Data mining im Controlling:
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Thesis/Dissertation Book |
| Language: | German |
| Published: |
Erlangen
Inst. für Mathematische Maschinen und Datenverarbeitung (Informatik)
1996
|
| Series: | Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik)
29,7 |
| Subjects: | |
| Links: | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=007256013&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| Item Description: | Enth.: Teil A. CLUSMIN / Nicolas Bissantz. - Teil B. Die automatische Filterung von Controlling-Daten unter besonderer Berücksichtigung der Top-down-Navigation (BETREX II) / Jürgen Hagedorn |
| Physical Description: | Getr. Zählung Ill., graph. Darst. |
Staff View
MARC
| LEADER | 00000nam a2200000 cb4500 | ||
|---|---|---|---|
| 001 | BV010854801 | ||
| 003 | DE-604 | ||
| 005 | 20130715 | ||
| 007 | t| | ||
| 008 | 960708s1996 gw ad|| m||| 00||| ger d | ||
| 016 | 7 | |a 947866124 |2 DE-101 | |
| 035 | |a (OCoLC)75748660 | ||
| 035 | |a (DE-599)BVBBV010854801 | ||
| 040 | |a DE-604 |b ger |e rakwb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-29 |a DE-29T |a DE-N2 |a DE-739 |a DE-12 |a DE-91G |a DE-355 |a DE-703 |a DE-19 |a DE-20 |a DE-706 |a DE-83 |a DE-634 |a DE-11 |a DE-188 | ||
| 084 | |a QP 345 |0 (DE-625)141866: |2 rvk | ||
| 084 | |a ST 330 |0 (DE-625)143663: |2 rvk | ||
| 084 | |a ST 610 |0 (DE-625)143683: |2 rvk | ||
| 084 | |a DAT 770d |2 stub | ||
| 084 | |a MAT 496d |2 stub | ||
| 084 | |a DAT 703d |2 stub | ||
| 245 | 1 | 0 | |a Data mining im Controlling |
| 264 | 1 | |a Erlangen |b Inst. für Mathematische Maschinen und Datenverarbeitung (Informatik) |c 1996 | |
| 300 | |a Getr. Zählung |b Ill., graph. Darst. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 1 | |a Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik) |v 29,7 | |
| 500 | |a Enth.: Teil A. CLUSMIN / Nicolas Bissantz. - Teil B. Die automatische Filterung von Controlling-Daten unter besonderer Berücksichtigung der Top-down-Navigation (BETREX II) / Jürgen Hagedorn | ||
| 502 | |a Zugl.: Erlangen, Nürnberg, Univ., Diss., 1996, der beiden Verf. | ||
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Controlling |0 (DE-588)4070102-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Betriebsergebnis |0 (DE-588)4145040-1 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 655 | 7 | |a Datenmustererkennung |2 gnd |9 rswk-swf | |
| 689 | 0 | 0 | |a Datenmustererkennung |A f |
| 689 | 0 | 1 | |a Controlling |0 (DE-588)4070102-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Betriebsergebnis |0 (DE-588)4145040-1 |D s |
| 689 | 1 | 1 | |a Controlling |0 (DE-588)4070102-5 |D s |
| 689 | 1 | 2 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 1 | |5 DE-604 | |
| 689 | 2 | 0 | |a Controlling |0 (DE-588)4070102-5 |D s |
| 689 | 2 | 1 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 2 | |5 DE-604 | |
| 700 | 1 | 2 | |a Bissantz, Nicolas |d 1965- |0 (DE-588)137687516 |4 aut |t CLUSMIN |
| 700 | 1 | 2 | |a Hagedorn, Jürgen |4 aut |t Die automatische Filterung von Controlling-Daten unter besonderer Berücksichtigung der Top-down-Navigation (BETREX II) |
| 830 | 0 | |a Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik) |v 29,7 |w (DE-604)BV004860307 |9 29,7 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=007256013&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-007256013 | |
Record in the Search Index
| DE-BY-TUM_call_number | 0102 DAT 001z 2001 A 987-29,7 |
