Statistisches Matching mit Fuzzy Logic: Theorie und Anwendungen in Sozial- und Wirtschaftswissenschaften

برای چندین سال، تطبیق آماری برای به دست آوردن اطلاعات اضافی با ترکیب چندین منبع داده استفاده شده است. روش های سنتی به اصطلاح دوقلوهای آماری را بر اساس فاصله بین داده های اصلی مجموعه داده ها در متغیرهای تطبیق تعیین می کنند.

Patrick Noll یک روش جایگزین برای تطبیق آماری با منطق فازی ارائه می‌کند که معایب روش‌های سنتی را با فازی کردن داده‌های اصلی جبران می‌کند. او با استفاده از دو مثال کاربردی، روش تطبیق فازی آماری را نشان می‌دهد، راهی برای اندازه‌گیری کیفیت تطبیق ایجاد می‌کند و آن را با جزئیات با روش‌های سنتی مقایسه می‌کند. علاوه بر این، او زمینه های کاربردی ممکنی را برای رویکرد خود در زمینه هوش تجاری و به ویژه در داده کاوی پیشنهاد می کند.

Seit einigen Jahren wird statistisches Matching dazu eingesetzt, zusätzliche Informationen durch die Kombination mehrerer Datenquellen zu erhalten. Traditionelle Methoden ermitteln die so genannten statistischen Zwillinge auf Grundlage der Distanzen zwischen den Ausgangsdaten der Datensätze in den Matchingvariablen.

Patrick Noll stellt eine alternative Methode des statistischen Matchings mit Fuzzy Logic vor, welche die Nachteile traditioneller Methoden durch die Fuzzyfizierung der Ausgangsdaten ausgleicht. Anhand zweier Anwendungsbeispiele demonstriert er die Vorgehensweise des statistischen Fuzzy-Matchings, entwickelt eine Möglichkeit zur Messung der Matching-Güte und vergleicht diese detailliert mit traditionellen Methoden. Darüber hinaus schlägt er mögliche Einsatzgebiete seines Ansatzes im Rahmen der Business Intelligence und dort insbesondere im Data Mining vor.