Andere Kunden interessierten sich auch für
![Assoziationsanalysen im Rahmen des Data Mining]( "Assoziationsanalysen im Rahmen des Data Mining")
Assoziationsanalysen im Rahmen des Data Mining49,00 €![Business Analytics]( "Business Analytics")
Business Analytics49,80 €![Data Mining and Big Data (SAS)]( "Data Mining and Big Data (SAS)")
Data Mining and Big Data (SAS)53,99 €![Data-Mining im Kontext des Prozessmanagements]( "Data-Mining im Kontext des Prozessmanagements")
Data-Mining im Kontext des Prozessmanagements18,95 €![Data Mining und Benford's Law als Controllinginstrumente]( "Data Mining und Benford's Law als Controllinginstrumente")
Data Mining und Benford's Law als Controllinginstrumente70,00 €![Wie die Logistik 4.0 Daten effizient nutzt. Implementierung eines Data Mining Algorithmus zur Nivellierung von Kommissionierspitzen]( "Wie die Logistik 4.0 Daten effizient nutzt. Implementierung eines Data Mining Algorithmus zur Nivellierung von Kommissionierspitzen")
Wie die Logistik 4.0 Daten effizient nutzt. Implementierung eines Data Mining Algorithmus zur Nivellierung von Kommissionierspitzen47,95 €![Data Mining und Benford's Law als Controllinginstrumente]( "Data Mining und Benford's Law als Controllinginstrumente")
Data Mining und Benford's Law als Controllinginstrumente45,90 €
Dieses Fachbuch widmet sich der Thematik der Zahlungsausfälle aus anwendungsorientierter Sicht. Anhand eines Praxisbeispiels aus der Versicherungswirtschaft soll gezeigt werden, wie Unternehmen unter Anwendung des Data Mining Zahlungsausfälle prognostizieren und dessen Ausfallwahrscheinlichkeit quantifizieren können. Zudem werden speziell für die Versicherungsbranche Maßnahmen abgeleitet, welche die Zahlungsausfallwahrscheinlichkeit reduzieren sollen. Bei der Durchführung des Data Mining-Projektes wurde das CRISP-Data Mining-Vorgehensmodell zugrunde gelegt, bei dem Data Mining nicht als autonomer Prozess, sondern als ein Teilprozess des Modells dargestellt wird und durch seine praktische Anwendung überzeugt. Darüber hinaus zeigt dieses Buch auf, wie das Data Mining Modell mit der besten Prognosequalität und einer guten Modellstabilität in die Geschäftsprozesse des Versicherungsunternehmens integriert werden kann.