|---|---|
| DE-BY-TUM_katkey | 758188 |
| DE-BY-TUM_location | 01 |
| DE-BY-TUM_media_number | 040020532821 |
| _version_ | 1821935068579364864 |
| adam_text |
Inhaltsverzeichnis
1 Einführung 1
1.1 Problem 1
1.2 Ziel 2
1.3 Aufbau 2
1.4 Hintergrund 2
1.5 Forschungsmethodik 4
2 Konzept und Stand der Datenmustererkennung 5
2.1 Rahmenkonzept 5
2.2 Problemfelder 6
2.2.1 Autonomie 6
2.2.2 Allgemeine Verwendbarkeit 8
2.2.3 Datenproblematik 8
2.2.4 Verständlichkeit 10
2.2.5 Sicherheit 10
2.2.6 Interessantheit 10
2.2.7 Verfahrenseffizienz 11
2.3 Modell eines Data Mining Systems 12
2.3.1 Steuerung 12
2.3.2 Datenbankschnittstelle 13
2.3.3 Wissensbasis (Domänenwissen und Benutzereingaben) 13
2.3.4 Fokussierung 14
2.3.5 Analysealgorithmen 15
2.3.6 Bewertung 15
2.3.7 Präsentation 16
2.4 Stand der Forschung 16
2.4.1 Überblick 16
2.4.2 Abgrenzung zu verwandten Gebieten 19
2.4.3 Systembeispiele 20
2.4.3.1 Abweichungsanalyse 27
2.4.3.2 "Wenn Dann" Regelsuche 29
2.4.3.3 Werkzeugpools 30
2.4.3.4 Grafisches Data Mining 30
2.4.3.5 Entscheidungsbaumverfahren 31
2.4.3.6 Clusternde Systeme 32
2.4.3.7 Neuronale Netze 32
2.4.3.8 Genetische Algorithmen 33
2.4.4 Aktuelle Entwicklungen 33
Inhaltsverzeichnis
3 Datenmustererkennung im Ergebniscontrolling 35
3.1 Spezifika des Ergebniscontrollings 35
3.1.1 Mehrdimensionalität des Ergebnisses 35
3.1.2 Atomare Datengrundlage 36
3.1.3 Umfang der Kombinatorik 37
3.2 Grenzen bisheriger Ansätze 37
3.3 Domänenspezifische Anforderungen 40
3.3.1 Dimensionen und Merkmale 40
J.3.2 Grenzen der Interpretation 40
3.3.3 Verdichtung 41
J.3.4 Segmentierung 42
3.3.5 Fokussierung 42
3.3.6 Nachbehandlung der Daten 43
3.3.7 Datendeformation 43
3.3.8 Bewertung der Auffälligkeit 44
3.3.9 Betriebswirtschaftliche Muster 45
3.3.9.1 Konzentrationen 46
3.3.9.2 Wiederholungen 46
3.3.9.3 Abweichungen 46
3.3.9.4 Abhängigkeiten 46
3.3.9.5 Ähnlichkeiten (Portfoliomuster) 47
3.3.9.6 Rangfolgen 48
3.3.9.7 Entwicklungen 48
3.3.9.8 Sequenzen 49
3.3.9.9 Zusammenfassung 49
3.4 Verfahren für Mustererkennung und Musterbeschreibung 51
3.4.1 Mustererkennung 51
3.4.1.1 Clusteranalyse 52
3.4. l.l.l Überblick 52
3.4.1.1.2 Proximitätsmaße 52
3.4.1.1.3 Clusteranalysealgorithmen 53
3.4.1.1.4 Bewertung 54
3.4.1.2 Bayes Verfahren 55
3.4.1.2.1 Beschreibung 55
3.4.1.2.2 Bewertung 56
3.4.1.3 Fwzy Datenanalyse 56
3.4.1.3.1 Überblick 56
3.4.1.3.2 Fuzzy Clusteranalyse 56
3.4.1.3.3 Fuzzy Mustererkennung 57
3.4.1.3.4 Bewertung 59
Inhaltsverzeichnis in
3.4.2 Musterbeschreibung 60
3.4.2.1 Statistische Verfahren 60
3.4.2.1.1 Regressionsanalyse 60
3.4.2.1.2 Varianzanalyse 60
3.4.2.1.3 Diskriminanzanalyse 61
3.4.2.1.4 Bewertung 61
3.4.2.2 Maschinelles Lernen 62
3.4.2.2.1 Überblick 62
3.4.2.2.2 Induktionsalgorithmus ID3 62
3.4.2.2.3 Rules per class Ansatz 65
3.4.2.2.4 Erweiterung von ID3 auf den n Klassen Fall 66
3.4.2.2.5 Bewertung 68
3.4.3 Hybridverfahren 68
3.4.3.1 RoughSets 68
3.4.3.1.1 Überblick 68
3.4.3.1.2 Fallbeispiel 69
3.4.3.1.2.1 Grundlagen 69
3.4.3.1.2.2 Analyse von Attributabhängigkeiten 70
3.4.3.1.2.3 Eliminierung überflüssiger Attribute 72
3.4.3.1.2.4 Eliminierung überflüssiger
Attributausprägungen 73
3.4.3.1.2.5 Ergebnisse 73
3.4.3.2 Konzeptionelles Clustern 74
3.4.3.2.1 Überblick 74
3.4.3.2.2 Partitioning Module von CLUSTER/2 74
3.4.3.2.3 Bewertung 81
3.4.3.3 RULEARN 81
3.4.3.3.1 Überblick 81
3.4.3.3.2 Fallstudie I: Werkzeugindustrie (WERKZEUG AG) .83
3.4.3.3.2.1 Betrachtetes Unternehmen 83
3.4.3.3.2.2 Datenauswahl 83
3.4.3.3.2.3 Analyseläufe 84
