23
MWU 15 (Subject) / QM Swazina (Lesson)
Advertisement
- Was ist Fraud (Definition)? Erklärung, Einflussfaktoren und Beispiele: Fraud bedeutet Betrug ist wohl überlegt, verdeckt Einflussfaktoren -> Fraud Triangle: Druck Gelegenheit Rechtfertigung Bsp. von Fraud: Kreditkartenbetrug Korruption Geldwäsche Steuerhinterziehung
- Nennen Sie 4 Methoden zur Fraud Detection und beschreiben Sie 2 davon genauer! Expert-based approach: Red Flag -> Warnlampen, zB. Wenn 2 Gesellschaften den gleichen JA haben! Outlier Detection: Grafische Überprüfung durchführen Newcomb-Benford Law (NBL): Analyse der Buchungszeilen nach der 1.Ziffer des Betrags -> es müsste der 1er am häufigsten usw. vorkommen und der 9er am seltesten, wenn nicht kann es eine logische Erklärung dafür geben, oder es kann ein Anzeichen für Betrug sein Deskriptive: Clustering Predicitve: Lineare Regression
- Was ist Newcomb-Benfords-Law (NBL)? Wie gehen Sie bei einer NBL-Prüfung vor? NBL: Analyse der Buchungszeilen nach der 1.Ziffer des Betrags -> es müsste der 1er am häufigsten usw. vorkommen und der 9er am seltesten, wenn nicht kann es eine logische Erklärung dafür geben, oder es kann ein Anzeichen für Betrug sein Prüfungsvorgehen: Es müssen zumindest 500 Datensätze vorhanden sein, diese werden in Subsets (Gruppen möglich) aufgeteilt , selbe Maßeinheit (EURO) der Rohdaten ist wichtig, Danach zB.: Überprüfung der Buchungen am WE oder der Gehaltszahlungen ob 2 Überweisungen an 1 Mitarbeiter vorhanden sind, oder extrem hohe Beträge wurden überwiesen
- Was sind die Anforderungen an das NBL? Was müssen Sie bei der Interpretation von NBL beachten? Mind. 500 zu untersuchende Elemente Subsets (Gruppen) bilden bei mehr als 10.000 Datensätzen Rohdaten sollten keine statistischen Größen (wie etwa Mittelwert oder Varianz) darstellen Selbe Maßeinheit der Rohdaten keine inhärenten Minima/Maxima (zB. Anzahl der Reisenden in einem Flugzeug)
- Was sind die Ziele von Fraud Desertion?Erklären Sie: expert-based approach und Red Flags. Geben Sie ein Beispiel. Ziele: Betrugsfälle reduzieren Prävention durch Maßnahmen setzen, damit man nicht in Versuchung kommt einen Betrug zu machen Betrug aufzudecken Expert-based approach: Die Überprüfung der Daten erfolgt durch Experten, da diese einen anderen Zugang zu den Informationen haben, also wo könnte Betrug stattfinden, wo gibt es Anzeichen, welche Überprüfungen sind nicht stimmig Red Flag: Warnzeichen -> Wenn zB. 2 Gesellschaften den gleichen JA haben!
- Welche Unterscheidungsmerkmale gibt es zwischen klassischer Statistik und BIG Data Mining? Bei der klassischen Statistik (oder Data Mining Prozess) wird von einer Datenbank ausgegangen. Big Data Mining ist dasselbe wie der Data Mining Prozess nur mit: höherem Volumen höherer Geschwindigkeit einer Vielfalt an Daten Richtigkeit und Echtheit - Glaubwürdigkeit der Daten
- Was sind die 4 Vs von Big Data? Nennung, Bedeutung und Beispiele. Volume (Volumen) - Zetabytes Variety (Vielfalt) - Videos, Texte, Daten von Usern Velocity (Geschwindigkeit) - Börse Veracity (Richtigkeit und Echtheit) - Glaubwürdigkeit der Daten
- Welche Technologien ermöglichen die Verarbeitung von Big Data (Enablers). Hardware Cloud Computing Virtual Machines Hadoop
- Welche Arten von Datenbanken kennen Sie? Nennung, Funktion und Beispiele. Dokumentorientierte Datenbank: Speicher für Textdokumente oder Dokumentmodule verarbeitet Inhalt der Dokumente oder verweist auf Dokumente Spartial Datenbank: speichert Geometrien zB. GPS - google Maps In Memory Datenbanken: Datensätze werden im Arbeitsspeicher gehalten schneller Zugriff höhere Kosten
- Beschreiben Sie die Begriffe Data Warehouse und Data Mining und deren Zusammenhang mit Big Data. Data Warehouse: konsistente Daten aus unterschiedliche Quellen Data Mining: Data Warehouse ist die Grundlage hierfür
- Advertisement
- Welche neuen Diagramme für große Datenmengen kennen Sie? Nennung, Funktion und Beispiele. Flair Chart: setzt einzelne Begriffe zueinander in Relation -> Naming Names Chord Chart: bildet gewichtete Beziehungen ab -> Wählerstromanalyse Tree Map: gruppiert Daten/unterteilt den Raum in Rechtecke -> Flair Package Size vs. Count Calender Chart: zur Darstellung von Datumswerten -> Dow Jones Entwicklung
- Was versteht man unter einer Metaanalyse und welche Bedeutung haben Metaanalysen aktuell? statistische Methode zur Forschungssynthese typischerweise werden die Ergebnisse mehrerer Studien zusammengetragen und analysiert Bedeutung: Metaanalysen liefern eine quantitative Analyse und enthalten zudem auch qualitative Betrachtungen und informieren Forscher, Praktiker und Entscheidungsträger über den aktuellen Forschungsstand, über mittlere Effekte,... MA werden mittlerweile in vielen Forshcungsfeldern diverser Wissenschaften und zudem zunehmend häufiger realisiert
- Nennen Sie bitte die zentralen Fragestellungen einer Metaanalyse. Wie konsistent ist der Effekt über die bisherigen Studien hinweg ausgefallen? Welche Variablen hängen mit der Höhe des Effekts zusammen? Ist der Effekt bis dato statistisch nachweisbar?
