Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master...

13
Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst, Jan Bierer

Transcript of Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master...

Page 1: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

Data-Mining-Cup 2012

Fakultät für Wirtschaftswissenschaften

Wirtschaftsinformatik Master

Wissensextraktion SS12

Team 1Annemarie Ulbricht,

Ariane Kunst,

Jan Bierer

Page 2: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 2/13

Einleitung

DMC12 570 Items 42 Tage Preis & Menge

Vorhersage: Menge je Item Tage 43-56

Page 3: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 3/13

Gliederung

Ansatz Vorgehensweise Resultat

Page 4: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 4/13

Ansatz

Knime und Excel

Arithmetisches Mittel je Produkt vorhersagen Produkte clustern Ausreißer spezifische Analyse Zusammenhang zwischen Preis und Menge

Trainingsmenge Tag 1-28 Validierungsmenge Tag 29-42

Page 5: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 5/13

Vorgehensweise – ABC-Analyse

Aus: http://sla03.ex.ba-heidenheim.de/script/script_mon.php?act_unit_id=200 (Stand: 13.05.2012)

Page 6: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 6/13

Vorgehensweise – ABC-Analyse

Page 7: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 7/13

Einteilung der Items in C- Produkte

459 Cluster 1

B- Produkte 95 Custer 2

A- Produkte 16 Items Cluster 0

Vorgehensweise – ABC-Analyse

Page 8: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 8/13

Abweichung von den Mittelwerten Berücksichtigung der absoluten Werte 3 Cluster Ausreißer in einem Cluster

Vorgehensweise – Clustering

Page 9: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 9/13

Verhalten von Preis zu Menge Keine eindeutigen Zusammenhänge

Saisonales Mengenverhalten Trendanalyse

Vorgehensweise – Zusammenhang zwischen Preis und Menge

Page 10: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 10/13

Vorgehensweise - Ausreißer Behandlung

Page 11: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 11/13

Vorgehensweise - Ausreißer BehandlungItem 335

Durchschnittliche Mengenänderungq<0 q=0 q>0

p<0 -21,4 0 36p=0 -20 0 0p>0 -27 0 18

Berechnung Ergebnisp<0 (10/16)*(-21,4)+0+(6/16)*36 8,23p=0 (2/2)*-20+0+0 -20p>0 (8/10)*(-27)+0+(2/10)*18 -18

29 21,14330 21,14331 19,14332 47,37333 47,37334 21,14335 21,14336 21,14337 47,37338 47,37339 47,37340 21,14341 47,37342 47,373

day Saisonschwankung Berechnung Vorhersage29 -2,69217337 21,143 18,4508266330 13,23862216 21,143 34,3816221631 -16,08058231 19,143 3,0624176932 13,85021322 47,373 61,2232132233 13,85021322 47,373 61,2232132234 -2,788195721 21,143 18,3548042835 23,89259981 21,143 45,0355998136 -2,69217337 21,143 18,4508266337 13,23862216 47,373 60,6116221638 -16,08058231 47,373 31,2924176939 13,85021322 47,373 61,2232132240 13,85021322 21,143 34,9932132241 -2,788195721 47,373 44,5848042842 23,89259981 47,373 71,26559981

Page 12: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

DMC12 Team 1 (Bierer, Kunst, Ulbricht) 12/13

Resultat

Cluster 0 Item 335

37525.0

Andere80229.0

Cluster 150265.0

Cluster 257405.0

Summe225424

Endergebnis474.79

Page 13: Data-Mining-Cup 2012 Fakultät für Wirtschaftswissenschaften Wirtschaftsinformatik Master Wissensextraktion SS12 Team 1 Annemarie Ulbricht, Ariane Kunst,

Vielen Dank für

Ihre Aufmerksamkeit