Big Data, Data Mining, Machine Learning und Predictive Analytics: Ein konzeptioneller Überblick
Volker Brühl
No 617, CFS Working Paper Series from Center for Financial Studies (CFS)
Abstract:
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.
JEL-codes: A10 C10 D80 (search for similar items in EconPapers)
Date: 2019
New Economics Papers: this item is included in nep-big, nep-cmp and nep-ger
References: Add references at CitEc
Citations:
Downloads: (external link)
https://www.econstor.eu/bitstream/10419/191736/1/1047269953.pdf (application/pdf)
Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.
Export reference: BibTeX
RIS (EndNote, ProCite, RefMan)
HTML/Text
Persistent link: https://EconPapers.repec.org/RePEc:zbw:cfswop:617
Access Statistics for this paper
More papers in CFS Working Paper Series from Center for Financial Studies (CFS) Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().