Causal Inference and Causal Machine Learning for Data-Driven Management, Applications in Corporate Finance and Marketing

Sprache: Englisch

Verlag: Verlag Dr. Kovac, Hamburg, 2024

3339139466 / 9783339139467

  • Erstausgabe
  • Softcover
  • Neu
Alle Details anzeigen

Anbieter: Verlag Dr. Kovac GmbH, Hamburg, DeutschlandVerlag Dr. Kovac GmbH

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei ZVAB seit 24. Januar 2011

Softcover

Zustand: Neu

EUR 98,80

EUR 17,60 Versand 
Versand von Deutschland nach USA

Anzahl: 5 verfügbar

In den Warenkorb
30 Tage kostenlose Rückgabe

Artikelbeschreibung des Verkäufers

- in englischer Sprache - Schriftenreihe innovative betriebswirtschaftliche Forschung und Praxis, Band 578 360 pages. -------------------------------------------------------------------------------------------------------------------------------------------------------------------- REZENSION in: Ãsterreichische Zeitschrift für Kartellrecht, ÃZK 2024 / Heft 5, S. 201-203: "[.] Die Verfügbarkeit unfassbar umfassender und vielfältiger Datensätze (big data) kann sich als Segen und Fluch zugleich erweisen, wie die vorliegende Dissertation eines international agierenden Managers zeigt, der selbst an der Schnittstelle von Naturwissenschaft, Finanzen und prädiktiven Technologien sitzt. [.] Wasserbacher warnt [.] vor [.] einer kritiklosen Anwendung derartiger Techniken und Werkzeuge. Denn ansonst kann es zu fragwürdigen Schlussfolgerungen kommen, sofern dem datengetriebenen Management keine Werkzeuge zur Erstellung passender Kausalfragen und zur Ãberprüfung von deren Anwendung zugrunde liegen, um die entsprechende Anwendungspraxis begleiten und bei Bedarf lenken zu kà nnen. [.] Werden die einschlägigen Werkzeuge quasi "von der Stange" - also ohne sie den konkreten Umständen und Erfordernissen anzupassen - angewandt, so kà nnen die auf ihnen basierenden unternehmerischen Entscheidungen scheitern. [.] Während Wasserbacher die Entstehung der drei Forschungsarbeiten aus dem "Innenleben eines Unternehmens" unterstreicht, sieht er zum Thema KI-Regulierung groÃe Relevanz für die Leser(innnen) der ÃZK, zumal mit dem bereits oben erwähnten EU AI Act "die weltweit erste 'horizontale' KI-Regulierung und Aufsichtspflicht eingeführt" werde, was aber Hintergrundwissen über KI als Technologie erforderlich mache. [.] Die hier vermittelten Einsichten aus der vordersten Front eines Managers kà nnen dabei wertvolle Dienste leisten." -------------------------------------------------------------------------------------------------------------------------------------------------------------------- The availability of large amounts of data, coupled with artificial intelligence and machine learning as suitable techniques to exploit them, has led to increasing interest in data-driven management. Data are turned into insights, and insights into management decisions. In the midst of this passion for artificial intelligence, practitioners must remain aware that most machine learning methods maximize predictive performance. This is not the same as identifying causal patterns. Outside a valid causal framework, machine learning will lead to flawed conclusions about causal effects, and thus to incorrect decisions. Data-driven management requires appropriate tools for causal questions. This book discusses in-depth three concrete examples in the areas of corporate finance and marketing. In financial forecasting, planning and analysis (FP&A), machine learning appears well suited for the highly automated extraction of information from large amounts of data. However, FP&A practitioners need to distinguish between forecasting tasks and tasks related to planning and resource allocation. Off-the-shelf machine learning typically fails for causal inference and is not suited for planning and resource allocation. In pharma marketing, the field force traditionally plays an important role. However, does a traditional field force still add value in an otherwise digital and virtual marketing mix? To answer this question, the impact of a field force within an omnichannel strategy is evaluated in a business experiment. The third use case applies double machine learning to the capital structure puzzle and credit ratings. Double machine learning performs data-driven variable selection out of a large set of individual company characteristics and models their relationship with leverage and credit ratings without any strong assumption about the underlying functional form. This allows to quantify the causal effect of credit ratings, along the rating scale, on the leverage.…

Titel
Causal Inference and Causal Machine Learning for Data-Driven Management, Applications in Corporate Finance and Marketing
Autor
Helmut Wasserbacher
Verlag
Verlag Dr. Kovac, Hamburg
Erscheinungsjahr
2024
Zustand
neu
Einband
Softcover
Sprache
Englisch
ISBN-10
3339139466
ISBN-13
9783339139467
Auflage
1. Auflage.

Verlag Dr. Kovac GmbH

Hamburg, Deutschland

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei ZVAB seit 24. Januar 2011

Versandkosten von Deutschland nach USA

Artikel16 bis 35 Werktage7 bis 14 Werktage
Erster ArtikelEUR 17,60EUR 34,35
Die Versandzeiten werden von den Verkäuferinnen und Verkäufern festgelegt. Sie variieren je nach Versanddienstleister und Standort. Sendungen, die den Zoll passieren, können Verzögerungen unterliegen. Eventuell anfallende Abgaben oder Gebühren sind von der Käuferin bzw. dem Käufer zu tragen. Die Verkäuferin bzw. der Verkäufer kann Sie bezüglich zusätzlicher Versandkosten kontaktieren, um einen möglichen Anstieg der Versandkosten für Ihre Artikel auszugleichen.

Zahlungsarten

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay

Shopbeschreibung

Der Wissenschaftsverlag Dr. Kovač wurde 1982 gegründet und ist ein Fachverlag für wissenschaftliche Literatur. Seit mehr als 40 Jahren verlegen Wissenschaftler/innen aus unterschiedlichsten Fachbereichen bei uns. Das Gros der mehr als 12.400 Forscher/innen, die wir verlegen, stammt von Universitäten im deutschsprachigen Raum.

Unternehmensdaten der Verkäuferin bzw. des Verkäufers

Verlag Dr. Kovac GmbH

Leverkusenstr. 13
Hamburg, Deutschland 22761

Verlag Dr. Kova? GmbH
Geschäftsführer: Elke Grotzke, Susanne Mielau, Michael Leu
Amtsgericht Hamburg HRB 117818

Hausanschrift: Leverkusenstraße 13, 22761 Hamburg
Postanschrift: Postfach 57 01 42, 22770 Hamburg

Telefonnummer: +49-(0)40 - 39 88 80 - 0
Faxnummer: +49-(0)40 - 39 88 80 - 55
E-Mail-Adresse: info[at]verlagdrkovac.de