Custom cover image
Custom cover image

Data Analytics im Risikomanagement : Descriptive Analytics - Diagnostic Analytics - Predictive Analytics / von Frank Romeike, Gabriele Wieczorek

By: Contributor(s): Resource type: Ressourcentyp: Buch (Online)Book (Online)Language: German Publisher: Wiesbaden : Springer Fachmedien Wiesbaden, 2026Publisher: Wiesbaden : Imprint: Springer Gabler, 2026Description: 1 Online-Ressource(XL, 598 S. 153 Abb., 105 Abb. in Farbe.)ISBN:
  • 9783658488437
Subject(s): Additional physical formats: 9783658488420 | Erscheint auch als: 9783658488420 Druck-AusgabeDDC classification:
  • 658 23
DOI: DOI: 10.1007/978-3-658-48843-7Online resources: Summary: 1. Einführung -- 1.1 Einführungsbeispiel: Auf der Suche nach der Weltformel -- 1.2 Data Analytics als Teil des "Knowledge Discovery Process Model" -- 1.3 Abgrenzung von Begriffen (Data Analytics, Business Analytics, Data Mining, Big Data, Artificial Intelligence, Descriptive Analytics, Diagnostic Analytics, Predictive Analytics und Prescriptive Analytics, Supervised und Unsupervised Learning, Algorithmus etc.) -- 1.4 Artificial Intelligence versus Künstliche Intelligenz -- 1.5 Menschliche Intelligenz versus Algorithmen -- 1.6 Von Descriptive Analytics bis Prescriptive Analytics -- 2. Daten als Ausgangspunkt -- 2.1 Datenkompetent (data literacy), Methodenkompetenz (statistical literacy) und Informationskompetenz (information literacy) -- 2.2 Datenquellen, Datenqualität, Datentypen -- 2.3 Datenaufbereitung, fehlende Daten, Ausreißer, Datentransformation -- 2.4 Bedeutung der Stichprobengröße und mögliche Lösungsansätze -- 2.5 Data Governance als Grundlage für Datenqualität und Zuverlässigkeit -- 3. Descriptive Analytics/ Datenvisualisierung -- 3.1 Einführung in die deskriptive Statistik -- 3.2 Datenvisualisierung für eine Variable -- 3.3 Statistische Maßzahlen zur eindimensionalen Datenbeschreibung -- 3.4 Exploration des Zusammenhangs von mehreren Variablen -- 3.5 Anwendungsbeispiele in R -- 4. Fortgeschrittene deskriptive und erklärende Analyse -- (Diagnostic Analytics) -- 4.1 Regressionsanalyse -- 4.2 Klassifikationsverfahren -- 4.3 Clusteranalyse -- 4.4 Assoziationsanalyse: Exploration struktureller Zusammenhänge -- 4.5 Zeitreihenanalyse -- 4.6 Anwendungsbeispiele in R -- 5. Predictive Analytics: Ein Blick in die Zukunft -- 5.1 Kurze Geschichte der Zukunft -- 5.2 Prädiktive Modellierung als Grundlage -- 5.3 Einführung in die Bayessche Statistik -- 5.4 Bayessche Netze -- 5.5 Künstliche Intelligenz und Big Data -- 5.6 Maschinelles Lernen -- 5.7 Evaluierung von prädiktiven Modellen -- 5.8 Anwendungsbeispiele in R -- 6. Data Analytics im Risikomanagement -- 6.1 Bedeutung und Potenziale von Data Analytics im Risikomanagement -- 6.2 Prescriptive Analytics im Risikomanagement -- 6.3 Artificial Intelligence im Risikomanagement -- 6.4 Modellrisiken -- 6.5 Anwendungsbeispiele in R.Summary: Das Buch bietet einen umfassenden Überblick über Data Analytics im Risikomanagement in Unternehmen. Die fortschreitende Digitalisierung bringt eine wachsende Menge von Daten hervor. Data Analytics beschäftigt sich mit den Methoden zur Analyse dieser Daten und umfasst neben statistischen Modellen auch das Maschinelle Lernen. Unternehmen, die die methodischen Grundlagen von Data Analytics verstehen und anwenden, können nicht nur im Risikomanagement Daten wertschöpfend nutzen, sondern auf Basis einer verbesserten Analyse und Prognose fundierte unternehmerische Entscheidungen treffen. In einem durch den Einsatz von Artificial Intelligence (AI) geprägten Unternehmensumfeld stellt dies einen erheblichen Wettbewerbsvorteil dar. Neben einer allgemeinen Einführung in Data Analytics erläutern die Autoren fundiert die Methoden der deskriptiven, diagnostischen sowie prädiktiven Datenanalyse. Basierend auf einem fiktiven Unternehmen werden Anwendungsbeispiele aus der Praxis des Risikomanagements beschrieben. Die Beispiele werden als Sourcecode in der Programmiersprache R für eine praktische Umsetzung zum Download bereitgestellt. Der Inhalt Data Analytics – eine Einführung Descriptive Analytics und Datenvisualisierung Diagnostic Analytics: Clusteranalyse, Hierarchische Cluster-Verfahren, Assoziationsanalyse, Lineare Regression, Klassifikationsverfahren, Zeitreihenanalyse Predictive Analytics: Ein Blick in die Zukunft, inkl. Bayes-Netze, Maschinelles Lernen sowie Evaluierung von prädiktiven Modellen Einführung in R sowie Nutzung von LLMs Die Autoren Frank Romeike ist Geschäftsführer und Eigentümer des Kompetenzportals RiskNET und zählt international zu den führenden Experten für Risiko- und Chancenmanagement. Die von ihm gegründete Risk Academy hat weltweit rund 30.000 Risikomanager ausgebildet bzw. gecoacht. Er engagiert sich in der akademischen Lehre an Hochschulen im In- und Ausland. Prof. Dr. Gabriele Wieczorek ist Mathematikerin und Professorin mit dem Lehrgebiet "Stochastik und Risikomanagement" an der Hochschule Hamm-Lippstadt. Ihre Forschung zum Risikomanagement umfasst u. a. die nicht-frequentistischen Methoden zur Risikomodellierung sowie die Anwendung von Künstlicher Intelligenz im Risikomanagement.PPN: PPN: 1960499165Package identifier: Produktsigel: ZDB-2-SEB | ZDB-2-SWI
No physical items for this record

Barrierefreier Inhalt: PDF/UA-1. Table of contents navigation. Single logical reading order. Short alternative textual descriptions. Use of color is not sole means of conveying information. Use of high contrast between text and background color. Next / Previous structural navigation. All non-decorative content supports reading without sight

Anmerkungen zur Barrierefreiheit: This PDF has been created in accordance with the PDF/UA-1 standard to enhance accessibility, including screen reader support, described non-text content (images, graphs), bookmarks for easy navigation, keyboard-friendly links and forms and searchable, selectable text. We recognize the importance of accessibility, and we welcome queries about accessibility for any of our products. If you have a question or an access need, please get in touch with us at accessibilitysupport@springernature.com. Please note that a more accessible version of this eBook is available as ePub.. No reading system accessibility options actively disabled. Publisher contact for further accessibility information: accessibilitysupport@springernature.com

KIT – The University in the Helmholtz Association                         Home | Impressum | Datenschutz | Barrierefreiheit | KIT