Data Science für Unternehmen (eBook)

Cover 1
Titel 3
Impressum 4
Inhaltsverzeichnis 5
Einleitung 13
Über die Autoren 21
Kapitel 1: Einführung: Datenanalytisches Denken 23
1.1 Allgegenwärtige Datenerfassungsmöglichkeiten 23
1.2 Beispiel: Hurrikan Frances 25
1.3 Beispiel: Vorhersage der Kundenfluktuation 26
1.4 Data Science, Engineering und datengestützte Entscheidungsfindung 27
1.5 Datenverarbeitung und »Big Data« 31
1.6 Von Big Data 1.0 zu Big Data 2.0 32
1.7 Daten und Data-Science-Fähigkeiten als strategisches Gut 33
1.8 Datenanalytische Denkweise 36
1.9 Dieses Buch 38
1.10 Data Mining und Data Science 39
1.11 In der Chemie geht es nicht um Reagenzgläser: Data Science vs. die Aufgabe des Data Scientists 40
1.12 Zusammenfassung 41
Kapitel 2: Geschäftliche Aufgaben und Data-Science-Lösungen 43
2.1 Von geschäftlichen Aufgaben zum Data-Mining- Verfahren 44
2.2 Überwachte vs. unüberwachte Verfahren 49
2.3 Ergebnisse des Data Minings 51
2.4 Der Data-Mining-Prozess 52
2.4.1 Aufgabenverständnis 53
2.4.2 Datenverständnis 54
2.4.3 Datenaufbereitung 56
2.4.4 Modellbildung 57
2.4.5 Beurteilung 57
2.4.6 Deployment 59
2.5 Auswirkungen auf das Management des Data-Science-Teams 61
2.6 Weitere Analyseverfahren und -Technologien 62
2.6.1 Statistik 63
2.6.2 Datenbankabfragen 65
2.6.3 Data Warehouses 66
2.6.4 Regressionsanalyse 67
2.6.5 Machine Learning und Data Mining 67
2.6.6 Geschäftliche Aufgaben durch diese Verfahren lösen 68
2.7 Zusammenfassung 70
Kapitel 3: Einführung in die Vorhersagemodellbildung: Von der Korrelation zur überwachten Segmentierung 71
3.1 Modelle, Induktion und Vorhersage 73
3.2 Überwachte Segmentierung 77
3.2.1 Auswahl informativer Merkmale 78
3.2.2 Beispiel: Merkmalsauswahl anhand des Informationsgewinns 86
3.2.3 Überwachte Segmentierung mit Baumstrukturmodellen 92
3.3 Segmentierungen visualisieren 98
3.4 Bäume als Regelsätze 100
3.5 Wahrscheinlichkeitsabschätzung 101
3.6 Beispiel: Abwanderungsrate per Entscheidungsbaum ermitteln 104
3.7 Zusammenfassung 108
Kapitel 4: Ein Modell an Daten anpassen 111
4.1 Klassifizierung via mathematischer Funktionen 113
4.1.1 Lineare Diskriminanzfunktion 115
4.1.2 Optimieren der Zielfunktion 118
4.1.3 Beispiel: Extraktion einer linearen Diskriminanzfunktion aus Daten 119
4.1.4 Lineare Diskriminanzfunktionen zur Beurteilung und zum Erstellen einer Rangfolge von Instanzen 121
4.1.5 Support Vector Machines kompakt erklärt 122
4.2 Regression via mathematischer Funktionen 125
4.3 Wahrscheinlichkeitsabschätzung der Klassenzugehörigkeit und logistische »Regression« 127
4.3.1 * Logistische Regression: Technische Details 131
4.4 Beispiel: Logistische Regression vs. Entscheidungsbaumverfahren 134
4.5 Nichtlineare Funktionen, Support Vector Machines und neuronale Netze 138
4.6 Zusammenfassung 141
Kapitel 5: Überanpassung erkennen und vermeiden 143
5.1 Verallgemeinerungsfähigkeit 143
5.2 Überanpassung 145
5.3 Überanpassung im Detail 146
5.3.1 Zurückgehaltene Daten und Fitfunktionen 146
5.3.2 Überanpassung bei Entscheidungsbaumverfahren 149
5.3.3 Überanpassung bei mathematischen Funktionen 151
5.4 Beispiel: Überanpassung linearer Funktionen 152
5.5 * Beispiel: Nachteile der Überanpassung 156
5.6 Von der Beurteilung durch Testdatenmengen zur Kreuzvalidierung 159
5.7 Abwanderungsdaten 163
5.8 Lernkurven 165
