Datenanalysemethoden mit Anwendungen in der Akzeptanzforschung, bei Finanzmarktprognosen und der natürlichen Sprachverarbeitung

Abstract

In Zeiten zunehmender Digitalisierung und fortschrittlicher Analysemethoden, wird die Nutzung von Daten die Entwicklung und Bereitstellung modernster Dienstleistungen, innovativer Geschäftsmodelle und Managementansätze ermöglichen. Der Schlüssel besteht darin, die überwältigende Menge an Daten zu analysieren, die Organisationen, Unternehmen und der Wissenschaft zur Verfügung stehen und deren Auswirkungen richtig zu interpretieren. Das interdisziplinäre Wissenschaftsfeld der Datenwissenschaften (Data Science) nutzt dabei Algorithmen, Prozesse und Systeme sowie wissenschaftliche Methoden zur Extraktion von Informationen und Mustern. Die vorliegende kumulative Dissertation beschäftigt sich mit unterschiedlichen Datenanalysemethoden und zeigt Anwendungsbeispiele aus der Akzeptanzforschung, der Finanzmarktprognose und der natürlichen Sprachverarbeitung auf. Mangelnde Nutzerakzeptanz ist ein Hindernis für den Erfolg neuer Informationssysteme der fortschreitenden Digitalisierung. Um die komplexen Beziehungen der beeinflussenden, unterschiedlichen Akzeptanzdeterminanten zu analysieren, werden multivariate Analyseverfahren, wie bspw. Strukturgleichungsmodellierung verwendet. Weiterhin werden Künstliche Neuronale Netze eingesetzt, um mit ihrer Eigenschaft als entscheidungsunterstützende Informations- und Optimierungsfunktion Finanzprognosen zu erstellen. Abschließend beschäftigt sich diese Arbeit mit der maschinellen Verarbeitung von Textdaten und schlägt eine Methode vor, um das Text Mining für Social Media Daten zu verbessern. In den jeweiligen Forschungsbereichen wird der Status Quo in Forschung und Praxis aufgezeigt, Forschungslücken identifiziert und exemplarische Studien anhand konkreter Anwendungsbeispiele vorgestellt. Die abgeleiteten Handlungsempfehlungen und kritischen Diskussionen leisten in ihrer jeweiligen Disziplin einen Beitrag für zukünftige Forschung.

In times of increasing digitalization and advanced analytics, the use of data will enable the development and delivery of cutting-edge services, innovative business models and management approaches. The key is to analyze the overwhelming amount of data available to organizations, companies, and science and interpret their implications correctly. The interdisciplinary scientific field of data science uses algorithms, processes and systems as well as scientific methods for the extraction of information and patterns. The present cumulative dissertation deals with different data analysis methods and shows application examples from acceptance research, financial market forecasting and natural language processing. Lack of user acceptance is an obstacle to the success of new information systems of progressive digitization. In order to analyze the complex relationships of the influencing, different acceptance determinants, multivariate analysis methods like structural equation modeling, are used. Furthermore, artificial neural networks are used to create financial forecasts with their function as a decision-supporting information and optimization function. Finally, this work deals with the automatic processing of text data and proposes a method to improve the text mining for Socia Media data. In the respective research areas, the status quo in research and practice is shown, research gaps are identified, and exemplary studies are presented on the basis of concrete application examples. The derived recommendations for action and critical discussions in their respective discipline contribute to future research.