Data-Mining
 Startseite   Kontakt   Impressum  

    Was ist Data-Mining?

    Der Begriff Data-Mining wird häufig sehr unterschiedlich ausgelegt. Lesen Sie hier unser Verständnis für das, was Data-Mining wirklich ausmacht.

    Data-Mining-Zyklus


    Sie sind hier:  Datenanalysen » Data-Mining

    Aus Erfahrungen lernen!

    Aus Daten zu Informationen und von Informationen zum Wissen.

    Die Daten der heutigen IT-Systeme spiegeln deren Erfahrungen wider und bieten eine oft verkannte Wissensquelle. Die Techniken des Maschinellen Lernens (Künstliche Intelligenz) werden in zahlreichen Bereichen erfolgreich zur Umsatzsteigerung oder Prozessoptimierung eingesetzt.

    Nutzen Sie das neu gewonnene Wissen für wichtige Entscheidungen in individuellen Business Intelligence Systemen.

    mindUp bietet Ihnen jahrzehntelange Erfahrung aus Data-Mining-Projekten in Konzeption, Planung und Umsetzung für die strategische Wissensgewinnung:

    • Text-Mining / Web-Mining
    • Rule-Based-Systems
    • Information Retrieval
    • Natural Language Processing
    • Prognose
    • Klassifikation
    • Decision Support Systems
    • Kundenprofilbildung
    • Kündigungsanalysen
    • Warenkorbanalysen
    • Betrugserkennung
    • Produktoptimierung
    • ABC-Analyse
    • Marktforschung

    Häufige Fragen

    Alle zeigen | Alle ausblenden

    Antwort anzeigen bzw. verbergen

    Wie schwer ist Data-Mining?

    Die Kunst des Data-Mining-Projektes liegt u.a. in der ausgewogenen Auswahl der Werkzeuge und Algorithmen und in der sorgfältigen Vorbereitung für den eigentlichen Analyseschritt. Dies erfordert umfangreiche technische aber auch projektspezifische Kenntnisse, da sehr viel Projektaufwand in die Datenaufbereitung und in die Koordination der beteiligten Stellen im Unternehmen fliesst.

    Antwort anzeigen bzw. verbergen

    Was hat Maschinelles Lernen mit KI (Künstliche Intelligenz) zu tun?

    Die KI ist ein sehr breites Forschungsgebiet, welches viele Aspekte der menschlichen Fähigkeiten untersucht und mehr oder weniger erfolgreich versucht künstlich nachzubilden.
    Eine der wichtigsten Eigenschaften des Menschen ist sicherlich die Lernfähigkeit, d.h. die Veränderung des Verhaltens aufgrund gemachter Erfahrungen.
    Die Erfahrungen eines Computersystems sind alleine die Daten. Genau aus diesem Grund spielt insbesondere das Machinelle Lernen eine entscheidene Rolle bei automatisierten Datenanalysen.

    Antwort anzeigen bzw. verbergen

    Wie funktioniert Mißbrauchserkennung mit Data-Mining?

    Alle Mißbrauchsprojekte (Fraud-Detection) sind unterschiedlich, denn je nach Thema und Sparte sind verfügbare Daten sehr verschieden. Doch es gibt auch Gemeinsamkeiten: Während im "normalen" Data-Mining wiederkehrende Muster gesucht werden, sucht man bei der Mißbrauchserkennung die Abweichung von der Norm.
    Anwendungsbeispiele sind die 0190-Nummern der Deutschen Telekom oder auch die Entdeckung von Versicherungsbetrug.

    Im Online-Marketing kann Click-Betrug z.B. durch Geocoding (Kommen die Clicks alle aus der selben Region?) aufgedeckt werden.

    Antwort anzeigen bzw. verbergen

    Was ist Occams's Razor?

    Von mehreren Theorien, die den gleichen Sachverhalt erklären, ist die einfachste zu bevorzugen. Dieses "Sparsamkeitsprinzip" machen sich viele maschinelle Lernverfahren zu nutze, um aus den Daten nicht auswändig zu lernen (Overfitting), sondern tatsächlich valide Regeln zu generieren.
    Viele Data Mining Verfahren beginnen daher auch zunächst damit, einfache Zusammenhänge zu überprüfen, um erst dann komplexere Modelle anzuwenden.

    Antwort anzeigen bzw. verbergen

    Wie kann ein Computer prognostizieren?

    Im maschinellen Lernen werden bereits bekannte Fälle als Trainingsbeispiele herangezogen. Aus diesen können Verfahren wie Neuronale Netze (NN), Entscheidungsbäume, Clustering-Verfahren oder Support Vector Maschinen (SVM) Gemeinsamkeiten entdecken, die es ermöglichen für neue Fälle Vorhersagen zu erstellen.

    Antwort anzeigen bzw. verbergen

    Reicht es eine Data-Mining-Software zu kaufen?

    Nein, denn das Werkzeug alleine liefert noch keine sinnvollen Erkenntnisse. Es ist Teil eines Zyklus, in dem das Werkzeug wichtigster Bestandteil des Analyseschrittes ist. Es steht damit in einer wiederkehrenden Abfolge aus Datenaufbereitung, Analyse, Anwendung und Feedback.

    Weitere Informationen zum Data-Mining Zykuls