Data Mining Grundkurs

Classroom Schulung | deutsch | Anspruch

Schulungsdauer: 1 Tag

Ziele

In diesem Kurs lernen Sie Möglichkeiten und Einsatzgebiete von Data Mining kennen. Dabei werden Ihnen das Data-Mining-Verfahren sowie das CRISP-Vorgehensmodell nähergebracht.

Zielgruppe

Mitarbeiter aus den Bereichen Controlling, Revision, Marketing und Vertrieb, die zusätzliche Erkenntnisse auf der Basis der Unternehmensdaten generieren möchten

Voraussetzungen

  •  Kenntnisse im Umgang mit relationalen Datenbanken und in der Anwendung von SQL
  • Kenntnisse im Umgang mit Microsoft Excel Version 2007 oder höher
  • Kenntnisse im Einsatz von Microsoft Analysis Server 2008 sind vorteilhaft

Agenda

Data Mining

  • Begrifflichkeiten
  • Einsatzgebiete
  • Verfahren
  • Aufgabenstellungen
  • Algorithmen

Data Mining Vorgehensmodell CRISP-DM

Fallstudien

  • Segmentierung
    • Sichten der Daten
    • Vorverarbeitung der Daten
    • Clusteranalyse
    • Bewertung der Ergebnisse
  • Prognose
    • Sichten der Daten
    • Vorverarbeitung der Daten
    • Neuronales Backpropagation Netzwerk
    • Bewertung der Ergebnisse

Überblick über Tools

Ziele

In diesem Kurs lernen Sie Möglichkeiten und Einsatzgebiete von Data Mining kennen. Dabei werden Ihnen das Data-Mining-Verfahren sowie das CRISP-Vorgehensmodell nähergebracht.

Zielgruppe

Mitarbeiter aus den Bereichen Controlling, Revision, Marketing und Vertrieb, die zusätzliche Erkenntnisse auf der Basis der Unternehmensdaten generieren möchten

Voraussetzungen

  •  Kenntnisse im Umgang mit relationalen Datenbanken und in der Anwendung von SQL
  • Kenntnisse im Umgang mit Microsoft Excel Version 2007 oder höher
  • Kenntnisse im Einsatz von Microsoft Analysis Server 2008 sind vorteilhaft

Agenda

Data Mining

  • Begrifflichkeiten
  • Einsatzgebiete
  • Verfahren
  • Aufgabenstellungen
  • Algorithmen

Data Mining Vorgehensmodell CRISP-DM

Fallstudien

  • Segmentierung
    • Sichten der Daten
    • Vorverarbeitung der Daten
    • Clusteranalyse
    • Bewertung der Ergebnisse
  • Prognose
    • Sichten der Daten
    • Vorverarbeitung der Daten
    • Neuronales Backpropagation Netzwerk
    • Bewertung der Ergebnisse

Überblick über Tools

Diese Seite weiterempfehlen