Markus Lang – Data Science Blog

About Markus Lang

Markus Lang arbeitet als Manager Data Analytics in der Mediaforschung und programmiert mit dem Webframework R-Shiny Tools, die Forschern und Mediaplanern den Alltag erleichtern sollen. Zudem ist er für die Betreuung und den Ausbau der Analytics Plattform der Firma zuständig, die auf Linux aufbaut und verschiedene Open Source Software wie Docker und Keycloak kombiniert.

Entries by Markus Lang

Fuzzy Matching mit dem Jaro-Winkler-Score zur Auswertung von Markenbekanntheit und Werbeerinnerung

December 10, 2018 /0 Comments/in Business Analytics, Data Mining, Data Science, Data Science Hack, Main Category, R Statistics, Text Mining /by Markus Lang

Für Unternehmen sind Markenbekanntheit und Werbeerinnerung wichtige Zielgrößen, denn anhand dieser lässt sich ableiten, ob Konsumenten ein Produkt einer Marke kaufen werden oder nicht. Zielgrößen wie diese werden von Marktforschungsinstituten über Befragungen ermittelt. Dafür wird in regelmäßigen Zeitabständen eine gleichbleibende Anzahl an Personen befragt, ob diese sich an Marken einer bestimmten Branche erinnern oder sich […]

Shiny Web Applikationen

November 7, 2017 /2 Comments/in Business Analytics, Data Science, Data Science Hack, R Statistics, Visualization /by Markus Lang

Jede Person, die irgendwie mit Daten arbeitet, kommt nicht herum, aus Analysen oder Modellen gezogene Erkenntnisse mit anderen zu teilen. Meist haben diese Personen keinen statistischen oder mathematischen Hintergrund. Für diese sollten die Ergebnisse nicht nur verständlich, sondern im besten Fall auch visuell ansprechend aufbereitet sein. Neben recht teuren Softwarelösungen wie Tableau oder QlikView gibt […]

Unsupervised Learning in R: K-Means Clustering

May 15, 2017 /0 Comments/in Data Mining, Data Science, Machine Learning, R Statistics, Statistics, Tutorial /by Markus Lang

Die Clusteranalyse ist ein gruppenbildendes Verfahren, mit dem Objekte Gruppen – sogenannten Clustern zuordnet werden. Die dem Cluster zugeordneten Objekte sollen möglichst homogen sein, wohingegen die Objekte, die unterschiedlichen Clustern zugeordnet werden möglichst heterogen sein sollen. Dieses Verfahren wird z.B. im Marketing bei der Zielgruppensegmentierung, um Angebote entsprechend anzupassen oder im User Experience Bereich zur […]