In der Data Mining Challenge 2019/20 mussten Studierende der Veranstaltung "Data Mining" die Rücksendungen mit Hilfe von Daten eines Webshops prognostizieren. Eine gute Prognose ist in der Praxis wichtig, da gerade bei Bekleidungsartikeln oft sogar mehr als jeder zweite Artikel von den Kunden zurückgesendet wird und diese Rücksendungen erhebliche Kosten verursachen. Wenn man diese Kunden vorher identifizieren kann, können diese gezielt angesprochen werden, um Rücksendungen zu reduzieren.
Die Studierenden lernen im Rahmen der Veranstaltung „Data Mining“ von Professor Klingert an praxisorientierten Beispielen verschiedene Verfahren kennen, mit denen eine solche datenbasierte Prognose erstellt werden kann.
Die diesjährige Gewinnerin der Data Mining Challenge ist Kristin Angelstein. Ihr Prognosemodell konnte die Rücksendungen besser vorhersagen als alle anderen abgegebenen Modelle. Dabei konfigurierte sie nicht nur den Algorithmus, sondern leitete aus den bestehenden Variablen sinnvolle weitere Variablen ab, die die Prognosegüte weiter verbesserten. Insbesondere der Preis spielte dabei eine große Rolle, da günstige Produkte weniger häufig zurückgesendet werden.
Foto: © Hochschule Fulda