Data Mining - Mehr als Durchschnitt Statistikberatung

Das Data Mining verfolgt (häufig) das Ziel große unternehmensinterne Datensätze nach verborgenen Informationen zu untersuchen und nutzbar zu machen. Hierbei wird nach Zusammenhängen, Ursache-Wirkungs-Beziehungen und Auffälligkeiten gesucht. Das Anwendungsfeld des Data Minings umfasst unter anderem die Banken-, Versicherungs-, Finanzdienstleistungs-, Marketing- und Telekommunikationsbranche. Aber auch jedes andere wirtschaftliche Anwendungsfeld kann sich dem Data Mining erfolgreich bedienen. Der Begriff Predicitive Analytics umschreibt das Vorhersehen von Veränderungen auf unternehmerischer Ebene und damit einhergehend die Planung und Umsetzungen von Strategien zur Reaktion auf diese Veränderungen. Für Business Intelligence Lösungen verwendet die Mehr als Durchschnitt Statistikberatung hauptsächlich RapidMiner.

Die Mehr als Durchschnitt Statistikberatung unterstützt Sie bei der Wahl, der Anwendung und der Interpretation von Data Mining Verfahren. Ebenso gehört die firmenspezifische Implementierung der entwickelten Methoden dazu. Machen Sie sich im Folgenden mit den Leistungen und dem Ablauf von Data Mining Projekten vertraut.

Weitere Informationen zu dem Data Mining

Grundlegender Ablauf

Allgemeines

Das Data Mining beginnt bei der Definition des Auswertungsziels. Hierbei umfasst es ebenfalls das Sammeln, das Zusammenführen und die Modifizierung von Daten bzw. Datenbanken. Hierauf ist besonderer Augenmerk zu richten, da dies die Grundlage für die korrekte Auswertung der Daten bildet. Das Data Mining endet mit der professionellen und verständlichen Berichterstattung in Form von Tabellen und Grafiken.

Beispiele

Clustering von homogenen Gruppen mit ähnlichen Eigenschaften (z.B. bei der Kundensegmentierung)

Zielgruppenauswahl im Marketing

Warenkorbanalyse

Netzwerkanalyse im Social-Media-Bereich

Plagiatsprüfung (Text Mining)

u.v.m.

Verfahren

Clusteranalyse

Klassifikationsverfahren

Regressionsanalysen

Neuronale Netze

Zeitreihenanalyse

Assoziationsverfahren

u.v.m.

Interpretation/Implementierung

Nach erfolgter Datenanalyse müssen die Ergebnisse sinnvoll interpretiert werden. Ebenfalls ist es, aus unternehmerischer Sicht, wünschenswert die verwendeten Methoden in bestehende Softwaresysteme zu implementieren. Häufig sind die gefundenen Zusammenhänge zeitabhängig, so dass es empfehlenswert ist die gefundenen Erkenntnisse im Laufe der Zeit zu überprüfen und die verwendeten Modelle hierauf anzupassen.