Statistical Learning, Data Mining & Knowledge Discovery

Modellierung unbeobachteter Heterogenität im Marketing Kundensegmentierung und Zielgruppenmarketing spielen in der betriebswirtschaftlichen Forschung und Praxis eine immer größere Rolle, da ein auf den Gesamtmarkt gerichtetes, sogenanntes undifferenziertes Marketing dem steigenden Individualisierungsbedürfnis der Kunden nur unzureichend gerecht werden kann. Eine differenzierte Marketingansprache erfordert jedoch die Identifikation von Kundensegmenten, die hinsichtlich spezifischer Verhaltens- oder Einstellungsvariablen ein hohes Maß an Homogenität aufweisen. Die in diesem Kontext traditionell verwendeten Verfahren der Clusteranalyse wurden in den letzten Jahren durch so genannte Latent Class-Methoden ergänzt, die eine simultane Schätzung der gruppenspezifischen Parameter und Segmentzugehörigkeiten der Beobachtungen ermöglichen. Vor diesem Hintergrund zielt dieses Teilprojekt auf die Weiterentwicklung bestehender und Neuentwicklung von innovativen Clusterverfahren im Kontext der angewandten Marketing- und Tourismusforschung ab. Im Bereich der Clusteranalyse sollen beispielsweise neue Algorithmen für die Analyse umfangreicher Kundendaten entwickelt werden, welche die unterschiedliche Relevanz einzelner Merkmale bezüglich verschiedener Gruppierungen berücksichtigen. Ein weiterer Schwerpunkt liegt auf der Entwicklung neuer Methoden, um die Struktur von Marktsegmenten besser visualisieren und somit kommunizieren zu können. Im Bereich der Latent-Class-Modelle stehen insbesondere finite Mischungen von generalisierten Regressionsmodellen im Forschungsinteresse. Ferner sollen Verfahren zur Identifikation und Handhabung unbeobachteter Heterogenität im Kontext von Strukturgleichungsmodellen untersucht und entwickelt werden. Hierbei sollen beispielsweise auch die Auswirkungen von unbeobachteter Heterogenität im Kontext unterschiedlichen Marketingapplikationen erforscht werden. Da Anwendungen von Clusterverfahren in der Regel auf Umfragedaten beruhen, steht auch die Beurteilung der Qualität von Skalen oder Messmodellen im Forschungsinteresse. Es ist bekannt, dass verschiedene Personen die üblichen Ordinalskalen von Fragebögen unterschiedlich benutzen ("scale usage heterogeneity"). Derzeit wird (wenn überhaupt) meist zuerst für jede Person reskaliert, um die Heterogenität der Skalennutzung zu reduzieren, und danach segmentiert. Dies führt jedoch zu systematischen Verzerrungen, wenn es Interaktionen zwischen Skalennutzung und Segementzugehörigkeit gibt. Wir arbeiten daher an integrierten Verfahren, die diese beiden latenten Einflussgrößen simultan schätzen. Zuletzt soll auch die Anwendbarkeit von Single-Item-Messungen zur Erfassung komplexer Konstrukte evaluiert werden.

