Untersuchung von Zahlungsausfällen mittels Data Mining

Dieses Fachbuch widmet sich der Thematik der Zahlungsausfälle aus anwendungsorientierter Sicht. Anhand eines Praxisbeispiels aus der Versicherungswirtschaft soll gezeigt werden, wie Unternehmen unter Anwendung des Data Mining Zahlungsausfälle prognostizieren und dessen Ausfallwahrscheinlichkeit quantifizieren können. Zudem werden speziell für die Versicherungsbranche Maßnahmen abgeleitet, welche die Zahlungsausfallwahrscheinlichkeit reduzieren sollen. Bei der Durchführung des Data Mining-Projektes wurde das CRISP-Data Mining-Vorgehensmodell zugrunde gelegt, bei dem Data Mining nicht als autonomer Prozess, sondern als ein Teilprozess des Modells dargestellt wird und durch seine praktische Anwendung überzeugt. Darüber hinaus zeigt dieses Buch auf, wie das Data Mining Modell mit der besten Prognosequalität und einer guten Modellstabilität in die Geschäftsprozesse des Versicherungsunternehmens integriert werden kann.

Autorentext

Geboren 1983, Ausbildung und Sportreferent beim Westfälischen Tennis-Verband, Bachelor of Arts an der FH Münster und University of Hull mit den Schwerpunkten Marketing und Statistik, Praktikum beim Versicherungsunternehmen, derzeit Masterstudium "International Management" an der FH Münster und Geschäftsstellenleiter beim 1. TC Hiltrup

Klappentext

Dieses Fachbuch widmet sich der Thematik der Zahlungsausfälle aus anwendungsorientierter Sicht. Anhand eines Praxisbeispiels aus der Versicherungswirtschaft soll gezeigt werden, wie Unternehmen unter Anwendung des Data Mining Zahlungsausfälle prognostizieren und dessen Ausfallwahrscheinlichkeit quantifizieren können. Zudem werden speziell für die Versicherungsbranche Maßnahmen abgeleitet, welche die Zahlungsausfallwahrscheinlichkeit reduzieren sollen. Bei der Durchführung des Data Mining-Projektes wurde das CRISP-Data Mining-Vorgehensmodell zugrunde gelegt, bei dem Data Mining nicht als autonomer Prozess, sondern als ein Teilprozess des Modells dargestellt wird und durch seine praktische Anwendung überzeugt. Darüber hinaus zeigt dieses Buch auf, wie das Data Mining Modell mit der besten Prognosequalität und einer guten Modellstabilität in die Geschäftsprozesse des Versicherungsunternehmens integriert werden kann.