3.4.3.3.2.4 Ergebnisse 85
3.5 Methodenauswahl 88
Inhaltsverzeichnis
A Dctsilltoiizcptioo von Ol^LJ wiir*i •••••••••••••••••••••••••••»•••••••••••••••»•••¦••••••••••••••••«•••••••«•"*
4.1 Systemarchitektur 91
4.2 Systemkomponenten 92
4.2.1 Steuerung 92
4.2.2 Datenbankschnittstelle 92
4.2.3 Fokussierung 92
4.2.3.1 Überblick 92
4.2.3.2 Felderfokussierung 92
4.2.3.3 Kennzahlenumrechnung 93
4.2.3.4 Feldergewichtung 93
4.2.3.5 Steuerung der Auffälligkeit 93
4.2.3.6 Datenauswahl 93
4.2.3.6.1 Selektionsvektor 94
4.2.3.6.2 Datensatzlimitgesteuerte Verdichtung 95
4.2.4 Wissensbasis 97
4.2.5 Analysekomponenten 98
4.2.5.1 Mustererkennung 98
4.2.5.1.1 Ähnlichkeitsberechnung 98
4.2.5.1.1.1 Gewichtung 99
4.2.5.1.1.2 Proximitätsmaß für Kennzahlen und
Merkmale 99
4.2.5.1.2 Clusterbildung 100
4.2.5.1.2.1 Average Linkage Verfahren 102
4.2.5.1.2.1.1 Gruppenbildung 102
4.2.5.1.2.1.2 Abbrachbedingungen 103
4.2.5.1.2.2 Sequentielles heuristisches Verfahren 104
4.2.5.1.2.2.1 Behandlung eindeutig
zuordenbarer Datensätze 104
4.2.5.1.2.2.2 Behandlung nicht eindeutig
zuordenbarer Datensätze 105
4.2.5.2 Musterbeschreibung 105
4.2.5.2.1 Aufbereitung der Gruppen 106
4.2.5.2.1.1 Aufbereitung der Kennzahlen 106
4.2.5.2.1.2 Aufbereitung der Merkmale 107
4.2.5.2.2 Auswahl der Variablen 107
4.2.5.2.2.1 Automatische Auswahl auffälliger
Kennzahlen 107
4.2.5.2.2.2 Automatische Auswahl auffälliger
Merkmale 109
4.2.5.2.2.3 Benutzergesteuerte Auswahl der
Variablen 111
Inhaltsverzeichnis V
4.2.5.2.3 Beschreibung der Gruppen 111
4.2.5.2.3.1 Aufbau der Beschreibung 112
4.2.5.2.3.2 Verbesserung der Beschreibung 112
4.2.6 Bewertung 113
4.2.6.1 Vergleichbarkeit von Aussagen 113
4.2.6.2 Aussagendeckung 113
4.2.6.3 Überprüfung der Ausschlußaussagen 114
4.2.7 Präsentation 115
4.2JA Aussagenpräsentation 115
4.2.7.2 Aussagenausschluß 117
4.2.7.3 Exportfunktion 117
4.2.7.4 Objektauswahl 117
5 Realisierung von CLUSMIN 119
5.1 Entwicklungsumgebung 119
5.1.1 Hardware 119
5.1.2 Software 119
5.2 Systemintegration 120
5.2.1 Systemablauf 120
5.2.2 Datenhaltung 124
6 Evaluation von CLUSMIN 125
6.1 Evaluation mit Testdaten 125
6.1.1 Parametereinstellungen 125
6.1.1.1 Ähnlichkeitsberechnung 125
6.1.1.2 Clusterbildung 125
6.1.1.2.1 Average Linkage Verfahren 126
6.1.1.2.2 Sequentielles heuristisches Verfahren 126
6.1.1.3 Aufbereitung der Gruppen 126
6.1.1.4 Auswahl der Variablen 126
6.1.1.5 Beschreibung der Gruppen 127
6.1.1.6 Präsentation 127
6.1.2 Testläufe 127
6.1.2.1 Laufzeitverhalten 127
6.1.2.2 Beurteilung der generierten Regeln 128
6.2 Fallstudien mit Praxisdaten 129
6.2.1 Fallstudie II: Werkzeugindustrie (WERKZEUG AG) 129
6.2.2 Fallstudie III: Pharmazeutische Industrie (PHARMA AG) 131
6.2.3 Fallstudie IV: Nahrungsmittelindustrie (TEE GmbH Co. KG) 133
6.2.4 Fallstudie V: Pharmazeutische Industrie (PHARMA AG) 134
6.2.5 Zusammenfassende Bewertung 136
yj Inhaltsverzeichnis
6.3 Integration in das Unternehmenscontrolling 137
6.3.1 Form der Mensch Maschine Kommunikation 137
6.3.2 Anwendungsschwerpunkt und Einsatzrhythmus 138
7 Zusammenfassung und zukünftige Entwicklungsmöglichkeiten 141
7.1 Zusammenfassung 141
7.2 Zukünftige Entwicklungsmöglichkeiten 141
7.2.1 Weitere Fusion 141
7.2.2 Marktimpulse 143
Anhang VII
Literaturverzeichnis VII
Fallbeispiele XXVI
Trainingsdatensätze zu ID3 (Grundkonzeption) XXVI
Trainingsdatensätze zum Rules per class Ansatz XXVII
Entscheidungsbäume XXVIII
Trainingsdatensätze zum Vier Klassen Fall von ID3 XXX
Berechnungsausschnitt zum Vier Klassen Fall von ID3 XXXI