Leisch, Schwaiger, Sarstedt, Kriegel

Immaterielle Vermögenswerte und Unternehmenserfolg Inhaltlicher Hintergrund, Zielsetzung und verwendete Methoden: Das Marketing sieht sich mit der Herausforderung konfrontiert, den Nachweis zu erbringen, dass die von ihm geschaffenen und gesteuerten immateriellen Vermögensgegenstände wie z.B. Corporate Reputation, Markenwerte oder Kundenzufriedenheit einen inkrementellen Wertbeitrag liefern, signifikant zum langfristigen Unternehmenserfolg beitragen und nachhaltig den Shareholder Value steigern können. Daher muss sich das Marketing verstärkt der Theorien und der analytischen Methoden bedienen, die ihre Ursprünge z.B. im Finance, dem Controlling, oder der Zeitreihenökonometrie haben. Diese Werkzeuge müssen auf die fachspezifischen Bedürfnisse und Gegebenheiten anpasst werden. Die zunehmende Verfügbarkeit von Marketing-Daten auf unterschiedlichen zeit- und objektbezogenen Aggregationsniveaus (z.B. tägliche, monatliche oder jährliche Daten auf Produkt-, Marken- oder Konzernebene) hat diesen Trend noch verstärkt und gleichzeitig neue Herausforderungen begründet. Vor diesem Hintergrund möchte dieses Forschungsfeld untersuchen, inwieweit das Marketing direkte und indirekte Effekte auf den kurzfristigen und langfristigen finanziellen Unternehmenserfolg (z.B. Höhe und Volatilität von Cashflows, Profitabilität, Marktkapitalisierung) sowie auf das Verhalten von Zielgruppen wie z.B. Investoren und Mitarbeiter hat, die üblicherweise nicht im Fokus des Marketing stehen. Dabei sind unter anderen asymmetrischen Auswirkungen von Schocks, Interaktionen zwischen verschiedenen immateriellen Vermögensgegenständen, Antworten auf die Lukas-Kritik sowie Lösungsansätze zur Adressierung der Endogenitätsproblematik von besonderem Forschungsinteresse. Im Rahmen bisheriger Studien und Forschungskooperationen haben wir den Fokus insbesondere auf Corporate Reputation als immateriellen Vermögensgegenstand gelegt. Einbindung des Projektes: Es stehen für den deutschen Markt mehrere umfangreiche Datenbanken zur Verfügung. So besitzt das Institut für marktorientierte Unternehmensführung eine Datenbank mit den Reputationsindizes für die 30 DAX-Unternehmen, wobei die Erhebungen in der breiten Öffentlichkeit seit 2005 halbjährlich, die im Akzeptanzmarkt (Journalisten, Analysten, Politiker, Wirtschaftsführer, Wissenschaftler, Vertreter von NGO und NPO) seit 2007 jährlich stattfinden. Seit einigen Jahren besteht in der Reputationsforschung eine enge Kooperation mit dem Forschungsbereich Öffentlichkeit & Gesellschaft (fög) der Universität Zürich (Prof. Imhof/Dr. Eisenegger), der Villanova Business School in Philadelphia (Prof. Charles R. Taylor) und der Wayne State University in Detroit (Prof. Hugh Cannon). Darüberhinaus besteht Zugang zu hochfrequenten Daten in den Bereichen Media Sentiment, Werbeausgaben sowie der Markenwahrnehmung, die mit den unternehmensbezogenen Daten des im Rahmen der LMU-Exzellenzinitiative geförderten Economics & Business Data Centers kombiniert werden können.

Schwaiger, Sarstedt, Raithel

Identifikation von Ähnlichkeits- und Verwandtschaftsbeziehungen in Patentdaten Inhaltlicher Hintergrund, Zielsetzung und verwendete Methoden: Die zunehmende Bedeutung von Schutzrechten für intellektuelles Eigentum stellt Nutzer von Patent- und Markensysteme vor große Probleme. Die Suche nach Rechten, die mit den eigenen Anmeldungen in Konflikt stehen könnten oder für die eigene Geschäftstätigkeit anderweitig relevant sind, wird zunehmend schwieriger. Hohe Transaktionskosten für alle Nutzer der Systeme sind die Folge. In diesem Projekt sollen Verfahren entwickelt werden, mit denen Nutzer des Patentsystems ausgehend von eigenen Patentanmeldungen inhaltlich verwandte Patentanmeldungen ermitteln können. Algorithmen für den Vergleich von Texten werden inzwischen in großer Zahl vorgeschlagen, für den Bereich von Patentdaten liegen bisher aber keine vergleichenden Studien vor, aus denen sich die Vorteilhaftigkeit der jeweiligen Vorschläge ableiten lässt. Da Patentdokumente eine stark strukturierte Sprache (ähnlich der in wissenschaftlichen Veröffentlichungen) verwenden, erscheint die Verwendung der bereits in diesem Bereich erprobten Verfahren sinnvoll. Ausgehend von einfachen Schlüsselwortsuchverfahren sollen schrittweise komplexere Verfahren (vgl. Errami et al. 2008 - eTBLAST) eingesetzt werden, um relevante Dokumente zu identifizieren. Die ermittelten Ähnlichkeits- und Verwandtschaftsmaße können in Patentdaten vereinfacht bewertet werden, da in den Rechercheberichten der Prüfer verwandte und relevante Dokumente explizit benannt werden. Darüber hinaus können Mengen anderer verwandter Dokumente durch Bezugnahme auf Patente derselben Patentfamilie bzw. aus dem Fundus der am fokalen Patent beteiligten Erfinder gebildet werden. Ziel der Untersuchungen ist die Ermittlung von Verfahren, mit denen auch Nicht-Experten (z.B. in KMU oder in der Wissenschaft) den relevanten Stand der Technik explorieren können. Zudem sollen die ermittelten Metriken verwendet werden, um die Intensität der Konkurrenz durch alternative technische Ansätze in einem bestimmten Feld der Patentierung zu ermitteln.

