Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

"Never before has there been such a stark dichotomy in marketing: customers demand the type of deep personalization from brands that technology companies like Netflix and Amazon deliver, but they are increasingly leery of offering the type of personal data required to make it happen. Over the years companies have built byzantine "stacks" of various marketing and advertising technology to try and deliver the fabled "right person, right message, right time" experience to deliver on customer journeys, but have found themselves stuck with a hot mess of siloed systems, disconnected processes, and legacy technical debt. Riding in like a white knight, Customer Data Platforms have come to the fore, offering companies a seemingly plug-and-play way to capture, unify, activate and analyze customer data. CDPs are the hottest technology category for marketers today, a growing category with over 100 different companies, and a hot topic at industry events and in industry press. But are CDPs worthy of the hype? Customer Driven takes a a deep dive into everything CDP and breaks down the fundamentals, including how to: -Understand the problems of managing customer data -Define the category and understand what CDPs do (and don't do) -Organize and harmonize customer data for use in marketing -Build a safe, compliant first party data asset your brand can use as fuel -Create a data-driven culture that puts customers at the center of everything you do -Understand how to leverage AI and machine learning to drive the future of personalization -Orchestrate modern customer journeys that react to customers in real-time -Power analytics with customer data to get closer to true attribution"--

Marketing. --- Data-analyse. --- Direct marketing.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Long description: Sowohl gesetzliche Regelungen als auch sich verändernde wirtschaftliche und gesellschaftliche Rahmenbedingungen fordern von den Unternehmen ein effektives Risikomanagement. Dennoch mangelt es vor allem in kleinen und mittleren Unternehmen an dessen Umsetzung. Das Risikobewusstsein sowie das Risikomanagement sind oftmals unzureichend. Kleine und mittlere Unternehmen zeichnen sich durch eine Vielzahl besonderer Merkmale aus. Daraus erwachsen ihnen zwar enorme Chancen, jedoch in gleichem Umfang Risiken. Ein Nichterkennen der Risikolage bzw. eine unzureichende Berücksichtigung unternehmerischer Risiken können eine Unternehmenskrise auslösen und in die Insolvenz führen. Ein effektives Risikomanagement ist deshalb essentiell. Kleine und mittlere Unternehmen finanzieren sich primär über klassische Bankkredite. Die Unternehmen übertragen dadurch ihre Risiken auf die kreditgebende Bank. In Anbetracht der erhöhten Risikopotenziale kleiner und mittlerer Unternehmen sollten die Kreditinstitute ein großes Interesse daran haben, dass die Unternehmen ihre bestehenden und möglichen Risiken erkennen, bewerten und bewältigen. Das Risikomanagement der kleinen und mittleren Firmenkunden muss analysiert, beurteilt und in den Bonitätsbeurteilungsprozess integriert werden. Neben den Besonderheiten sowie den daraus resultierenden Risiken kleiner und mittlerer Unternehmen stellt die Arbeit den idealtypischen Risikomanagementprozess dieser Unternehmen dar. Eine eigene empirische Untersuchung zeigt die Mängel in der Bankpraxis bei der Analyse und Einbeziehung des Risikomanagements kleiner und mittlerer Unternehmen in den Bonitätsbeurteilungsprozess. Daraus werden Handlungsempfehlungen abgeleitet.

KMU --- Mittelstand --- Risikomanagement --- Empirische Analyse --- Bonitätsbeurteilung

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

What determines a company?s financial health and what drives company value? Knowledge on financial analysis and business valuation is not always accessible for non-financial specialists such as managers with a more strategic focus. Nevertheless, having this intellectual skill-set can leverage your ability to make better strategic decisions. Therefore, the authors have structured this book in a way that enables non-specialists to grasp all relevant financial information using tools that allow efficient financial analyses.For the non-financial experts the book starts by presenting the essentials of financial analysis and business valuation in a structured way. However, this book is not only written for non-financial specialists as also more experienced readers may find new perspectives for conducting financial analyses. Professionals who work with relatively ?static? financial data concerning solvability and debt will welcome the more dynamic financial toolset incorporated in this book. This toolset will enable them to get to the heart of the (financial) matter faster by focusing on relevant data. By making the relevant financial analyses this book gives the reader a better insight in the company?s value. Not just by explaining theory, but by also showing how you can use the output of the financial analyses to challenge the forecasted data that will determine the price you get or have to pay.Guy Parmentier is a Belgian certified public accountant. He runs a renowned valuation practice and is executive professor at the University of Antwerp Management School and lecturer at the Karel de Grote Hogeschool (College of Higher Education), Antwerp.Bart Cuypers is a financial analyst in an international banking group with vast valuation expertise.Bron: www.larcier-intersentia.comWebshop: https://www.larcier-intersentia.com/nl/business-valuation-third-edition-9781780684482.html

Financial analysis --- waardering (economie) --- financiële analyse --- E-books --- management --- gestion financiere des entreprises --- analyse --- Waardebepaling ; ondernemingen --- Financieel management --- financieel beheer ondernemingen --- Business enterprises --- Corporations --- Entreprises --- Sociétés --- Valuation --- Finance --- Evaluation --- Finances --- Analyse financière. --- Finances.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Das Lehrbuch zur Programmiersprache R mit Videos und Musterlösungen ist der ideale Einstieg für Studierende in die Statistik mit den Schwerpunkten moderne Ökonometrie, empirische Kausalanalyse und Machine Learning.

empirische Forschung --- quantitative Datenanalyse --- Ökonometrie --- Forschungsmethoden --- künstliche Intelligenz --- Lernvideos --- Programmiersprache R --- quantitative Forschung --- Statistik --- empirische Sozialforschung --- Kausalanalyse --- kausale Analyse --- Multivariate Analyse --- Wirtschaftsforschung --- Lehrbuch

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Long description: Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen. Dieses Handbuch erläutert die Verwendung der folgenden Tools: IPython und Jupyter für datenintensive Berechnungen NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« – Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts Biographical note: Jake VanderPlas ist seit Langem User und Entwickler von SciPy. Derzeit ist er als interdisziplinärer Forschungsdirektor an der Universität Washington tätig, führt eigene astronomische Forschungsarbeiten durch und berät dort ansässige Wissenschaftler, die in vielen verschiedenen Fachgebieten arbeiten.

Datenanalyse --- Big Data --- Algorithmen --- NumPy --- SciPy --- Pandas --- Data Scientist --- sentiment analyse --- Sentiment Analysis