Starten Sie Ihre Suche...


Durch die Nutzung unserer Webseite erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weitere Informationen
Rita Spatz

Prof. Dr. Rita Spatz

Umweltplanung/Umwelttechnik, Hochschule Trier

UCB, 55761 Birkenfeld

  • 06782/17-1916
Curriculum Vitae

Studium der Statistik an der Luwigs-Maximilians-Universität München, Vordiplom/Diplom in Statistik.

Industrietätigkeiten: Senior Consultant bei Teradata/NCR Deutschland für Data Mining und CRM/BI in Datenbankumgebungen von Großunternehmen, Aufbau und Leitung der europäischen Data Mining Community von Teradata/NCR, Mitwirkung bei der Konzeption, Entwicklung und Optimierung der Data Mining Software von Teradata/NCR, Leitung und Durchführung nationaler und internationaler Data Mining Projekte und Workshops in den Bereichen Logistic, Retail, Finance und Insurance. Dozentin im Rahmen der Ausbildung zum Qualitätsmanager (Dekra/Regensburg).

Hochschultätigkeiten: Wissenschaftliche Mitarbeiterin an der Universität in Regensburg am Lehrstuhl für Statistik/Wirtschaftswissenschaftliche Fakultät, Wissenschaftliche Mitarbeitern im SFB 386 der DFG an der Ludwigs-Maximilians-Universität München, Promotion zum Dr. rer. pol., Forschung auf dem Gebiet Longitudinaldaten und zeitdiskreter Hazardratenmodelle mit Random Effects für Competing Risks mit Anwendungen in der Medizin und der Sozioökonomie. Beratung bei der Durchführung und Auswertung klinischer Studien an der Universität Regensburg. Nationale wissenschaftliche Tagungen und Veröffentlichungsaktivitäten.

Forschung, Lehre und Projekte auf den folgenden Themenfeldern:

Anwendung und Einsatz von Data Mining und Statistik Verfahren in folgenden Bereichen: (analytisches) Customer Relationship Management, Medizin, Qualitätsmanagement, e-business und Web Usage, Psychologie, Marktforschung, Informationsmanagement. Modellierung von Customer Lifetime Value, churn und fraud detection, Cross-selling, market basket analysis, .... Einführung und Einsatz von Data Mining in Unternehmen und der Einbindung in Unternehmensprozesse (relationale Datenbankumgebungen, Automatisierung, Data Quality Assessement, Data Preparation, ...).