Harhoff, Natterer

Empirische Identifikation von Komplementaritäten in ökonomischen Entscheidungen Organisationale Komplementaritäten waren im letzten Jahrzehnt ein zentrales Thema in der empirischen Forschung über organisationales Design. Ein zentrales Problem bei der Messung von Komplementaritäten ist die Gefahr verzerrter Ergebnisse durch unbeobachtete Faktoren. Erstens bleiben potenziell beobachtbare Kontingenzfaktoren, die die Stärke und Richtung von organisationalen Komplementaritäten beeinflussen können, oft unbeobachtet. Beispielsweise wurden Informationstechnologie und die Dezentralisierung organisationaler Entscheidungsrechte als Komplemente identifiziert, obwohl Informationstechnologie auch komplementär zu der Zentralisierung von Entscheidungsrechten sein kann, abhängig von der Strategie eines Unternehmens. Zweitens besteht die Möglichkeit, dass organisationale Elemente als komplementär identifiziert werden, obwohl ihre Kovariation tatsächlich durch unbeobachtbare Faktoren wie die Präferenzen des Managements erklärbar ist. Dieses Projekt verfolgt zwei Strategien, um organisationale Komplementaritäten zuverlässiger zu messen. Erstens benutzen wir eine innovative Telefoninterviewmethode zur Anlage von Datenbanken über organisationale Komplemente und verschiedenste Kontingenzfaktoren, die diese Komplementaritäten beeinflussen können. Zweitens verwenden wir neuartige empirische Ansätze, um Verzerrungen durch restliche unbeobachtete Faktoren zu verringern.

Kretschmer, Dr. Ferdinand Mahr

Komplexe Bildsuche in großen Datenbanken digitaler Bilder Ähnlichkeitssuche ist ein wichtiger Anfragetyp für komplexe Bildsuche wie sie zum Beispiel in medizinischen Anwendungen benötigt wird. Dabei ist die Entwicklung einer Methode zur Berechnung von Bildähnlichkeit ein nicht allgemein lösbares Problem. Die Schwierigkeit dabei liegt vor allem darin, dass Ähnlichkeit von verschiedenen weiteren Aspekten wie der aktuellen Applikation oder dem Benutzer, der eine Anfrage stellt, abhängt. Damit eine Bildsuchmaschine also passende ähnliche Bilder liefert, muss sie ihr verwendetes Ähnlichkeitsmaß dem gerade gültigen Benutzerkontext anpassen. In diesem Projekt werden daher neue Methoden zur Ähnlichkeissuche unter Verwendung adaptierbarer Distanzmaße entwickelt. Ein weiteres wichtiges Ziel ist dabei die Entwicklung eines Kontextmodels, das den gerade aktuellen Kontext aus den vorhandenen Benutzereingaben ableitet und so eine passende Parametrisierung des Ähnlichkeitsmodels erlaubt. Zur Realisierung beider Aspekte werden statistische Methoden benötigt. Zum einem ist es nicht möglich den Benutzerkontext eindeutig zu definieren. Stattdessen wird der Benutzerkontext auf Basis von Stichproben des bisherigen Benutzerverhaltens modelliert. Ein weiterer Aspekt der eine probabilistische Herangehensweise nahelegt ist die unsichere semantische Bedeutung der verwendeten Bilddeskriptoren. Da identische Bilddeskriptoren nicht zwangsläufig von semantisch verwandten Bildern stammen müssen, ist es notwendig diese Zusammenhänge nur mit einer bestimmten Wahrscheinlichkeit zu bewerten anstatt sie als gegeben zu betrachten. Im bisherigen Verlauf des Projekts wurde zum Beispiel ein neuartiges Verfahren zur Ähnlichkeitssuche auf medizinischen Bilddaten realisiert. Das Verfahren analysiert Bilder von Computertomographen und wird in ein neuartiges System zur medizinischen Diagnoseunterstützung integriert.