- Skizzieren Sie bitte die besprochene Vorgehensweise im Zuge einer Metaanalyse. Literaturrecherche (Websuche, Datenbank,..) Kodierung (Eigenschaften der einzelnen Studien zusammenfassen) Methodenauswahl (Fixed-Effekt vs. Random-Effekt Modell) Heterogenität bestimmen (Homogenitätstest gleich oder ungleich) Moderatoranalyse (wenn Heterogenität mittel bis hoch, man will wissen was hat sich unterschieden- Subgruppenanalyse, Meta-Regression) Gesamteffekte bestimmen Bias Analyse
- Wie wird nach der Bestimmung der Heterogenität der Fokus der weiteren Analyse bestimmt ? I2=25% (gering) und/oder inhaltlich unbedeutende Heterogenität -> Bestimmung des globalen Gesamteffekts I2=50% (mittel) und inhaltliche Heterogenität -> Moderatoranalyse und Bestimmung des globalen Gesamteffekts I2=75% (hoch) und inhaltlich relevante Heterogenität -> Moderatoranalyse
- Was versteht man im Zuge der Metaanalyse unter Präzision, wovon hängt die Präzision ab? Gewichtung mit der je Studie der mittlere Effekt geschätzt werden kann hängt von der Heterogenität ab
- Was versteht man im Zuge der Metaanalyse unter einem globalen Gesamteffekt und wann ist diese Berechnung sinnvoll? Präzision der studienspezifischen Effektgrößenschätzung sinnvoll bei mittlerer und geringer Heterogenität, kleiner realer Anteil der beobachteten Varianz
- Beschreiben Sie den Data Mining Prozess. Datenbank Datenaufbereitung Durchführung explorativer Analyse Erstellung des (ersten) Modells Erkenntnis von Schritt 1-5 -> Iteration - Das Modell wird schrittweise verbessert
- Welche Arten von Daten gibt es? quantitative vs. qualitative strukturiert, semi-strukturiert, unstrukturiert captured (gemessene) Transistent (flüchtige Daten - diese werden nie gespeichert) Persistent -> wird gespeichert
- Was versteht man unter einem Datenfeld? kleinste Dateneinheit einzelne Zelle eines Datensatzes zB. Christoph
- Was versteht man unter einem Datensatz? Gruppe inhaltlich zusammenhängender Datenfelder zB. Christoph; 31; m;...
- Was versteht man unter einer Datenbank? Aggregation mehrerer Datensätze zB.: Christoph; 31; m;... Eveline; 60; w;.... ....
- Welche verschiedenen Stichprobenauswahlen kennen Sie? Zufallsauswahl: Einfache Zufallsauswahl (Wie denken die Österreicher über die EU?) Geschichtete Zufallsauswahl (Österreicher werden in männlich und weiblich unterteilt und daraus wird dann nochmal eine Zufallsstichprobe gezogen.) Klumpenauswahl (zB. alle Bewohner eines Wiener Bezirks) setzt voraus, dass sich die Population in natürliche Gruppen teilt; Nicht-Zufallsauswahl: Gelegenheitsstichprobe (Ad-hoc) zB. Zufallsauswahl im Einkaufszentrum Willkürliche Wahl zB.: Wahl aller Besucher eines Kinofilms an einem bestimmten Tag und Ort Konzentrationsauswahl (Theoretische Stichprobe) Extremgruppenvergleiche zB.: Arm&Reich oder ich untersuche Skifahrer nur in Westösterreich (Ich breche einen Teil herunter) Quotenwahl Stichproben ziehe ich anhand von Quoten zB.: alle Wirtschaftsstudenten Österreichs, dann zufällig ein paar Unis und dort werden ein Paar Studenten zur Forschung eingeladen.