Trainingsdatensätze zum konzeptionellen Clustern XXXVI
Parameter des CLUSMIN Systems XXXVII |
| any_adam_object | 1 |
| author | Bissantz, Nicolas 1965- Hagedorn, Jürgen |
| author_GND | (DE-588)137687516 |
| author_facet | Bissantz, Nicolas 1965- Hagedorn, Jürgen |
| author_role | aut aut |
| author_sort | Bissantz, Nicolas 1965- |
| author_variant | n b nb j h jh |
| building | Verbundindex |
| bvnumber | BV010854801 |
| classification_rvk | QP 345 ST 330 ST 610 |
| classification_tum | DAT 770d MAT 496d DAT 703d |
| ctrlnum | (OCoLC)75748660 (DE-599)BVBBV010854801 |
| discipline | Informatik Mathematik Wirtschaftswissenschaften |
| format | Thesis Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 cb4500</leader><controlfield tag="001">BV010854801</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20130715</controlfield><controlfield tag="007">t|</controlfield><controlfield tag="008">960708s1996 gw ad|| m||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">947866124</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)75748660</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV010854801</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-29</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-N2</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-188</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 330</subfield><subfield code="0">(DE-625)143663:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 610</subfield><subfield code="0">(DE-625)143683:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 770d</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">MAT 496d</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 703d</subfield><subfield code="2">stub</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data mining im Controlling</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Erlangen</subfield><subfield code="b">Inst. für Mathematische Maschinen und Datenverarbeitung (Informatik)</subfield><subfield code="c">1996</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">Getr. Zählung</subfield><subfield code="b">Ill., graph. Darst.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="1" ind2=" "><subfield code="a">Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik)</subfield><subfield code="v">29,7</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Enth.: Teil A. CLUSMIN / Nicolas Bissantz. - Teil B. Die automatische Filterung von Controlling-Daten unter besonderer Berücksichtigung der Top-down-Navigation (BETREX II) / Jürgen Hagedorn</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="a">Zugl.: Erlangen, Nürnberg, Univ., Diss., 1996, der beiden Verf.</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Controlling</subfield><subfield code="0">(DE-588)4070102-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Betriebsergebnis</subfield><subfield code="0">(DE-588)4145040-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="a">Datenmustererkennung</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Datenmustererkennung</subfield><subfield code="A">f</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Controlling</subfield><subfield code="0">(DE-588)4070102-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Betriebsergebnis</subfield><subfield code="0">(DE-588)4145040-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Controlling</subfield><subfield code="0">(DE-588)4070102-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Controlling</subfield><subfield