Kriegel, Schubert, Graf

Bayesianische Regularisierung für Regressions- und Latente-Variablen-Modelle Inhaltlicher Hintergrund, Zielsetzung und verwendete Methoden: In empirischen Studien, von der Wirtschafts- und Sozialforschung bis hin zu den Gesundheitswissenschaften, werden zunehmend Daten für eine hohe Anzahl von Variablen erhoben. Zusammen mit der semiparametrischen Modellierung nichtlinearer Effekte ergeben sich in Regressions- und Latente-Variablen-Modellen Prädiktoren hoher Dimensionalität, so dass herkömmliche Ansätze zur statistischen Inferenz instabil bis undurchführbar werden. Die Bayesianische Regularisierung bietet die Möglichkeit mit dem Problem einer hohen Anzahl von erklärenden Variablen und der notwendigen Modellierung von nichtlinearen, zeitlichen und räumlich-geographischen Effekten in geeigneter Weise durch Shrinkage-, Selektions- und Adaptivitätseigenschaften umzugehen. Ziel des Projekts ist die methodische Entwicklung und die Anwendung in den genannten Substanzwissenschaften in Kooperation mit Partnern aus dem Zentrum und darüber hinaus. Zur infrastrukturellen Einbindung des Projekts: Methodisch basiert das Projekt auf Vorarbeiten im SFB 386 "Statistische Analyse diskreter Strukturen. Modellierung und Anwendung in Biometrie und Ökonometrie" (bis Ende 2006) und auf dem DFG-Projekt "Bayesianische Regularisierung in Regressionsmodellen mit hoch dimensionalen Prädiktoren" (Mai 2007 bis März 2011). Im Zentrum bestehen methodische Bezüge zum Bereich Statistical Learning und Data Mining. Bei Kooperationen kann auf die Zusammenarbeit mit dem Institut für Innovationsforschung, Technologiemanagement und Entrepreneurship (Lehrstuhl Harhoff) im Rahmen des SFB aufgebaut werden. Die generelle Konzeption der Methodik bietet vielfältige Möglichkeiten für weitere Kooperationen im Bereich der empirischen Wirtschafts- und Sozialforschung, sowie im Rahmen des Munich Centers for Health und des LMU Centers of International Health.

Fahrmeir

Global Energy Governance: Bilateraler Handel und die Diffusion von Internationalen Organisationen Die übergreifende Forschungsfrage dieses Projekts ist: Welches sind die zentralen Bedingungen für die Proliferation von internationalen Organisationen im Energiesektor? Die weiterhin bestehende zentrale Rolle von Öl und Gas in der modernen globalen Ökonomie erfordert ein empirisch-analytisches Verständnis von Global Energy Governance und die Zusammenarbeit von Politik- und Wirtschaftswissenschaftlern. In einem unserer zentralen Argumente gehen wir davon aus, dass Staaten um so eher einer der vielen internationalen Organisationen beitreten, die diesen Bereich zu regulieren versuchen, wenn ihre Handelspartner dieser Organisation beigetreten sind. Als Konsequenz erwarten wir, dass wir durch die Analyse des Netzwerks der bilateralen Handelsströme die Diffusion von Mitgliedschaften in solchen Organisationen vorhersagen können. Außerdem erwarten wir, dass dieser Diffusionseffekt um so stärker ist, je größer die Handelsbeziehungen im Bereich Öl- und Gas, oder Energienahen Sektoren (z.B. Chemie) zwischen diesen beiden Staaten sind. Durch die Berücksichtigung der Sequenz der Gründung solcher Organisationen sollen auch weitere konkurrierende Argumente überprüft werden. So kontrollieren wir die Möglichkeit, dass die Diffusion eher durch Emulationsprozesse determiniert wird, d.h. Staaten lernen spezifische Politiken von anderen Staaten mit ähnlichen Institutionen oder wirtschaftlichen Merkmalen und ähnlichen Sicherheitsbedenken. Die theoretische Fundierung unseres Ansatzes baut auf der Literatur der Policy-Diffusion auf und wird zur Erstellung eines neuen Datensatzes führen. Zur Analyse verwenden wir fortgeschrittene Verfahren der Netzwerkanalyse und räumlicher Ökonometrie in Kombination. Der kombinierte Einsatz dieser Verfahren wurde unseres Wissens bisher nur sehr selten durchgeführt, in dem hier vorgeschlagenen Anwendungsbereich noch gar nicht.

