Inhaltsverzeichnis
Data-Mining-Systeme
| Eigenschaften Methode/Tool | |
|---|---|
| WM-Kernaktivitäten | speichern, anwenden |
| TOM-Modell | Technik, Organisation |
| Intellektuelles Kapital | Strukturkapital |
| WM-Gestaltungsfelder | Organisation, IT, Führung |
| Ansprechpartner | Ronald Orth |
| Kurzbeschreibung | Der Begriff Data Mining umschreibt das Fördern von wertvollen verschütteten Informationen aus großen Datenbeständen. Aus einer Vielzahl von Daten können mit Data-Mining-Systemen neue Daten in Form von Beziehungen zwischen den ursprünglichen Daten extrahiert werden. |
| Zugeordnet zur Methode | Systeme künstlicher Intelligenz (KI) |
Ziele
- aus Daten neue, aggregierte Daten sowie Informationen ableiten
- Unterstützung der Entscheidungsfindung
- Benutzerprofilmodellierung (Erkenntnisse über Interessen und die Fähigkeiten eines Benutzers als Grundlage der gezielten Informations- und Wissensversorgung)
- Gewinnung von Informationen über Kunden oder die Marktentwicklung.
- zur Informationsaufbereitung und -analyse
Die Erkennung neuer Daten erfordert den Einsatz statistischer oder KI-Methoden z.B. Verfahren des „machine learning“ und der „pattern recognition“. Dabei wird beim Data Mining im Unterschied zur Statistik nicht von einer Hypothese ausgegangen, sondern die Hypothese aus den Daten zunächst „berechnet“. Insgesamt stellen Data-Mining-Systeme sowie die verwandten Technologien hervorragende Werkzeuge zum Suchen in und Analysieren von umfangreichen und diffusen Informationsbeständen dar (⇒ Managementinformationssysteme).
aufgabenbezogene Klassifikation
- Klassifikation: Zuordnung einer Menge von Objekten aufgrund ihrer Merkmale in eine Menge von vorgegebenen Klassen, regelbasiert, überwacht
- Segmentierung: Gruppierung und Zuordnung einer Menge von Objekten aufgrund ihrer Merkmale in eine Menge von zu identifizierenden Klassen, unüberwacht, Verfahren der Clusteranalyse
- Prognose: Vorhersage von Merkmalsausprägungen aufgrund historischer Daten treffen (Regressionsanalyse, neuronale Netze)
- Abhängigkeitsanalyse: Untersuchung von Daten auf mögliche Zusammenhänge
- Abweichungsanalyse: Herausfiltern stark abweichender Merkmalsausprägungen
Rahmenbedingungen
Wesentliche Voraussetzung für den erfolgreichen Einsatz :
- Festlegen der Zielsetzung der Datenanalyse (z. B. Klassifikation)
- Festlegung der Eigenschaften der zu analysierenden Daten (Semantik, Formate)
- Festlegen der Darstellungsform (z. B. Entscheidungsregeln) der zu ermittelnden Beziehungsmuster
Vorgehensweise
Weiterführende Informationen
Ähnliche Methoden/Varianten/Synergieeffekte
- Data-Warehouse-Systeme
Literatur / Links
- Lehner, F. (2012). Wissensmanagement: Grundlagen, Methoden und technische Unterstützung (4. Aufl.). München, Deutschland. Carl Hanser Verlag.
- Gluchowski, P., Gabriel, R., & Dittmar, C. (2008) Management Support Systeme und Business Intelligence. Computergestützte Informationssysteme für Fach- und Führungskräfte. 2. Auflage. Springer-Verlag.