.0, Big Data
MehrDatenidentifikation und -synchronisation: Grundlage zur Erfüllung der Qualitätsanforderungen beim Datenaustausch zwischen Systemen
Datenidentifikation und -synchronisation: Grundlage zur Erfüllung der Qualitätsanforderungen beim Datenaustausch zwischen Systemen Jürg Simonett Luzern, 26. März 2015 Datenaustausch zwischen Systemen Synchronisation
MehrÜbungen zur Softwaretechnik
Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se
MehrAlso heißt es einmal mehr, immer eine eigene Meinungen bilden, nicht beeinflussen lassen, niemals von anderen irgend eine Meinung aufdrängen lassen.
Seite 1 von 5 Wirtschaft, Finanzen und IT Computer und Technologie Internetseiten Übersichtlich alle verfügbaren Internetseiten von wirfinit. de und darüber hinaus, weitere empfehlenswerte Internetseiten
MehrDatenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006)
Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau (01/2006) Strategisches Informationsmanagement 1 Definition Notwendige Vermaischung der Daten in der Vorstufe zur Destillation von hochprozentiger
MehrERSTELLEN VON INCENTIVES IM ZANOX NETZWERK
ERSTELLEN VON INCENTIVES IM ZANOX NETZWERK USER GUIDE FÜR ADVERTISER INHALTSVERZEICHNIS 1. Einführung...3 2. Incentives veröffentlichen...4 3. Weitere Funktionen...9 ZANOX.de AG Erstellen von Incentives
Mehrit-check EGELI nutzen sie ihr gesamtes it-potenzial informatik
it-check nutzen sie ihr gesamtes it-potenzial EGELI informatik optimieren sie ihre it-welt Dr. Eliane Egeli Mit unseren IT-Checks profitieren Sie in mehrfacher Hinsicht. Etwa durch die bessere Nutzung
MehrReporting Services und SharePoint 2010 Teil 1
Reporting Services und SharePoint 2010 Teil 1 Abstract Bei der Verwendung der Reporting Services in Zusammenhang mit SharePoint 2010 stellt sich immer wieder die Frage bei der Installation: Wo und Wie?
MehrVerkaufen Sie doch wo Sie wollen. Ihr einfacher Weg zu mehr Umsatz und dauerhaft steigendem Erfolg im E-Business
Der Handel über das Internet hat sich gesellschaftlich längst etabliert und ist zu einer bedeutenden Größe der weltweiten Volkswirtschaften geworden. Millionen Produkte und Dienstleistungen werden täglich
MehrUnsere Produkte. Wir automatisieren Ihren Waren- und Informationsfluss. Wir unterstützen Ihren Verkaufsaußendienst.
Die clevere Auftragserfassung Unsere Produkte Das smarte Lagerverwaltungssystem Die Warenwirtschaft für den Handel Wir unterstützen Ihren Verkaufsaußendienst. Wir automatisieren Ihren Waren- und Informationsfluss.
MehrDer Business Model Contest THE VENTURE. inklusive Praxisbeispiel Carsharing- Geschäftsmodelle
Der Business Model Contest THE VENTURE inklusive Praxisbeispiel Carsharing- Geschäftsmodelle Vortragende/r: N.N. 9. April 2015 Dieser Foliensatz kann beliebig verändert und angepasst werden. Hier kann
MehrEinfach wie noch nie. Der mypackage-ansatz. Ihre Lösung zur automatisierten Client-Bereitstellung. mypackage im Überblick
Ihre Lösung zur automatisierten Client-Bereitstellung Die automatisierte Verteilung von Software und die Paketierung von Anwendungen werden in Unternehmen nach wie vor sehr unterschiedlich gehandhabt.
MehrPlanung, Auswahl und Ingest
Planung des Forschungsdaten-Managements: Planung, Auswahl und Ingest Gabriel Stöckle ZAH Heidelberg gst@ari.uni-heidelberg.de Überblick Planung Ziele des Projekts Beziehung zu vorhandene Daten Bewertung
MehrWissensdatenbankeintrag zur Sage New Classic Ab Version 2011 WDB Artikel: 21306
Wissensdatenbankeintrag zur Sage New Classic Ab Version 2011 WDB Artikel: 21306 Werbetexte in der Sage New Classic Werbetexte können in der Sage New Classic über ein Grundlagenprogramm erfasst werden.
