English| Impressum & AGBs | Datenschutz

Advanced Analytics

Advanced Analytics sind ein Oberbegriff für fortgeschrittene statistische oder mathematische Ansätze. Das "Fortgeschrittene" weist mehrere Facetten auf:

  • komplexer statistischer Hintergrund
  • anspruchsvolle Modellierung und Interpretation der Ergebnisse
  • substantiell grosse Datenmengen (was u.a. statistische Signifikanzen obsolet macht)
  • Komplexität der ETL-Prozesse (ggf. inkl. Cleansing unsauberer Daten)

Für jede Fragestellung aus jeder Disziplin analysieren wir Ihre Daten. Auf jedem Skalenniveau, mit annähernd jeder statistisch-mathematische Methode, mit Datentabellen in jeder Größe: Von Datensätzen mit tausenden von Variablen und Millionen von Datenzeilen, bis hin zu Datensätzen mit gerade mal ein paar Dutzend Werten (sofern hier Advanced Analytics Ansätze noch Sinn machen). Wichtig ist, dass Sie sich einen Eindruck davon verschaffen wollen, welchen Mehrwert Ihnen Advanced Analytics verschaffen können. Lassen Sie überzeugen. Nicht umsonst nennen wir solche ersten Explorationen auch "appetizer Analysen".

Auswahl (quantitativ-statistische Verfahren):

  • Assoziationsmaße
  • Ausreißeranalysen
  • Clusteranalysen (hierarchisch, partitionierend)
  • Conjoint Measurements
  • Diskriminanzanalysen
  • Entscheidungsbäume
  • Faktorenanalysen
  • Häufigkeiten (empirisch vs. erwartet)
  • Geo-Analytics (2d,3d)
  • Hauptkomponentenanalysen
  • Kappa-Berechnungen
  • Korrelationsanalysen
  • Korrespondenzanalysen
  • Kovarianzanalyse
  • LISREL
  • Log-lineare oder logistische Verfahren
  • Maße für Übereinstimmung (agreement, concordance, reliability)
  • Meßwiederholungen
  • Mixed Models
  • Modelle für zufällige Effekte
  • Multiple Testungen
  • Pattern Recognition (Mustererkennung)
  • Pfadanalysen
  • Portfolioanalysen
  • Predictive Modelling
  • Prognosen (mit/ohne Trend, mit/ohne Saison, etc.)
  • Regressionsanalysen (linear, logistisch, usw.)
  • Sensitivität/Spezifität
  • Split-plot-Analysen
  • Statistische Phänomene (Regression zur Mitte, Mediationseffekte, Regressionsfalle, etc.)
  • Statistische Spezialverfahren (Simulationen, Parallelisierungen, Ziehungen, etc.)
  • Survivalanalysen (Kaplan-Meier, Proportional Hazards, etc.)
  • t-Tests
  • Tabellenanalysen
  • Time-to event Analysen
  • Trendanalysen
  • Varianzanalysen (hierarchisch, genestet, nicht/parametrisch, nicht/balanciert etc.)
  • Veränderungsmessungen (Varianzanalysen mit Messwiederholung, Zufallskoeffizientenansätze, verbundene t-Tests etc.)
  • Visual Analysis
  • Voraussetzungstests (Multikollinearität, Autokorrelation, Varianzhomogenität etc.)
  • Vorhersagen
  • Zeitreihenanalysen (v.a. ökonometrische)
  • Zufallskoeffizientenansätze
  • uvam.
  • Diese Verfahren können weiter in quasi- und nichtparametrische Varianten unterteilt werden.

Auswahl mathematischer Verfahren:

  • Optimale Designs
  • Entscheidung unter Risiko und Ungewissheit (Risikoanalyse und -bewertung)
  • Ermittlung bankenspezifische KPIs
  • Genetische Algorithmen (u.a. Optimale Lösung des Travelling Salesman Problems)
  • (Non)lineare Modellierung
  • Mathematische Optimierung von Planungsproblemen (u.a. Operations Research mittels SAS/OR)
  • Simulationen und Vorhersagen u.a. in der Produktionsplanung (Stücklistenverarbeitung, Materialwirtschaft usw.)
  • Statistische Qualitätskontrolle (SPC)
  • Wahrscheinlichkeitsberechnungen
  • uvam.

Data Mining bieten wir ebenfalls an. Für die besonderen Anforderungen Ihres Projekts können auch spezielle Verfahren und Maße entwickelt werden. Diese projektspezifische Verfahren wären genau auf Ihre Anforderungen, auf Ihr Projekt (Produkt, Abläufe) hin maßgeschneidert und erfüllen darüber hinaus wissenschaftliche Gütekriterien. Sie bestimmen, wie und was gemessen wird. Sie erfahren nicht nur, was Sie wissen wollen. Sie würden auch genau wissen, warum Sie etwas wissen. Fragen Sie nach.

Method Consult empfiehlt als Plattformen für statistische Analysen: SAS 9.2, JMP 8 und SPSS 19. Von Auswertungen mit MS EXCEL wird aus verschiedenen Gründen abgeraten (z.B. McCullough & Wilson, 2002, 1999): "McCullough and Wilson (1999) examined Microsoft Excel 97 and concluded “Persons desiring to conduct statistical analyses of data are advised not to use Excel”. An examination of Excel 2000 and Excel XP provides no reason to revise that conclusion" (McCullough & Wilson, 2002, 717).

 
Kontakt Sitemap
1998-2011 Copyright by Method Consult Switzerland, Dr.Schendera