Data Mining

Beim Vorgang des Data Minings verändern Unternehmen unbearbeitete Daten in nützliche Informationen. Durch die Software werden Muster innerhalb der Daten identifiziert, welche den Unternehmen dabei helfen, mehr über ihre Kunden zu lernen. Auch Marketingstrategien können effektiver gestaltet, Verkäufe angekurbelt und Kosten reduziert werden. Dabei ist es für den Vorgang des Data Minings unabdingbar, die Daten über sinnvolle Wege zu sammeln, diese zu speichern und computergestützt zu verarbeiten.

Das übergeordnete Ziel von Data Mining Experten ist es, Vorhersagen über die Zukunft zu treffen.

Dieser Vorgang ist folgendermaßen strukturiert:

  1. Ergründung:
  • Hier werden die Daten aufbereitet, sortiert und bereits auf eine übersichtlichere Summe reduziert
  1. Modelaufbau und Musterbildung mit Validierung und Verifikation:
  • Hier werden unterschiedliche Modelle betrachtet und auf deren Ergiebigkeit getestet.
  1. Einsatz:
  • Nachdem das beste Modell selektiert wurde wird dessen Technik auf die neuen Daten angewandt und Vorhersagen generiert.

Data Mining als gängiges Hilfsmittel in Unternehmen

Lebensmittelgeschäfte bedienen sich sehr häufig des Data Minings. Sie bieten ihren Kunden Bonuskarten an, wodurch diese günstigere Preise erhalten. Durch diese Maßnahme ist es einfacher zu beobachten, wer welches Produkt einkauft, zu welcher Uhrzeit und zu welchen Preisen.

Die Analyse über diese Daten wird zu verschiedenen Zwecken durchgeführt und soll vor allen Dingen dabei helfen, das Kundenverhalten zu antizipieren und durch Anpassungen bei Rabattaktionen bspw. mehr Umsatz zu generieren.

Die Durchführung von Data Mining ist jedoch nicht ausschließlich im Einzelhandel lukrativ. Eine Reihe von Unternehmen setzen es gezielt ein. Zu Beginn waren insbesondere Unternehmen aus datenintensiven Industrien wie der Finanzbranche oder dem Marketing interessiert, heute gehört es jedoch zu einer der vielen Instrumente, mit welchen Unternehmen ihre Kundenbindung verbessern können.

Die zwei Erfolgsfaktoren des Data Minings sind zum einen eine immense Speicherkapazität, zum anderen ein eindeutig definiertes Verständnis darüber, auf welchen Geschäftsprozessen das Data Mining angewandt werden soll. Entweder um das genaue Vorhersagen über das Kundenverhalten oder um das effektive Kampagnenmanagement eines neuen Produktes.

Ein weiteres Beispiel des Data Minings findet man auch bei den Versicherungen. Versicherungsnehmer, die sich bewerben, können auf ihre Eignung untersucht und in eine geeignete Tarifklasse eingestuft werden. Die Vorhersagen werden auch gerne in der Finanzbranche verwendet, um die Entwicklung von Devisenkursen bei der Finanzplanung abzusehen.  Sogar im medizinischen Bereich können Fehler und Krankheiten durch Data Mining entdeckt werden und die Arbeit von medizinischen Fachkräften so unterstützen.


Kritik

Data Mining ist aber selbstverständlich auch mit Vorsicht zu genießen und bedarf einer kritischen Untersuchung. Unter dem Begriff des „predictive policing“ bspw. soll mit Hilfe von Data Mining vorausgeahnt werden, wo und wann ein Verbrechen als nächstes stattfindet. IBM ist auf diesem Feld Vorreiter und hat als einer der ersten diese Prognose Software gebaut, welche bereits in Memphis USA eingesetzt wird.

Die Befürworter halten die Aussagekraft der Daten für diskriminierungsfrei und gar als Hilfsmittel, um Asymmetrien aufzudecken. Wenn zum Beispiel ein Personaler seltener weibliches Personal einstellt, obwohl es dafür keine objektive Begründung gibt. Durch eine grundlegende Analyse könnte dies, sofern das nicht bereits offensichtlich ist, mithilfe von Data Mining erkannt werden. Ferner lerne das Data Mining ständig dazu, wodurch Fehler über die Zeit hinweg reduziert würden.


Quellen:

  1. http://www.investopedia.com/terms/d/datamining.asp Zugriff am 25.10.2017, Autor und Erstellungsdatum unbekannt
  2. http://www.statsoft.com/Textbook/Data-Mining-Techniques Zugriff am 25.10.2017, Autor und Erstellungsdatum unbekannt
  3. http://www.investopedia.com/terms/d/datamining.asp Zugriff am 25.10.2017, Autor und Erstellungsdatum unbekannt
  4. http://www.thearling.com/text/dmwhite/dmwhite.htm zugriff am 25.10.2017, Autor und Ertellungsdatum unbekannt
  5. http://wirtschaftslexikon.gabler.de/Definition/data-mining.html Zugriff am 25.10.2017, Autor Prof. Dr. Richard Lackes, Erstellungsdatum unbekannt
  6. https://www.golem.de/news/predictive-policing-noch-hat-keiner-bewiesen-dass-data-mining-der-polizei-hilft-1503-113233.html Zugriff am 25.10.2017, Autor Kai Biermann, erstellt am 30.3.2015
  7. https://towerconsult.de/bewerberblog/2013/09/data-mining-3/ zugriff am 25.10.2017, Autor unbekannt, erstellt am 17. 9.2013

 

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.