ausgewählte Projekte
Projekt A:
Entwicklung eines Modells zur Steuerung Einlasses und Kartenverkaufs einer Kunstausstellung (durchschnittlich 5.000 Besucher pro Tag)
Kurzbeschreibung:
Echtzeit-Prognose des Besucheraufkommens zur optimalen Kapazitäts-Auslastung und Personal-Einsatzplanung bei gleichzeitiger Minimierung von Wartezeiten und Einhaltung der gesetzlich vorgeschriebenen Kapazitätsgrenzen.
Methoden:
Zeitreihenanalyse
Zustands-Raum-Modelle
Prognoseverfahren
Modellierung technisch-ökonomischer Warteschlangen-Systeme
Operations Research
Modellierung der Besucher-Ankunftszeiten durch Zufallsvariablen
Projekt B:
Optimierung eines semi-diskretionären Börsen-Handelssystems auf CFD-Basis
Kurzbeschreibung:
Mit Hilfe von Monte-Carlo-Simulationen werden die Parameter eines halb-automatischen Handels-Systems so optimiert, dass die zu erwartenden Gewinne bei Einsatz des Handelssystems auf den jeweiligen Märkten, Zeitebenen und Zyklusphasen maximiert werden.
Methoden:
-
Zeitreihenanalyse
-
ARIMA-Modelle
- Gleitende Durchschnitte (Moving Averages)
- Prognoseverfahren
- Saisonbereinigung
Monte-Carlo-Simulation
-
Lineare Regression
-
Monte-Carlo-Simulation
Projekt C:
Entwicklung eines Prognose-Modells für den wirtschaftlichen Erfolg von Kino-Filmen anhand des Drehbuchs
Kurzbeschreibung:
Mit
Hilfe von Repräsentativ-Befragungen sowie der Analyse von Kino-Film-Drehbüchern werden mit statistischen Methoden die für die Einspielergebnisse entscheidenden Erfolgsfaktoren ermittelt. Ziel ist es dabei, anhand der Prüfung dieser Erfolgsfaktoren an Drehbüchern geplanter Filmprojekte nach Art einer Risiko-Analyse das Einspielergebnis des geplanten Films vor Projektbeginn vorherzusagen und ggf. Drehbuchanpassungen zur Erfolgsmaximierung vorzuschlagen.
Methoden:
-
Multidimensionale nichtlineare Regressionsanalyse
-
Online-Befragungen
- Cluster-Analyse
- Faktor-Analyse
Projekt D:
Optimierung des Artikel-Sortiments eines Online-Shops anhand der Analyse historischer Bestell-Daten
Kurzbeschreibung:
Mit Hilfe von Methoden der explorativen Daten-Analyse und Data-Mining wird das Kaufverhalten der Shop-Kunden analysiert, Kundenprofile erstellt, die Shop-Artikel bezüglich erfolgsrelevanter Kriterien bewertet (Rating und Ranking u.a. bezüglich Umsatz, Marge, usw.), Topseller und Komplementär-Artikel identifiziert usw. Ziel: Optimale Zusammensetzung des Shop-Sortiments auf das Einkaufverhalten der Shop-Kunden.
Methoden:
-
explorative Datenanalyse
-
Data-Mining
- Faktor-Analyse
- Cluster-Analyse
- Deskriptive Statistik
-
Korrelations- und Zusammenhangs-Analyse
-
Varianz-Kovarianz-Analyse