TY - BOOK

T1 - Datenanalysemethoden mit Anwendungen in der Akzeptanzforschung, bei Finanzmarktprognosen und der natürlichen Sprachverarbeitung

AU - Wiegard, Rouven

PY - 2019

Y1 - 2019

N2 - In Zeiten zunehmender Digitalisierung und fortschrittlicher Analysemethoden, wird die Nutzung von Daten die Entwicklung und Bereitstellung modernster Dienstleistungen, innovativer Geschäftsmodelle und Managementansätze ermöglichen. Der Schlüssel besteht darin, die überwältigende Menge an Daten zu analysieren, die Organisationen, Unternehmen und der Wissenschaft zur Verfügung stehen und deren Auswirkungen richtig zu interpretieren. Das interdisziplinäre Wissenschaftsfeld der Datenwissenschaften (Data Science) nutzt dabei Algorithmen, Prozesse und Systeme sowie wissenschaftliche Methoden zur Extraktion von Informationen und Mustern. Die vorliegende kumulative Dissertation beschäftigt sich mit unterschiedlichen Datenanalysemethoden und zeigt Anwendungsbeispiele aus der Akzeptanzforschung, der Finanzmarktprognose und der natürlichen Sprachverarbeitung auf. Mangelnde Nutzerakzeptanz ist ein Hindernis für den Erfolg neuer Informationssysteme der fortschreitenden Digitalisierung. Um die komplexen Beziehungen der beeinflussenden, unterschiedlichen Akzeptanzdeterminanten zu analysieren, werden multivariate Analyseverfahren, wie bspw. Strukturgleichungsmodellierung verwendet. Weiterhin werden Künstliche Neuronale Netze eingesetzt, um mit ihrer Eigenschaft als entscheidungsunterstützende Informations- und Optimierungsfunktion Finanzprognosen zu erstellen. Abschließend beschäftigt sich diese Arbeit mit der maschinellen Verarbeitung von Textdaten und schlägt eine Methode vor, um das Text Mining für Social Media Daten zu verbessern. In den jeweiligen Forschungsbereichen wird der Status Quo in Forschung und Praxis aufgezeigt, Forschungslücken identifiziert und exemplarische Studien anhand konkreter Anwendungsbeispiele vorgestellt. Die abgeleiteten Handlungsempfehlungen und kritischen Diskussionen leisten in ihrer jeweiligen Disziplin einen Beitrag für zukünftige Forschung.

AB - In Zeiten zunehmender Digitalisierung und fortschrittlicher Analysemethoden, wird die Nutzung von Daten die Entwicklung und Bereitstellung modernster Dienstleistungen, innovativer Geschäftsmodelle und Managementansätze ermöglichen. Der Schlüssel besteht darin, die überwältigende Menge an Daten zu analysieren, die Organisationen, Unternehmen und der Wissenschaft zur Verfügung stehen und deren Auswirkungen richtig zu interpretieren. Das interdisziplinäre Wissenschaftsfeld der Datenwissenschaften (Data Science) nutzt dabei Algorithmen, Prozesse und Systeme sowie wissenschaftliche Methoden zur Extraktion von Informationen und Mustern. Die vorliegende kumulative Dissertation beschäftigt sich mit unterschiedlichen Datenanalysemethoden und zeigt Anwendungsbeispiele aus der Akzeptanzforschung, der Finanzmarktprognose und der natürlichen Sprachverarbeitung auf. Mangelnde Nutzerakzeptanz ist ein Hindernis für den Erfolg neuer Informationssysteme der fortschreitenden Digitalisierung. Um die komplexen Beziehungen der beeinflussenden, unterschiedlichen Akzeptanzdeterminanten zu analysieren, werden multivariate Analyseverfahren, wie bspw. Strukturgleichungsmodellierung verwendet. Weiterhin werden Künstliche Neuronale Netze eingesetzt, um mit ihrer Eigenschaft als entscheidungsunterstützende Informations- und Optimierungsfunktion Finanzprognosen zu erstellen. Abschließend beschäftigt sich diese Arbeit mit der maschinellen Verarbeitung von Textdaten und schlägt eine Methode vor, um das Text Mining für Social Media Daten zu verbessern. In den jeweiligen Forschungsbereichen wird der Status Quo in Forschung und Praxis aufgezeigt, Forschungslücken identifiziert und exemplarische Studien anhand konkreter Anwendungsbeispiele vorgestellt. Die abgeleiteten Handlungsempfehlungen und kritischen Diskussionen leisten in ihrer jeweiligen Disziplin einen Beitrag für zukünftige Forschung.

KW - Innovationsakzeptanz

KW - Wirtschaftsdaten

KW - Datenmodell

KW - Data Mining

KW - Sprachverarbeitung

KW - Daten

U2 - 10.15488/4863

DO - 10.15488/4863

M3 - Dissertation

CY - Hannover

ER -