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

Data Mining Verfahren

Data Mining Methoden entstammen im wesentlichen der Statistik, dem maschinellen Lernen, der Künstlichen Intelligenz und der klassischen Mustererkennung. Die Methoden im einzelnen sind als solche nicht neu, sondern wurden teilweise schon vor Jahrzehnten entwickelt.

Was können diese Verfahren nun aufdecken? Vor allem Regeln, Gruppen, Abhängigkeiten, Verbindungen oder zeitliche Muster lassen sich aus den Daten extrahieren.

Besonders häufig angewendet wird die Assoziationsanalyse mittels Regelinduktion. Durch maschinelles Lernen wird dabei versucht, aus den Daten so genannte Assoziationsregeln zu generieren, die beschreiben, welche Gruppen von Objekten oder Eigenschaften häufig gemeinsam auftreten. „Wer in der IT-Branche tätig ist, verfügt häufig (zu 70 Prozent) über ein Jahres-Bruttoeinkommen über 40.000 Euro“ wäre eine solche Regel, die ein Data Mining Tool entdecken könnte.

Eine häufige Anwendung der Regelinduktion ist die Analyse von Warenkorbdaten. Hierbei wird eine Menge an Warenkörben daraufhin untersucht, ob Zusammenhänge (Regeln) zwischen den gekauften Waren bestehen, also konkret: Welche Produkte haben Kunden bei einem Kauf gemeinsam erworben. Eine über eine Warenkorbanalyse gefundene Assoziationsregel könnte etwa lauten, dass „in 40 Prozent der Transaktionen, in denen Milch, Brot und Butter gekauft wurde, auch Kaffee gekauft wurde“.

Warenkorbanalysen stellen die beste Möglichkeit bereit, das Kaufverhalten zu analysieren und Kundenbedürfnisse aufzuspüren. Hat man durch eine Warenkorbanalyse beispielsweise Gruppen von häufig zusammen verkauften Produkten herausgefunden, lässt sich das Sortiment im Laden oder auf der Website optimieren und konsumgerecht platzieren. Ordern Käufer von Madonna-CDs auch häufig solche von Britney Spears, werden beide zusammen angeboten.