Data Mining liefert den Werkzeugkasten, auf dem Empfehlungssysteme, Kampagnenmanagementsysteme oder Entscheidungsunterstützungssysteme ihre Lösungen bauen.

Die Systeme, die wir in einer Wirtschaftsinformatik-Vorlesung wie ITO besprechen, sammeln Daten und bearbeiten Daten. Sie liefern dem Entscheidungsträger Berichte und Statistiken, und vor allem Modelle, die aus den Daten abgeleitet wurden. 

• Ein Entscheidungsträger bestimmt unter anderem, welche Produkte den Internet-Kunden angeboten werden sollen und zu welchen Konditionen.
• Er bestimmt, unter welchen Bedingungen einem Kunden ein Produkt empfohlen wird bzw. ob der Kunde Werbung bekommt und in welcher Form.
• "Er" kann ein Mensch sein oder ein intelligenter Dienst – ein Teil von einer Empfehlungsmaschine.

Solche Bestimmungen basieren auf Modelle, die die Kundeninteressen, Präferenzen, Preissensitivität usw beschreiben, ihr Verhalten in jedem Verkaufskanal und ihre Ähnlichkeit zu anderen Kunden. Diese Modellewerden genutzt, um das geeigneteste Produkt oder einen passenden Dienst einem Kunden anzubieten.

In der Bachelor-Vorlesung "Data Mining" besprechen wir Methoden zur Ableitung von Modellen aus Daten. Wir besprechen Methoden zur 

• Klassifikation (Beispielanwendungen: Spam-Erkennung, Bonitätsprüfung)‏
• Clustering (Beispielanwendungen: Ableitung von Kundenprofilen, Erkennung von Ausnahmesituationen)‏
• Assoziationsregeln (Beispielanwendungen: Warenkorbanalyse für Cross/Up-Selling, Empfehlungssysteme)

Pan-Ning Tan, M. Steinbach, Vipin Kumar.
 Introduction to Data Mining. 2004

Auswahl von wiss. Artikeln, Angaben zum Semesterbeginn

Keine inhaltlichen Voraussetzungen.

WPF CV;B ab 4

WPF CV;i ab 4

WPF CSE;B ab 4

WPF DKE;M 1-3

WPF IF;i ab 4

WPF IF;B ab 4

WPF INGIF;i ab 4

WPF WIF;i ab 4

WPF WIF;B ab 4

WPF Statistik; M 1-3