Statistisches Matching mit Fuzzy Logic

Seit einigen Jahren wird statistisches Matching dazu eingesetzt, zusätzliche Informationen durch die Kombination mehrerer Datenquellen zu erhalten. Traditionelle Methoden ermitteln die so genannten statistischen Zwillinge auf Grundlage der Distanzen zwischen den Ausgangsdaten der Datensätze in den Matchingvariablen.

Patrick Noll stellt eine alternative Methode des statistischen Matchings mit Fuzzy Logic vor, welche die Nachteile traditioneller Methoden durch die Fuzzyfizierung der Ausgangsdaten ausgleicht. Anhand zweier Anwendungsbeispiele demonstriert er die Vorgehensweise des statistischen Fuzzy-Matchings, entwickelt eine Möglichkeit zur Messung der Matching-Güte und vergleicht diese detailliert mit traditionellen Methoden. Darüber hinaus schlägt er mögliche Einsatzgebiete seines Ansatzes im Rahmen der Business Intelligence und dort insbesondere im Data Mining vor.

Theorie und Anwendungen in Sozial- und Wirtschaftswissenschaften

Autorentext
Dr. Patrick Noll promovierte bei Prof. Dr. Paul Alpar am Institut für Wirtschaftsinformatik der Philipps-Universität Marburg. Zur Zeit arbeitet er als Consultant für Business Intelligence bei einem mittelständischen IT-Dienstleister.

Inhalt
Statistisches Matching.- Grundlagen der Fuzzy Logic.- Statistisches Fuzzy-Matching.- Programmtechnische Umsetzung des statistischen Fuzzy-Matchings.- Anwendungsbeispiele des statistischen Fuzzy-Matchings.- Zusammenfassung, Fazit und Ausblick.