Business Intelligence (Teil 4): BI-Analysemethoden OLAP & Data Mining

Data Mining – nach Mustern schürfen

Das bekannteste und bedeutendste modellorientierte Verfahren ist Data Mining. Data Mining-Werkzeuge sind darauf spezialisiert, unbekannte Muster und Zusammenhänge in größeren Datensammlungen zu finden. Der Name „Data Mining“ kommt daher, dass man wie in einer Edelstein-Mine den Gesamt-Datenbestand „abschürft“.

Bildlich gesprochen kann man sich Data Mining als elektronischen Bergbau vorstellen, weil in einem Datenberg mit Hilfe einer Software zwar keine Edelsteine gesucht werden, aber nach unerwarteten Zusammenhängen zwischen den Daten.

In der Regel ist Data Mining nicht hypothesengetrieben, der Analyst muss also nicht von vornherein wissen, wonach er sucht. Vielmehr führen Data Mining Verfahren den Anwender von sich aus zu den vermeintlich interessanten Informationen. Data Mining arbeitet somit grundsätzlich induktiv und datengesteuert. Man geht immer von den vorliegenden Daten aus und leitet daraus Hypothesen und Zusammenhänge ab.

Banken verwenden Data Mining beispielsweise zur Erkennung von Kreditkartenbetrug und für die Profilerstellung von Kunden, die mit gewisser Wahrscheinlichkeit ihre Kreditverbindlichkeiten nicht erfüllen können. Im Marketing wird Data Mining genutzt um Absatzprognosen, Kundensegmentierungen, Warenkorbanalysen und Missbrauchserkennungen durchzuführen. Im Personalwesen können Personalauswahl und Mitarbeiterfehlleistungserkennung durch Data Mining unterstützt werden,

Einen starken Aufwind erlebte Data Mining mit Web-Anwendungen - hier hat sich auch der Begriff Web Mining etabliert. Im einfachsten Fall liefert Web Mining Antworten auf Fragen wie: Welche Webseiten sind besonders beliebt, wie wird eine Web-Site von den Besuchern genutzt, wie verlaufen typische Navigationspfade und wo steigen Benutzer häufig aus.