Titlebar

Export bibliographic data
Literature by the same author
plus on the publication server
plus at Google Scholar

 

Hierarchische Eignungsprüfung von externen (Open) Data Sets für unternehmensinterne Analytics- und Machine-Learning-Projekte

Title data

Kaiser, Matthias ; Stirnweiß, Dominic ; Wederhake, Lars:
Hierarchische Eignungsprüfung von externen (Open) Data Sets für unternehmensinterne Analytics- und Machine-Learning-Projekte.
In: HMD Praxis der Wirtschaftsinformatik. (March 2022) .
ISSN 2198-2775
DOI: https://doi.org/10.1365/s40702-022-00842-3

Official URL: Volltext

Project information

Project title:
Project's official titleProject's id
Projektgruppe WI Digital Value NetworkNo information
Projektgruppe WI Künstliche IntelligenzNo information

Abstract in another language

Unternehmen erkennen zunehmend die Bedeutung evidenzbasierter Entscheidungen. Insbesondere die zunehmende Nutzung unternehmensexterner und offener Datensätze (Open Data) fördert die Möglichkeiten evidenzbasierter
Entscheidungen. Dabei basieren evidenzbasierte Entscheidungen mit diesen Datensätzen immer häufiger auf Analysen, welche mittels maschineller Lernverfahren bzw.
Machine Learning (ML) vorbereitet oder durchgeführt werden. Weil der Inhalt und die Qualität und damit der Nutzen eines Datensatzes für solche Analyseverfahren im Vorfeld ungewiss ist, stellt die Auswahl und die Beschaffung von geeigneten
Daten unabhängig vom ML-Verfahren eine Kernherausforderung dar. Dieser Beitrag stellt deshalb zum Zwecke der Effizienz ein hierarchisches Vorgehen vor. Mit diesem können schemabasierte Datensätze strukturiert und effektiv dahingehend überprüft werden, ob deren Qualität und inhaltliche Fit für einen bestimmten Anwendungsfall (z.B. eine wiederkehrende Entscheidungssituation) ausreichend ist.
Im Beitrag beschreiben wir einen Anwendungsfall aus dem Bereich der datengestützten Energieverbrauchsprognose für Wohngebäude, bei dem der Aufwand für die Datensatzauswahl reduziert werden konnte.

Further data

Item Type: Article in a journal
Refereed: Yes
Keywords: Datenqualität; Datenqualitätsbewertung; Data Analytics; Open Data; Machine Learning
Institutions of the University: Faculties > Faculty of Law, Business and Economics > Department of Business Administration
Faculties > Faculty of Law, Business and Economics > Department of Business Administration > Chair Business Administration XVII - Information Systems and Value-Based Business Process Management
Faculties > Faculty of Law, Business and Economics > Department of Business Administration > Chair Business Administration XVII - Information Systems and Value-Based Business Process Management > Chair Information Systems and Value-Based Business Process Management - Univ.-Prof. Dr. Maximilian Röglinger
Research Institutions
Research Institutions > Affiliated Institutes
Research Institutions > Affiliated Institutes > Fraunhofer Project Group Business and Information Systems Engineering
Research Institutions > Affiliated Institutes > FIM Research Center Finance & Information Management
Result of work at the UBT: Yes
DDC Subjects: 000 Computer Science, information, general works > 004 Computer science
300 Social sciences > 330 Economics
Date Deposited: 15 Mar 2022 08:18
Last Modified: 15 Mar 2022 08:18
URI: https://eref.uni-bayreuth.de/id/eprint/68916