Innerhalb des Projekts wird ein Datawarehouse neu konzipiert . Zusätzlich wird auch der Zugriff auf die Daten um das Tool Microsoft Power BI erweitert. Insgesamt soll eine Anwendungsschicht entstehen über die performant auf alle vorliegenden Daten zugegriffen werden kann.
Ein Kunde betreibt einen Online-Versandhandel. Dabei erfolgt die Auslieferung eines großteils der Waren dem Dropshipping-Prinzip. Eine Analyse der Verkaufsdaten soll nun Aufschluss darüber geben, für welche Artikel sich die Lagerung im eigenen Zwischenlager lohnt und wie hoch die Menge der zwischengelagerten Artikel jeweils sein sollte.
Verschiedene Prognoseverfahren aus dem Bereich der statistischen Verfahren, sowie aus dem Bereich der künstlichen neuronalen Netze wurden implementiert. Anschließend wurden die Verfahren auf den realen Verkaufsdaten evaluiert.
Innerhalb einer Kunden-Challenge mit dem Schwerpunkt Big Data im Handel wurde ein Empfehlungssystem für den Kunden-Onlineshop entwickelt. Dieses Emfehlungssystem berücksichtigt zusätzlich zu den Basisempfehlungen, die über kollaboratives Filtern ermittelt wurden, noch Daten aus den sozialen Netzwerken, Feiertage, Kochrezepte und Wetterdaten. Insgesamt erreichte das Team um den Mitarbeiter bei der Kunden Challenge 2016 mit ihrem Prototypen deutschlandweit den 2. Platz.
Aufgaben im Projekt:
Studienabschluss: M. Sc. (TU Dortmund)
Innerhalb des Projekts wird ein Datawarehouse neu konzipiert . Zusätzlich wird auch der Zugriff auf die Daten um das Tool Microsoft Power BI erweitert. Insgesamt soll eine Anwendungsschicht entstehen über die performant auf alle vorliegenden Daten zugegriffen werden kann.
Ein Kunde betreibt einen Online-Versandhandel. Dabei erfolgt die Auslieferung eines großteils der Waren dem Dropshipping-Prinzip. Eine Analyse der Verkaufsdaten soll nun Aufschluss darüber geben, für welche Artikel sich die Lagerung im eigenen Zwischenlager lohnt und wie hoch die Menge der zwischengelagerten Artikel jeweils sein sollte.
Verschiedene Prognoseverfahren aus dem Bereich der statistischen Verfahren, sowie aus dem Bereich der künstlichen neuronalen Netze wurden implementiert. Anschließend wurden die Verfahren auf den realen Verkaufsdaten evaluiert.
Innerhalb einer Kunden-Challenge mit dem Schwerpunkt Big Data im Handel wurde ein Empfehlungssystem für den Kunden-Onlineshop entwickelt. Dieses Emfehlungssystem berücksichtigt zusätzlich zu den Basisempfehlungen, die über kollaboratives Filtern ermittelt wurden, noch Daten aus den sozialen Netzwerken, Feiertage, Kochrezepte und Wetterdaten. Insgesamt erreichte das Team um den Mitarbeiter bei der Kunden Challenge 2016 mit ihrem Prototypen deutschlandweit den 2. Platz.
Aufgaben im Projekt:
Studienabschluss: M. Sc. (TU Dortmund)
Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.