BI-Methoden (Teil 2): Data Mining Phasen und Vorgehensschritte

Auswertung und Interpretation

Ziel der letzten Phase ist die Ableitung expliziten Wissens aus den ermittelten Beziehungsmustern und das Verständlichmachen der Ergebnisse der Mining Phase auch für Nichtexperten.

Die Analyseergebnisse sollten zunächst auf ihre Güte geprüft werden. Wie genau sind die Ergebnisse, wie signifikant und wie ist es mit der Generalisierungsfähigkeit bestellt? Haben die Analysen ein erwartetes Ergebnis produziert? Wurden nicht die erwarteten Muster gefunden, muss die Ursache herausgefunden werden und genauer untersucht werden. Eventuell muss dann zu einem früheren Schritt im Data-Mining-Prozess zurückgekehrt werden.

Die Auswertung der Analyseergebnisse umfasst die Darstellung der gefundenen Zusammenhänge in verständlicher Form. Die Visualisierungder oft unübersichtlichen Ergebnisse des Analyseschritts spielt dabei eine wichtige Rolle.

Als letzter Punkt kommt dann die eigentliche Anwendung und Nutzung des gewonnenen Wissens. In kommerziellen Anwendungen wird das aus dem Data-Mining-Prozess gewonnene Wissen oft zur Unterstützung eines Entscheidungsprozesses verwendet. So kann beispielsweise die komplementäre Artikelbeziehung zwischen Bier und Chips („Wer Bier kauft, kauft auch oft Chips“) zur Erreichung der Wissensziele eines Unternehmens und zur Gewinnung eines besseren Kundenverständnisses beitragen.