Künstliche neuronale Netze sind in Anlehnung an neuronale Strukturen höherer Organismen entwickelt worden mit dem Ziel, unbeaufsichtigtes Lernen zu ermöglichen. Mit neuronalen Netzen ist die Idee unbeaufsichtigten Lernens und künstlicher Intelligenz längst zur Realität geworden. Wir zeigen Ihnen, wie künstliche neuronale Netze funktionieren.
Data Mining beschreibt verschiedene Verfahren zur automatisierten Erkennung von statistischen Zusammenhängen, Mustern, Ähnlichkeiten oder Trends in sehr großen Datenbeständen. Für alle, die sich mit Verkaufstechniken und Methoden zur Umsatzsteigerung befassen, ist Data Mining ein sehr wertvolles Werkzeug. In diesem Artikel zeigen wir, wie Data Mining in der Warenkorbanalyse dabei helfen kann, Gewinne zu steigern und die Wettbewerbsfähigkeit zu verbessern.
Eine solide Marktsegmentierung enscheidet oft über Erfolg oder Misserfolg einer neuen Marketingsstrategie. In diesem Artikel geben wir deshalb einen Überblick über die wichtigsten Best Practie Regeln und übliche Verfahren.
Die Conjoint Analyse zählt zu den wirkungsvollsten Methoden, um Kundenwünsche zu analysieren und Kaufverhalten und Kaufentscheidungen von Personen vorherzusagen. Dazu werden Produkteigenschaften hinsichtlich ihrer Attraktivität untersucht. In diesem Artikel erklären wir, was eine Conjoint Analyse ist. Anhand eines Beispiels werden wir die Vorgehensweise bei einer Conjoint Analyse als Instrument der Marktsimulation verdeutlichen und erklären, wie Sie diese Methode einsetzen können.
In vielen Fällen ist die Frage für eine Analyse nicht nur ob ein Ereignis, (z.B. eine Komplikation beim Patienten, ein Ausfall der Maschine), sondern auch wann. In diesem Fall bietet ist eine Überlebenszeitanalyse die erste Wahl. Wir erklären nicht nur die Grundlagen von Hazard Ration und Kaplan-Meier-Kurven, sondern bieten in diesem Artikel auch ein Shiny Dashboard, welches die Analyse für eine einfache Überlebenszeitanalyse vollautomatisch durchführt!
Strukturgleichungsmodelle werden verwendet, um Ursache-Wirkungs-Beziehungen in sozialwissenschaftlichen, psychologischen und wirtschaftswissenschaftlichen Anwendungen zu untersuchen. Dabei haben sich zwei Verfahren etabliert: der kovarianzbasierte Ansatz sowie die Partial Least Squares (PLS) Modellierung. Für beide Ansätze gibt es Softwarelösungen: SPSS Amos, Lisrel, SmartPLS, u. a. In diesem Artikel zeigen wir Ihnen eine anwendungsorientierte Einführung in die unterschiedlichen Modellierungen und erläutern Ihnen, welche Software ihre Fragestellung am besten lösen kann.
Wer sich von der Konkurrenz absetzen möchte, braucht ein starkes Markenimage. Doch die Schaffung einer positiven Markenidentität braucht ein gutes Verständnis der Bedürfnisse und Interessen der eigenen Kunden. Glücklicherweise bietet Data Science zahlreiche Verfahren, die es ermöglichen, die eigenen Kunden besser zu verstehen und das Marken-Marketing passgenau anzupassen. In diesem Artikel zeigen wir, welche Potenziale Big Data Analytics für die Schaffung einer starken Markenidentität bietet.
Die Conjoint-Analyse ist der optimale Marktforschungsansatz zur Messung des Werts, den Verbraucher den Merkmalen eines Produkts oder einer Dienstleistung beimessen. Dieser Ansatz kombiniert reale Unternehmensszenarien und statistische Verfahren mit der Gestaltung realer Marktentscheidungen. Wir erläutern die verschiedenen Optionen und die jeweiligen Vor- und Nachteile.
“Zeit ist Geld” – dies gilt sicherlich, insbesondere für Unternehmen, die auf Maschinen angewiesen sind. Umso fataler ist daher, wenn eine Anlage unvorhergesehen ausfällt oder Zeit durch unnötige Wartung vertan wird. Mit predictive Maintenance können Unternehmen solch kostspielige Fehler zukünftig vermeiden und vorausschauende Wartung betreiben. Wir erklären wie predictive Maintenance funktioniert und welche Vorteile es bietet.
Tired of using always the same old graphs to visualize your data? There are more and often also more efficient ways to visualize your data than just line or bar charts! We show 4 great alternatives to standard graphs for data visualization with ggplot in R.