Meldungsdetails
Im Rahmen der Data Mining Challenge 2020/21 mussten Studierende anhand bekannter Informationen diejenigen Kunden identifizieren, die an einer Selbstbedienungskasse wahrscheinlich nicht alle Produkte korrekt gescannt haben. Selbstbedienungskassen finden sich in immer mehr Supermärkten und Warenhäusern und bieten Möglichkeiten des Betrugs. So können beispielsweise Produkte beim Scannen „vergessen“ werden oder Barcodes billiger Produkte auf teure Produkte geklebt werden. Wenn man diesen Betrug gezielt mit Hilfe von Data Mining-Algorithmen aufdeckt, kann man andere Betrüger abschrecken und damit den Verlust reduzieren.
Die Studierenden der Veranstaltung „Data Mining“ von Professor Klingert mussten dabei insbesondere sogenannte „False-Positives“ vermeiden, also Kunden, die nicht betrogen hatten, fälschlicherweise des Betrugs zu bezichtigen. Kunden, die unnötigerweise kontrolliert werden, sind zum Teil längerfristig enttäuscht, meiden möglicherweise das Warenhaus, sodass in der Zukunft erhebliche Umsatzeinbußen eintreten können. Mit Hilfe einer sogenannten Kostenmatrix konnten die Studierenden diesen Fall in der Regel vermeiden.
Die diesjährigen Gewinner der Data Mining Challenge sind Alexander Frey, Arno Gattas, Alexander Kruse und Fabian Rüffer. Ihr Prognosemodell konnte den Betrug in vielen Fällen korrekt vorhersagen und damit dem fiktiven Unternehmen große Umsatzverluste ersparen. Auch die meisten anderen Studierenden erzielten gute Ergebnisse. So konnten 16 von 18 Gruppen das Ergebnis im Vergleich zu einem Standardmodell verbessern, indem sie gezielt Variablen ableiteten und Parameter anpassten. Die Studierenden nutzten zur Absprache innerhalb der Gruppen Video-Telefonie, da die Veranstaltung in diesem Wintersemester wegen der Corona-Pandemie vollständig online stattfindet.
Foto: © Hochschule Fulda