code="0">(DE-588)4070102-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2="2"><subfield code="a">Bissantz, Nicolas</subfield><subfield code="d">1965-</subfield><subfield code="0">(DE-588)137687516</subfield><subfield code="4">aut</subfield><subfield code="t">CLUSMIN</subfield></datafield><datafield tag="700" ind1="1" ind2="2"><subfield code="a">Hagedorn, Jürgen</subfield><subfield code="4">aut</subfield><subfield code="t">Die automatische Filterung von Controlling-Daten unter besonderer Berücksichtigung der Top-down-Navigation (BETREX II)</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik)</subfield><subfield code="v">29,7</subfield><subfield code="w">(DE-604)BV004860307</subfield><subfield code="9">29,7</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=007256013&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-007256013</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content Datenmustererkennung gnd |
| genre_facet | Hochschulschrift Datenmustererkennung |
| id | DE-604.BV010854801 |
| illustrated | Illustrated |
| indexdate | 2025-01-11T19:10:04Z |
| institution | BVB |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-007256013 |
| oclc_num | 75748660 |
| open_access_boolean | |
| owner | DE-29 DE-29T DE-N2 DE-739 DE-12 DE-91G DE-BY-TUM DE-355 DE-BY-UBR DE-703 DE-19 DE-BY-UBM DE-20 DE-706 DE-83 DE-634 DE-11 DE-188 |
| owner_facet | DE-29 DE-29T DE-N2 DE-739 DE-12 DE-91G DE-BY-TUM DE-355 DE-BY-UBR DE-703 DE-19 DE-BY-UBM DE-20 DE-706 DE-83 DE-634 DE-11 DE-188 |
| physical | Getr. Zählung Ill., graph. Darst. |
| publishDate | 1996 |
| publishDateSearch | 1996 |
| publishDateSort | 1996 |
| publisher | Inst. für Mathematische Maschinen und Datenverarbeitung (Informatik) |
| record_format | marc |
| series | Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik) |
| series2 | Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik) |
| spellingShingle | Bissantz, Nicolas 1965- Hagedorn, Jürgen Data mining im Controlling Arbeitsberichte des Instituts für Mathematische Maschinen und Datenverarbeitung (Informatik) Data Mining (DE-588)4428654-5 gnd Controlling (DE-588)4070102-5 gnd Betriebsergebnis (DE-588)4145040-1 gnd |
| subject_GND | (DE-588)4428654-5 (DE-588)4070102-5 (DE-588)4145040-1 (DE-588)4113937-9 |
| title | Data mining im Controlling |
| title_alt | CLUSMIN Die automatische Filterung von Controlling-Daten unter besonderer Berücksichtigung der Top-down-Navigation (BETREX II) |
| title_auth | Data mining im Controlling |
| title_exact_search | Data mining im Controlling |
| title_full | Data mining im Controlling |
| title_fullStr | Data mining im Controlling |
| title_full_unstemmed | Data mining im Controlling |
| title_short | Data mining im Controlling |
| title_sort | data mining im controlling |
| topic | Data Mining (DE-588)4428654-5 gnd Controlling (DE-588)4070102-5 gnd Betriebsergebnis (DE-588)4145040-1 gnd |
| topic_facet | Data Mining Controlling Betriebsergebnis Hochschulschrift Datenmustererkennung |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=007256013&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| volume_link | (DE-604)BV004860307 |
| work_keys_str_mv | AT bissantznicolas dataminingimcontrolling AT hagedornjurgen dataminingimcontrolling |
Table of Contents
Order paper/chapter scan
Order paper/chapter scan
Branch Library Mathematics & Informatics
| Call Number: |
0102 DAT 001z 2001 A 987-29,7
Floor plan |
|---|---|
| Copy 1 | Available for loan On Shelf |