5.9 Überanpassung vermeiden und Steuerung der Komplexität 167
5.9.1 Überanpassung von Entscheidungsbäumen vermeiden 167
5.9.2 Eine allgemeine Methode zur Vermeidung von Überanpassung 168
5.9.3 * Überanpassung bei der Parameteroptimierung vermeiden 171
5.10 Zusammenfassung 175
Kapitel 6: Ähnlichkeit, Nachbarn und Cluster 177
6.1 Ähnlichkeit und Distanz 178
6.2 Nächste-Nachbarn-Methoden 181
6.2.1 Beispiel: Whisky-Analyse 181
6.2.2 Nächste Nachbarn und Vorhersagemodelle 184
6.2.3 Anzahl der Nachbarn und ihre Gewichtung 187
6.2.4 Geometrische Interpretation, Überanpassung und Steuerung der Komplexität 189
6.2.5 Probleme mit Nächste-Nachbarn-Methoden 193
6.3 Ähnlichkeit und Nachbarn: Wichtige technische Details 196
6.3.1 Heterogene Merkmale 196
6.3.2 * Weitere Distanzmaße 197
6.3.3 * Zusammenfassende Funktionen: Scores der Nachbarn berechnen 200
6.4 Clustering 202
6.4.1 Beispiel: Weitere Whisky-Analysen 203
6.4.2 Hierarchisches Clustering 204
6.4.3 Nächste Nachbarn: Clustering um Zentroiden 209
6.4.4 Beispiel: Clustering von Wirtschaftsnachrichten 214
6.4.5 Das Ergebnis des Clusterings verstehen 218
6.4.6 * Cluster-Beschreibungen durch überwachtes Lernen erzeugen 220
6.5 Lösen von geschäftlichen Aufgaben vs. Datenerkundung 223
6.6 Zusammenfassung 226
Kapitel 7: Entscheidungsanalyse I: Was ist ein gutes Modell? 227
7.1 Beurteilung von Klassifizierern 228
7.1.1 Korrektklassifizierungsrate und damit verbundene Probleme 229
7.1.2 Die Wahrheitsmatrix 230
7.1.3 Klassifizierungsaufgaben mit unausgewogener Klassenverteilung 230
7.1.4 Klassifizierungsaufgaben mit unausgewogenem Kosten-Nutzen-Verhältnis 233
7.2 Verallgemeinerung über Klassifizierungen hinaus 234
7.3 Ein wichtiges analytisches Tool: Der Erwartungswert 235
7.3.1 Erwartungswerte für Klassifizierer verwenden 236
7.3.2 Erwartungswerte zur Beurteilung von Klassifizierern verwenden 238
7.4 Beurteilung, Leistung und die Folgen für Investitionen in Daten 246
7.5 Zusammenfassung 249
Kapitel 8: Visualisierung der Leistung von Modellen 251
8.1 Rangfolge statt Klassifizierung 252
8.2 Profitkurven 254
8.3 ROC-Diagramme und -Kurven 257
8.4 Die Fläche unter der ROC-Kurve 263
8.5 Kumulative Reaktionskurven und Lift-Kurven 263
8.6 Beispiel: Leistungsanalyse 266
8.7 Zusammenfassung 275
Kapitel 9: Evidenz und Wahrscheinlichkeiten 277
9.1 Beispiel: Gezielte Kundenansprache durch Onlinewerbung 277
9.2 Evidenzen probabilistisch kombinieren 280
9.2.1 Verbundwahrscheinlichkeit und Unabhängigkeit 281
9.2.2 Der Satz von Bayes 282
9.3 Anwendung des Satzes von Bayes in der Data Science 284
9.3.1 Bedingte Unabhängigkeit und naive Bayes-Klassifizierung 286
9.3.2 Vor- und Nachteile des naiven Bayes-Klassifizierers 288
9.4 Ein Modell für den Lift der Evidenz 290
9.5 Beispiel: Lifts der Evidenz von Facebooks-Likes 291
9.5.1 Evidenz in Aktion: Gezielte Kundenansprache durch Werbung 293
9.6 Zusammenfassung 294
Kapitel 10: Texte repräsentieren und auswerten 295
10.1 Die Bedeutung von Text 296
10.2 Probleme bei der Auswertung von Text 297
10.3 Repräsentierung 298
10.3.1 Das Bag-of-words-Modell 298
10.3.2 Vorkommenshäufigkeiten 299
10.3.3 Inverse Dokumenthäufigkeit 302
10.3.4 Die Kombination aus Vorkommenshäufigkeit und inverser Dokumenthäufigkeit: TFIDF 303
10.4 Beispiel: Jazzmusiker 304
