Data-Mining
Unter Data-Mining versteht man das systematische (in der Regel automatisierte oder halbautomatische) Entdecken und Extrahieren unbekannter Informationen aus großen Mengen von Daten.
Allgemeines
Riesige Datenmengen entstehen heute in Unternehmen, in Forschungsprojekten, in Verwaltungen oder im Internet. Data-Mining ermöglicht das automatische Auswerten solcher Datenbestände mit Hilfe von statistischen Verfahren. Ziel dabei ist das Aufspüren von Regeln bzw. statistischen Auffälligkeiten. So lassen sich z. B. Änderungen im Verhalten von Kunden oder Kundengruppen aufspüren und Geschäftsstrategien können darauf ausgerichtet werden. Es kann aber auch abweichendes Verhalten einzelner Personen erkannt werden. Dies ruft Datenschützer auf den Plan, welche die Anwendung der Verfahren des Data-Mining kritisch begleiten.
Einordnung
Der Begriff des Data-Mining findet überwiegend in der Wirtschaftsinformatik und im Controlling Verwendung. Deshalb spricht man von einer Methode aus dem Bereich Business Intelligence.
Technik
Bei normalen Auswertungen von Datenbeständen (z. B. durch OLAP) können bestimmte, vorher festgelegte Fragestellungen bearbeitet werden. Zum Beispiel: Wie viele meiner Kunden sind zwischen 20 und 40 Jahre alt und leben in München. Beim Data-Mining werden die Datenbestände nach Regelmäßigkeiten, Mustern und Strukturen, Abweichungen und jeglicher Art von Beziehungen und gegenseitigen Beeinflussungen untersucht. Der Prozess der Mustererkennung und Wissensextraktion wird auch 'Knowledge Discovery in Databases' (KDD) genannt. Im Data-Mining, als einem kreativen Prozess, werden im Arbeitsfortschritt Hypothesen entwickelt und überprüft.
Verschiedene Data-Mining-Verfahren sind:
- Clusteranalyse (Gruppierung von Objekten aufgrund von Ähnlichkeiten)
- Assoziationsregeln (z. B. Warenkorbanalyse)
- Klassifikation (Einordnung von Objekten in bestimmte Klassen / Kategorien, z. B. mit Entscheidungsbäumen)
- Regressionsanalyse
Anwendungsgebiete
- Kundensegmentierung im Marketing (in Bezug auf ähnliches Kaufverhalten bzw. Interessen, gezielte Werbemaßnahmen)
- Warenkorbanalyse (zur Preisoptimierung, Produktplatzierung im Supermarkt)
- Management von Kundenbeziehungen CRM
- Selektion von Zielgruppen für Marketingaktionen Kampagnenmanagement
- Web Usage Mining (Web Mining, Personalisierung von Web-Sites -> Erstellung von Zugriffsprofilen)
- Text-Mining (Anwendung von Data-Mining-Verfahren auf große Mengen von (Online-)Textdokumenten)
- Data Mining ist der Analyseschritt innerhalb eines umfassenden KDD-Prozesses (Knowledge Discovery in Databases).
Weblinks
- http://www.bwi.unibw-muenchen.de/home/rudolph/dm.html
- http://www.themanagement.de/Knowledgebase/Marketing/Datamining.htm – Artikelsammlung
- http://www.mindup.de/html/data-minig-in-der-praxis.html – Praxisaspekte des Data Mining
- http://www.billinmon.com - Bill Inmon’s Webseite zum Thema DW und DM
- http://www.crisp-dm.org - CRoss Industry Standard Process for Data Mining