Search (2 results, page 1 of 1)

  • × author_ss:"Jantos, D."
  1. Jantos, D.: ¬Die automatisierte und intelligente Competitive-Intelligence-Lösung osivo (2007) 0.01 
    0.013411639 = product of:
  0.053646557 = sum of:
    0.053646557 = weight(_text_:und in 631) [ClassicSimilarity], result of:
      0.053646557 = score(doc=631,freq=14.0), product of:
        0.118290015 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.05337113 = queryNorm
        0.4535172 = fieldWeight in 631, product of:
          3.7416575 = tf(freq=14.0), with freq of:
            14.0 = termFreq=14.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=631)
  0.25 = coord(1/4)
    Abstract
    Das Internet ist zu einer globalen Wissensplattform geworden mit vielen bedeutsamen Informationen für Competitive Intelligence. Für eine erfolgreiche CI-Analyse müssen relevante Änderungen im Unternehmensumfeld bekannt sein und aus der großen Menge der unstrukturierten Informationen das Wesentliche herausgefiltert werden. Dies lässt sich nur mit einer informationstechnischen Unterstützung effizient erreichen. Mit der an der Ruhr Universität Bochum erarbeitet Lösung osivo ist es möglich, relevante Internetquellen automatisch zu beobachten und sich bei inhaltlichen Veränderungen benachrichtigen zu lassen. In einem weiteren Schritt werden die Textinformationen auf ihren Zusammenhang hin untersucht und in einer "assoziativen Wolke" das Wesentliche angezeigt, was zu einer schnelleren Erfassung großer Mengen von Inhalten und der Veränderungen bei Mitbewerbern und im Unternehmensumfeld führt.
    Source
    Information - Wissenschaft und Praxis. 58(2007) H.6/7, S.341-346
  2. Jantos, D.; Pathmann, A.: Aufbereitungs- und Interpretationsmethoden für lückenhafte Informationen (2007) 0.01 
    0.010138246 = product of:
  0.040552985 = sum of:
    0.040552985 = weight(_text_:und in 634) [ClassicSimilarity], result of:
      0.040552985 = score(doc=634,freq=8.0), product of:
        0.118290015 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.05337113 = queryNorm
        0.34282678 = fieldWeight in 634, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=634)
  0.25 = coord(1/4)
    Abstract
    Die großen Datenmengen, die heutzutage erfolgreich gemanagt und bearbeitet werden müssen, sind nicht nur eine Herausforderung für den Competitive Intelligence-Manager. Für eine effektive Analyse genügt es leider nicht, nur die Informationen zu sammeln, vielmehr müssen sie so aufbereitet werden, dass sie eine möglichst vollständige Datenbasis für die spätere Interpretation darstellen. Dabei sind immer wieder Lücken in der Datenbasis feststellbar. Um diese zu schließen, werden in diesem Beitrag fünf Methoden zur Aufbereitung von lückenhaften Informationen vorgestellt, auf ihre Einsatztauglichkeit untersucht und miteinander verglichen. Im weiteren Teil der Arbeit wird besonders die Analogieschlussmethode mit ihren Anwendungspotentialen ausführlich dargestellt.
    Source
    Information - Wissenschaft und Praxis. 58(2007) H.6/7, S.361-365