MehrEinrichten einer Festplatte mit FDISK unter Windows 95/98/98SE/Me
Einrichten einer Festplatte mit FDISK unter Windows 95/98/98SE/Me Bevor Sie die Platte zum ersten Mal benutzen können, muss sie noch partitioniert und formatiert werden! Vorher zeigt sich die Festplatte
MehrWindows 10 > Fragen über Fragen
www.computeria-olten.ch Monatstreff für Menschen ab 50 Merkblatt 103 Windows 10 > Fragen über Fragen Was ist das? Muss ich dieses Upgrade machen? Was bringt mir das neue Programm? Wie / wann muss ich es
MehrRapidMiner als Werkzeug für die textorientierten Geisteswissenschaften Katharina Morik
technische universität RapidMiner als Werkzeug für die textorientierten Geisteswissenschaften Katharina Morik Name Autor Ort und Datum Informatik: Linguistik: Methoden + Verfahren Forschungsfragen, Anforderungen
MehrCode of Conduct (CoC)
Code of Conduct (CoC) Aeiforia CoC-Check: Erkennen Sie Auswirkungen des CoC auf Ihr Unternehmen! Aeiforia hat ein auf Checklisten gestütztes Vorgehen entwickelt, mit dem Sie Klarheit erlangen, in welchen
MehrÜber dieses Buch. Nutzungsrichtlinien
Über dieses Buch Dies ist ein digitales Exemplar eines Buches, das seit Generationen in den Regalen der Bibliotheken aufbewahrt wurde, bevor es von Google im Rahmen eines Projekts, mit dem die Bücher dieser
MehrOnline bezahlen mit e-rechnung
Online bezahlen mit e-rechnung Einfach online zahlen mit "e- Rechnung", einem Service von führenden österreichischen Banken! Keine Erlagscheine und keine Erlagscheingebühr. Keine Wartezeiten am Bankschalter.
MehrMORE Profile. Pass- und Lizenzverwaltungssystem. Stand: 19.02.2014 MORE Projects GmbH
MORE Profile Pass- und Lizenzverwaltungssystem erstellt von: Thorsten Schumann erreichbar unter: thorsten.schumann@more-projects.de Stand: MORE Projects GmbH Einführung Die in More Profile integrierte
MehrFIS: Projektdaten auf den Internetseiten ausgeben
Rechenzentrum FIS: Projektdaten auf den Internetseiten ausgeben Ist ein Forschungsprojekt im Forschungsinformationssystem (FIS) erfasst und für die Veröffentlichung freigegeben, können Sie einige Daten
MehrManagementbewertung Managementbewertung
Managementbewertung Grundlagen für die Erarbeitung eines Verfahrens nach DIN EN ISO 9001:2000 Inhalte des Workshops 1. Die Anforderungen der ISO 9001:2000 und ihre Interpretation 2. Die Umsetzung der Normanforderungen
MehrAufgabe 1 Berechne den Gesamtwiderstand dieses einfachen Netzwerkes. Lösung Innerhalb dieser Schaltung sind alle Widerstände in Reihe geschaltet.
Widerstandsnetzwerke - Grundlagen Diese Aufgaben dienen zur Übung und Wiederholung. Versucht die Aufgaben selbständig zu lösen und verwendet die Lösungen nur zur Überprüfung eurer Ergebnisse oder wenn
MehrDer VALUEpilot NEU! Ihr Ass im Ärmel
Der VALUEpilot NEU! m Ihr Ass im Ärmel Steckbrief Name: VALUEpilot Beruf: Wertermittler Hobbys: Mathematik und Statistik Alter: 4 Jahre Abrufe pro Monat: stark steigend Wohnort: Neuss Stärken: schnell,
MehrUrs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung
Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung 5. November 2012 2012 ISACA & fischer IT GRC Beratung & Schulung. All rights reserved 2 Agenda Einführung Konzepte und Prinzipien
Mehr2006 COGNOSCO AG, 8057 ZUERICH, SWITZERLAND All rights reserved. Performance Management Markterfolg dank Kundenrating
Performance Management Markterfolg dank Kundenrating Welches sind Ihre besten Kunden? Frage 1: Kennen Sie die Umsatzentwicklung jedes Kunden über die letzten 5 Jahre? Frage 2: Kennen Sie den Produkte-Mix
Mehrrobotron*e count robotron*e sales robotron*e collect Anmeldung Webkomponente Anwenderdokumentation Version: 2.0 Stand: 28.05.2014
robotron*e count robotron*e sales robotron*e collect Anwenderdokumentation Version: 2.0 Stand: 28.05.2014 Seite 2 von 5 Alle Rechte dieser Dokumentation unterliegen dem deutschen Urheberrecht. Die Vervielfältigung,
MehrMicrosoft Update Windows Update
Microsoft bietet mehrere Möglichkeit, Updates durchzuführen, dies reicht von vollkommen automatisch bis zu gar nicht. Auf Rechnern unserer Kunden stellen wir seit September 2006 grundsätzlich die Option
MehrITIL und Entwicklungsmodelle: Die zwei Kulturen
Kombination von IT Service Management (ITIL) und Anwendungsentwicklung Kai Witte und Matthias Kaulke, München, den 30.03.2006 Rahmeninformationen Wo sind wir? Unternehmensdarstellung (1) Unabhängiges Beratungsunternehmen
MehrMitarbeiterbefragung als PE- und OE-Instrument
Mitarbeiterbefragung als PE- und OE-Instrument 1. Was nützt die Mitarbeiterbefragung? Eine Mitarbeiterbefragung hat den Sinn, die Sichtweisen der im Unternehmen tätigen Menschen zu erkennen und für die
MehrModul 5: Service Transition Teil 1
Modul 5: Service Transition Teil 1 1. Ziel, Wert und Aufgaben von Service Transition? 2. Prozess: Projektmanagement (Transition Planning and Support) 3. Prozess: Change Management 4. Prozess: Change-Evaluierung
Mehr