10.5 * Der Zusammenhang zwischen IDF und Entropie 308
10.6 Jenseits des Bag-of-words-Modells 310
10.6.1 N-Gramme 310
10.6.2 Eigennamenerkennung 311
10.6.3 Topic Models 312
10.7 Beispiel: Auswertung von Wirtschaftsnachrichten zwecks Vorhersage von Börsenkursen 313
10.7.1 Die Aufgabe 314
10.7.2 Die Daten 316
10.7.3 Datenvorverarbeitung 319
10.7.4 Ergebnisse 320
10.8 Zusammenfassung 324
Kapitel 11: Entscheidungsanalyse II: Analytisches Engineering 325
11.1 Auswahl geeigneter Empfänger eines Spendenaufrufs 326
11.1.1 Erwartungswerte: Zerlegung in Teilaufgaben und Kombination der Teilergebnisse 326
11.1.2 Ein kurzer Exkurs zum Thema Auswahleffekte 328
11.2 Eine noch ausgeklügeltere Vorhersage der Kundenabwanderung 329
11.2.1 Erwartungswerte: Strukturierung einer komplizierteren geschäftlichen Aufgabe 330
11.2.2 Den Einfluss des Anreizes beurteilen 331
11.2.3 Von der Zerlegung eines Erwartungswerts zur Data-Science-Lösung 333
11.3 Zusammenfassung 336
Kapitel 12: Weitere Verfahren und Methoden der Data Science 339
12.1 Gleichzeitiges Auftreten und Assoziationen: Zueinander passende Objekte finden 340
12.1.1 Unerwartetheit messen: Lift und Leverage 341
12.1.2 Beispiel: Bier und Lotterielose 342
12.1.3 Assoziationen von Facebook-Likes 343
12.2 Profiling: Typisches Verhalten erkennen 347
12.3 Verknüpfungsvorhersagen und Kontaktempfehlungen 352
12.4 Datenreduzierung, latente Informationen und Filmempfehlungen 354
12.5 Bias, Varianz und Ensemblemethoden 358
12.6 Datengestützte Kausalmodelle und ein Beispiel für virales Marketing 362
12.7 Zusammenfassung 363
Kapitel 13: Data Science und Geschäftsstrategie 365
13.1 Datenanalytische Denkweise 365
13.2 Durch Data Science Wettbewerbsvorteile erzielen 368
13.3 Durch Data Science erzielte Wettbewerbsvorteile bewahren 369
13.3.1 Vorteile durch historische Gegebenheiten 370
13.3.2 Einzigartiges geistiges Eigentum 370
13.3.3 Einzigartige immaterielle Werte 371
13.3.4 Überlegene Data Scientists 371
13.3.5 Überlegenes Data-Science-Management 373
13.4 Gewinnung und Förderung von Data Scientists und ihren Teams 375
13.5 Data-Science-Fallstudien 377
13.6 Kreative Ideen von beliebigen Quellen übernehmen 378
13.7 Beurteilung von Vorschlägen für Data-Science-Projekte 379
13.7.1 Beispiel für einen Data-Mining-Projektvorschlag 379
13.7.2 Mängel des Projektvorschlags von Big Red 380
13.8 Ausgereifte Data Science 382
Kapitel 14: Schlussfolgerungen 385
14.1 Die fundamentalen Konzepte der Data Science 385
14.1.1 Anwendung der fundamentalen Konzepte auf eine neue Aufgabe: Auswertung der Daten von Mobilgeräten 388
14.1.2 Eine neue Sichtweise auf die Lösung von geschäftlichen Aufgaben 391
14.2 Was Daten nicht leisten können: Der menschliche Faktor 392
14.3 Privatsphäre, Ethik und Auswertung der Daten von Einzelpersonen 396
14.4 Data Science: Steckt noch mehr dahinter? 397
14.5 Ein letztes Beispiel: Vom Crowd-Sourcing zum Cloud-Sourcing 398
14.6 Schlussworte 400
Anhang A: Leitfaden zur Beurteilung von Projektvorschlägen 401
A.1 Aufgaben- und Datenverständnis 401
A.2 Datenaufbereitung 402
A.3 Modellbildung 403
A.4 Beurteilung und Deployment 403
Anhang B: Ein weiteres Beispiel für einen Projektvorschlag 405
B.1 Szenario und Projektvorschlag 405
B.2 Mängel des Projektvorschlags von GGC 406
Glossar 409
Quellenverzeichnis 415
Stichwortverzeichnis 423