In kompakter und verstandlicher Form fuhrt das Buch in die wichtigsten Bereiche der Marktforschung ein. Aufbauend auf wissenschaftstheoretischen Grundzugen und einer Einfuhrung in die Erforschung des Konsumentenverhaltens stellen die Autoren die Phasen und Methoden der Marktforschung dar, insbesondere multivariate Analysemethoden. Sie vermitteln dabei ein sehr klares Grundverstandnis fur die Planungsprozesse, ohne auf wissenschaftliche und mathematische Prazision zu verzichten. Mit ca. 70 Abbildungen, 30 Ubungsaufgaben sowie umfangreichem Glossar."

Diplomarbeit aus dem Jahr 2001 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, Rheinisch-Westfalische Technische Hochschule Aachen (Betriebswirtschaftslehre), Sprache: Deutsch, Abstract: Inhaltsangabe: Einleitung: Data Mining (DM) ist ein Oberbegriff fur eine Reihe von Verfahren, die zur automatischen Gewinnung von Informationen aus grossen Datenmengen dienen. Genetische Algorithmen (GA) sind Such- und Optimierungsverfahren, die in Analogie zur biologischen Evolution arbeiten und fur DM-Aufgaben eingesetzt werden konnen. Dies geschieht bislang nur sporadisch und an untergeordneter Stelle. Die steigende Verfugbarkeit leistungsstarker Hardware und paralleler Systemarchitekturen machen die Benutzung von GA aber auch fur die routinemassig anfallenden Aufgaben der Datenanalyse immer interessanter. Das Ziel der Arbeit ist die Untersuchung von GA als Losungsverfahren fur typische DM-Aufgaben der Unternehmenspraxis. Dazu wird zum einen die prinzipielle Vorgehensweise beim Erfullen von DM-Aufgaben mit GA diskutiert. Eine Analyse von DM-Aufgaben fuhrt daruber hinaus zu einer Systematisierung in mehrere Aufgaben-Klassen, die sich hinsichtlich ihrer Relevanz fur unternehmerische Fragestellungen unterscheiden. Fur die wichtigsten dieser Klassen werden konkrete GA-Konfigurationen vorgeschlagen und anschliessend anhand von Beispieldaten in mehreren Experimenten erprobt, um auf empirischem Wege Hinweise auf ihre Brauchbarkeit zu gewinnen. Dem potentiellen Benutzer werden die Potentiale von GA zum DM verdeutlicht und daruber hinaus Hilfestellungen gegeben, die eine praktische Anwendung dieser Methode erleichtern. Inhaltsverzeichnis: Inhaltsverzeichnis: 1.Einleitung1 1.1Motivation1 1.2Problemstellung2 1.3Gang der Untersuchung2 2.Data Mining - Grundlagen und Methoden3 2.1Formalisierungen3 2.2Begriffsabgrenzung4 2.3Einflussfaktoren fur die Methodenwahl6 2.4Unterschiedliche Daten6 2.5Unterschiedliche Ziele7 2.5.1Ubersicht7 2.5.2Ableitungsvorschriften8 2.5.3Verknupfungsrege