Data Analytics im Risikomanagement

Das Buch bietet einen umfassenden Überblick über Data Analytics im Risikomanagement in Unternehmen. Die fortschreitende Digitalisierung bringt eine wachsende Menge von Daten hervor. Data Analytics beschäftigt sich mit den Methoden zur Analyse dieser Daten und umfasst neben statistischen Modellen auch das Maschinelle Lernen. Unternehmen, die die methodischen Grundlagen von Data Analytics verstehen und anwenden, können nicht nur im Risikomanagement Daten wertschöpfend nutzen, sondern auf Basis einer verbesserten Analyse und Prognose fundierte unternehmerische Entscheidungen treffen. In einem durch den Einsatz von Artificial Intelligence (AI) geprägten Unternehmensumfeld stellt dies einen erheblichen Wettbewerbsvorteil dar.Neben einer allgemeinen Einführung in Data Analytics erläutern die Autoren fundiert die Methoden der deskriptiven, diagnostischen sowie prädiktiven Datenanalyse. Basierend auf einem fiktiven Unternehmen werden Anwendungsbeispiele aus der Praxis des Risikomanagements beschrieben. Die Beispiele werden als Sourcecode in der Programmiersprache R für eine praktische Umsetzung zum Download bereitgestellt. Der Inhalt Data Analytics – eine Einführung Descriptive Analytics und Datenvisualisierung Diagnostic Analytics: Clusteranalyse, Hierarchische Cluster-Verfahren, Assoziationsanalyse, Lineare Regression, Klassifikationsverfahren, Zeitreihenanalyse Predictive Analytics: Ein Blick in die Zukunft, inkl. Bayes-Netze, Maschinelles Lernen sowie Evaluierung von prädiktiven Modellen Einführung in R sowie Nutzung von LLMs Die AutorenFrank Romeike ist Geschäftsführer und Eigentümer des Kompetenzportals RiskNET und zählt international zu den führenden Experten für Risiko- und Chancenmanagement. Die von ihm gegründete Risk Academy hat weltweit rund 30.000 Risikomanager ausgebildet bzw. gecoacht. Er engagiert sich in der akademischen Lehre an Hochschulen im In- und Ausland. Prof. Dr. Gabriele Wieczorek ist Mathematikerin und Professorin mit dem Lehrgebiet Industrielle Statistik und Wahrscheinlichkeitstheorie an der Hochschule Hamm-Lippstadt. Ihre Forschung zum Risikomanagement umfasst u. a. die nicht-frequentistischen Methoden zur Risikomodellierung sowie die Anwendung von Künstlicher Intelligenz im Risikomanagement.