Wie können repräsentative Kundenstichproben effizient ausgewählt werden, sodass Kunden mit extremen Verhaltensweisen (sogenannte Randkunden oder Fringe Customers), mit oftmals starken Assoziationen mit Analyse-relevanten Ereignissen wie Fahrzeugschäden, basierend auf deren Nutzungsstatistiken ausreichend erfasst werden? Wenn diese Frage für Sie interessant klingt, möchten wir Sie auf den kürzlich von Prof. Dr. Setzer zusammen mit Kunxiong Ling (Ext. Doktorand) und Jan Thiele (BMW Group) veröffentlichten Forschungsartikel “Usage Space Sampling for Fringe Customer Identification” hinweisen. Der Artikel wird in den “Proceedings of the 54th Hawaii International Conference on System Sciences” veröffentlicht, verfügbar ab Januar 2021.