Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/191736 
Autor:innen: 
Erscheinungsjahr: 
2019
Schriftenreihe/Nr.: 
CFS Working Paper Series No. 617
Verlag: 
Goethe University Frankfurt, Center for Financial Studies (CFS), Frankfurt a. M.
Zusammenfassung: 
Mit der fortschreitenden Digitalisierung von Wirtschaft und Gesellschaft wächst die Bedeutung von Big Data Analytics, maschinellem Lernen und Künstlicher Intelligenz für die Analyse und Pognose ökonomischer Trends. Allerdings werden in wirtschaftspolitischen Diskussionen diese Begriffe häufig verwendet, ohne dass jeweils klar zwischen den einzelnen Methoden und Disziplinen differenziert würde. Daher soll nachfolgend ein konzeptioneller Überblick über die Gemeinsamkeiten, Unterschiede und Interdependenzen der vielfältigen Begrifflichkeiten im Bereich Data Science gegeben werden. Denn gerade für Entscheidungsträger aus Wirtschaft und Politik kann eine grundlegende Einordnung der Konzepte eine sachgerechte Diskussion über politische Weichenstellungen erleichtern.
Zusammenfassung (übersetzt): 
Due to the ongoing process of digitisation, Big Data Analytics and Artificial Intelligence are becoming more and more relevant for the analysis of economic processes, trends and the future competitiveness of German industry. However, these technical terms are often applied in economic policy discussions without clearly differentiating between the various disciplines, methods and instruments that make up modern Data Science. Therefore, this article aims to give a conceptual overview covering commonalities, differences and linkages between Big Data, Data Mining, Machine Learning und Predictive Analytics. Political decision-makers and top managers will benefit from a fundamental understanding of the different concepts and technological applications when discussing strategic decisions.
JEL: 
A10
C10
D80
Persistent Identifier der Erstveröffentlichung: 
Dokumentart: 
Working Paper

Datei(en):
Datei
Größe
680.41 kB





Publikationen in EconStor sind urheberrechtlich geschützt.