Die in Unternehmensdatenbanken gespeicherten Daten wachsen aufgrund moderner Datensammlungs- und Datenbereitstellungstechniken exponentiell an. Gleichzeitig steigt in einer immer komplexer werdenden Umwelt das Bedürfnis nach handlungsrelevantem Wissen. Die zwischen diesen beiden Bereichen immer noch sehr große Lücke zu schließen, haben sich die Autoren in dem Buch zum Ziel gesetzt. Dazu werden zwei sehr interessante, jedoch in der Praxis noch weitgehend unbekannte Methodengruppen, adaptive Regelsysteme (Neuro-Fuzzy Systeme) und graphentheoretische Modelle der Abhängigkeitsanalyse methodisch vertieft und in ein Standardprozeßmodell der Wissensentdeckung integriert. Die Leistungsfähigkeit der Vorgehensweisen wird an einer Reihe von Praxisanwendungen demonstriert.
Thomas Wittmann Reihenfolge der Bücher




- 2000
- 2000
Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen
- 504 Seiten
- 18 Lesestunden
Wissensentdeckung in Datenbanken zielt auf die Schließung der Lücke zwischen den oft umfangreichen Datenbeständen in Unternehmen, beispielsweise in Data Warehouses, und dem steigenden Bedürfnis nach handlungsrelevantem Wissen. Dazu wird auf verschiedene Data-Mining-Verfahren zurückgegriffen, zu denen auch die im Fokus dieses Buches stehenden adaptiven Regelsysteme, im engeren Neuro-Fuzzy Systeme, gehören. Diese sind in der Lage, in Datenbeständen autonom Wissensstrukturen in Form von Wenn-Dann-Regeln zu entdecken. Eingebunden in einen Standardprozeß der Wissensentdeckung, für den in dieser Arbeit ein Methodenbaukasten entwickelt wird, eignen sie sich zur Aufdeckung von für den Unternehmenserfolg relevanten Zusammenhängen. Dies wird für Praxisanwendungen aus unterschiedlichen Branchen gezeigt.