Data Mining im Finanzbereich

Für das Forderungs- und Liquiditätsmanagement eines Unternehmens ist eine objektive Beurteilung des Zahlungsverhaltens seiner Debitoren von existenzieller Bedeutung, um Fehlentwicklungen rechtzeitig erkennen und auf eine geeignete Weise reagieren zu können. Dieses Buch beschäftigt sich mit dem Einsatz von Data-Mining-Verfahren zur Beurteilung, Schätzung und Prognose des Zahlungsverhaltens von Debitoren eines Factoringanbieters anhand unterschiedlicher Kennzahlen. Nach einer Einführung in das Geschäftsmodell des Factoring und die Konzepte von Business Intelligence wird der theoretische Hintergrund der relevanten Data-Mining-Verfahren skizziert. Danach werden die wesentlichen Realisierungsaspekte erläutert. Für die Umsetzung der Analysen wird ein eigenes Prozessmodell erarbeitet und seine schrittweise Umsetzung beschrieben. Die gewonnenen Analyseergebnisse werden mit den im Unternehmen bestehenden Praktiken der Entscheidungsunterstützung verglichen. Das Buch schließt mit der Zusammenfassung der gewonnenen Erkenntnisse und einem Ausblick auf die Erweiterungsmöglichkeiten der durchgeführten Analysen und zukünftige Entwicklungen im Bereich Data Mining.

Autorentext

Stanislav Elinson arbeitet als Softwareentwickler und Berater bei der saxess.ag in Leipzig. Er studierte Diplom-Wirtschaftsinformatik an der Universität Leipzig mit den Schwerpunkten Datenbanken und Data Warehousing, generative Softwareentwicklung sowie Statistik und Data Mining.

Klappentext

Für das Forderungs- und Liquiditätsmanagement eines Unternehmens ist eine objektive Beurteilung des Zahlungsverhaltens seiner Debitoren von existenzieller Bedeutung, um Fehlentwicklungen rechtzeitig erkennen und auf eine geeignete Weise reagieren zu können. Dieses Buch beschäftigt sich mit dem Einsatz von Data-Mining-Verfahren zur Beurteilung, Schätzung und Prognose des Zahlungsverhaltens von Debitoren eines Factoringanbieters anhand unterschiedlicher Kennzahlen. Nach einer Einführung in das Geschäftsmodell des Factoring und die Konzepte von Business Intelligence wird der theoretische Hintergrund der relevanten Data-Mining-Verfahren skizziert. Danach werden die wesentlichen Realisierungsaspekte erläutert. Für die Umsetzung der Analysen wird ein eigenes Prozessmodell erarbeitet und seine schrittweise Umsetzung beschrieben. Die gewonnenen Analyseergebnisse werden mit den im Unternehmen bestehenden Praktiken der Entscheidungsunterstützung verglichen. Das Buch schließt mit der Zusammenfassung der gewonnenen Erkenntnisse und einem Ausblick auf die Erweiterungsmöglichkeiten der durchgeführten Analysen und zukünftige Entwicklungen im Bereich Data Mining.