Ökonometrie und Statistik Datamining und Big Data anhand von Fallbeispielen Dr. Bertram Wassermann.

Präsentation zum Thema: "Ökonometrie und Statistik Datamining und Big Data anhand von Fallbeispielen Dr. Bertram Wassermann."—  Präsentation transkript:

1 Ökonometrie und Statistik Datamining und Big Data anhand von Fallbeispielen
Dr. Bertram Wassermann

2 Vorstellung Dr. Bertram Wassermann, MA Senior Operations Research ÖBB
HP: homepage.univie.ac.at/bertram.wassermann Senior Operations Research ÖBB

3 Ziele der Vorlesung Die Vorlesung will
ein Sprachkurs in Operations Research sein anhand von Fallbeispielen Datamining in der Praxis präsentieren einen Methodenkoffer aus der Statistik zusammenstellen die Vorgehensweise im Problemlösungs- und Analyseprozess vermitteln Die Vorlesung wird Sie nicht befähigen selbst zu rechnen und daher selbst Datamining zu betreiben, eine Analysesoftware nutzen zu können.

4 Themengebiet 1: Controlling und Reporting
„Das strategische Controlling benutzt Analysen seines Marktes, um neue Potentiale für das Unternehmen aufzubauen und gelegentlich vor Fehleinschätzungen des Marktes zu warnen.“ Wikipedia Methoden, um in den Unternehmensdaten Zusammenhänge zu erkennen, zu quantifizieren und zu verstehen. Lineare Regression ist dafür die typische Methode Lineare Regression ist aber auch das Modell für viele andere Methoden, die wir besprechen werden. Operatives Controlling ist kein Thema der Vorlesung

5 Themengebiet 2: Yield Management
Das Yield-Management, häufig mit Ertragsmanagement übersetzt, ist ein Instrument zur simultanen und dynamischen, meist rechnergestützten Preis- und Kapazitätssteuerung. Es ist abgeleitet von Yield, dem englischen Begriff für die Rendite. Variable Produktionskosten im Vergleich zu Fixkosten gering Produktionskapazitäten relativ fix Produkteinheiten nicht lagerbar bzw. verderblich Verkauf bereits vor Produktion möglich Steuerung durch Preismanagement Wir werden Zeitreihenanalyse als Methode einsetzen Kein Einführungskurs in Yield - Management

6 Themengebiet 3: Fraud Detection
DasThe PwC global economic crime survey of 2016 suggests that more than one in three (36%) of organizations experienced economic crime. Types of fraud: cheque fraud, credit card fraud, mortgage fraud, medical fraud, corporate fraud, securities fraud bank fraud, insurance fraud, … In diesem Bereich kommt eine Unzahl von Methoden zum Einsatz, wegen der vielen verschiedenen Fraud Typen Supervised und gerade auch unsupervised Methoden Sensibilisierung bei Ihnen als zukünftige Manager in Österreichischen Unternehmen Keine Zertifizierung als Fraud Examiner

7 Themengebiet 4: Customer Relationship Management
„Customer Relationship Managment ist einen kundenorientierte Unternehmensphilosophie, die mit Hilfe moderner Informations- und Kommunikationstechnologie versucht, auf lange Sicht profitable ´Kundenbeziehungen durch ganzheitliche und differenzierte Marketing- ,Vertrieb- und Servicekonzepte aufzubauen und zu festigen.“ Klaus Wilde, Universität Eichstätt Typische Fragestellungen: Churn Up- and Cross selling Customer Life Cycle Analytisches CRM ist der für uns relevante Teil des CRM Klassische Methoden: Logistische Regression Entscheidungsbäume Operatives CRM ist kein Thema der Vorlesung

8 Themengebiet 5: MAFO Kontingenztafelanalyse
Kontingenztafeln sind Tabellen, die die absoluten oder relativen Häufigkeiten von Kombinationen bestimmter Merkmals-ausprägungen enthalten. Kontingenz hat dabei die Bedeutung des gemeinsamen Auftretens von zwei Merkmalen. Wikipedia Das zu analysierende KPI ist die Häufigkeit des Auftretens bestimmter Merkmalskombinationen Generelles Ziel: Identifikation von Merkmalskombinationen, die überproportional häufig auftreten unterproportional häufig auftreten Typische Fragestellung: Warenkorbanalyse Methodisch ist es eine Verallgemeinerung der Regressionsanalyse.

9 Prüfung Die 3 Prüfungsfragen

10 Fragestellung 1: Analyseplanung
Beschreibung: Die ÖBB möchten über die Zufriedenheit ihrer Pendler auf einer bestimmten Strecke bescheid wissen. Sie führt in den Zügen eine Befragung durch. Es wird erhoben: Wie zufrieden ist der Befragte mit den Verbindungen auf dieser Strecke grundsätzlich? Bewertet wird auf einer Skala von 0 bis 10, 0 bedeutet absolut unzufrieden, 10 bedeutet absolut zufrieden Anzahl der Verspätungen, die die Person im letzten Monat erlebt hat. (Durchschnittliche) Dauer der Fahrt der Person (in Minuten) Geschlecht Alter Beruf (Arbeiter, Angestellter, Beamter)

11 Fragestellung 1: Analyseplanung
Subfragen: Kategorisieren Sie die fünf Variablen. Bei den univariaten Voranalysen kann man hier welche Methoden verwenden, grafische wie auch Kennzahlen? Bei den bivariaten Voranalysen kann man hier welche Methoden verwenden, grafische wie auch Kennzahlen? Was ist die multivariate Analyse, die man hier einsetzen wird.

12 Fragestellung 1: Methodenmatrix
Varianzanalyse Gruppierter Boxplot Lineare Regression Streudiagramm Abhängige Variable \ Zielvariable Nominal Metrisch Chi² Test Gruppiertes Säulendiagramm Logistische Regression Linienplot der Anteile der Erfolge Skalierung: Nominal Metrisch Erklärende (unabhängige) Variable

13 Fragestellung 2: Abläufe von bestimmen Analyse
z.B.: Beschreiben Sie den Ablauf eines typischen statistischen Analyseprozesses. oder Wie wird eine Zeitreihenanalyse durchgeführt? Beispiel einer Methodenmatrix zur Fraud Detection Wie läuft die Überbuchungssteuerung ab? Wie wird eine Modell Selektion im Data Mining durchgeführt? Etc. Wird noch erweitert und verfollständigt.

14 Fragestellung 3: Lesen eines Berichts & Gleichungen
Können Sie diese Ansammlung von Grafiken und Tabellen interpretiere? Was ist hier die Kernaussage?