Thurner, Baccini, M.A. Manuel Munz

Analyse Chronobiologischer Zeitreihen Der Tagesablauf von Organismen – von Bakterien bis zum Menschen – wird von einer inneren (circadianen) Uhr gesteuert. Ein Verständnis der zugrundeliegenden Mechanismen dieser fundamentalen biologischen Funktion erlaubt unter anderem die Optimierung medizinischer Diagnostik und Therapie oder bessere Abstimmungen der biologischen und sozialen Zeit von Individuen (z.B. bei Schichtarbeit). Die Zeitreihen einzelner Tagesrhythmen, die sich von der Expression von Genen bis hin zum Verhalten messen lassen, aber auch die Interaktion zwischen verschiedenen Tagesrhythmen eignen sich hervorragend für statistisch-mathematische Analysen und Modellierungen. Die Muster chronobiologischer Zeitreihen-Daten werden in diesem Teilprojekt mit neu entwickelten statistisch-mathematischen Methoden, insbesondere durch Verfahren aus den Bereichen Ähnlichkeitssuche, Clusteranalyseverfahren und Data-Mining erforscht. Die dabei gewonnen Erkenntnisse werden auf die Erforschung der Tagesabläufe verschiedener chronobiologischer Typen (genetische bedingte Chronotypen, deren circadiane Uhren sich unterschiedlich in den Tag einbetten – früher oder später) angewendet. Grundlage bilden sowohl die detaillierten Parameter über das individuelle Schlaf-Wach-Verhalten aus großen Datenbanken (MCTQ; n>80.000), als auch im Alltag gemessene Zeitreihen (Temperatur, Aktivität, etc.). Ziel ist es, verschiedene Einflussfaktoren (Jahreszeiten, Breitengrad, Arbeit und Freizeit, oder Schichtarbeit) auf die Tagesstruktur von Chronotypen zu untersuchen. Die Ergebnisse geben einen Einblick, wie unterschiedliche Genotypen des circadianen Systems ihren Phänotypus an verschiedene Zeitveränderungen anpassen (Suche nach relevanten Unterräumen). Die von der Gruppe Kriegel entwickelten Analyse-Methoden für chronobiologische Zeitreihen und deren Interaktionen werden hierbei iterativ auf die von der Gruppe Roenneberg gesammelten Daten angewendet.

Roenneberg, Kriegel, Renz

Data Mining und Suche in unsicheren Daten Die Problematik des Suchens in unsicheren Datenbanken hat in den letzten Jahren stark an Bedeutung gewonnen. Einerseits ermöglicht die steigende Verfügbarkeit neuer Technologien zur Erfassung von Daten die Erhebung von Informationen in noch nie da gewesenem Ausmaß und Variabilität. Andererseits sind die gesammelten Informationen oft unvollständig, verrauscht oder aufgrund von Anonymisierung mit Unsicherheit behaftet. Demnach wurden Modelle zur Repräsentation von unsicheren Daten entwickelt die bereits in moderne Datanbanksysteme integriert wurden. Diese Form von Datenrepräsentation fordert neuartige und speziellere Definitionen von Anfragen. Die damit verbundene komplexere Anfragebearbeitung bringt Effizienzproblemen mit sich. Dies erfordert eine neue Suchmethodik, die mit der speziellen Form von unsicheren Daten umgehen kann. In diesem Teilprojekt werden neuartige wahrscheinlichkeitsbasierte Algorithmen zur Ähnlichkeitssuche, Clusteranalyseverfahren und weitere Data-Mining-Anwendungen für unsichere Daten erforscht. Eines der wichtigsten Ziele in diesem Teilprojekt ist die Entwicklung von effektiven aber skalierbaren Methoden für wahrscheinlichkeitsbasierte Ähnlichkeitsanfragen auf unsicheren Daten. Insbesondere stehen hierbei effiziente Methoden für wahrscheinlichkeitsbasierte Distanzanfragen, wie z.B. probabilistische Top-k-Anfragen (k-Nächste-Nachbar-Anfragen, Reverse-k-Nächste-Nachbarn-Anfragen, Ranking-Anfragen und inverse Ranking Anfragen), probabilistische Bereichsanfragen, probabilistische Joins und probabilistische Skyline Anfragen, im Vordergrund. Ein weiterer bedeutender Aspekt in diesem Teilprojekt ist die Verwaltung von unsicheren Daten, insbesondere die Entwicklung von geeigneten Indexstrukturen zur Unterstützung von probabilistischen Ähnlichkeitsanfragen auf unsicheren Daten. Die Techniken zur Indexierung unsicherer Objekte hängen hauptsächlich von dem zugrundeliegenden Unsicherheitsmodell ab. In diesem Teilprojekt werden Indexmethoden für die wichtigsten Datenmodelle erforscht.

Kriegel, Renz