Suchen

Big Data Was ist Data Mining? Definition, Aufgaben und Anwendungsbereiche

Autor / Redakteur: Viviane Krauss / Melanie Krauß

Durch Data Mining können Unternehmen neue Zusammenhänge erkennen. Wie Sie Data Mining einsetzen können und was die Vorteile sind, erfahren Sie hier.

Firma zum Thema

Data Mining wird eingesetzt, um neue Muster und Zusammenhänge aus vorhandenen Information zu gewinnen.
Data Mining wird eingesetzt, um neue Muster und Zusammenhänge aus vorhandenen Information zu gewinnen.
(Bild: ©Blue Planet Studio - stock.adobe.com)

Was ist Data Mining?

Beim Data Mining werden neue und strategisch wertvolle Erkenntnisse aus bereits vorhandenen Informationen gewonnen. Große Datenbestände werden anhand von unterschiedlichen Kriterien untersucht: darunter neue Querverbindungen, Trends oder Muster. Was Data Mining so besonders macht, ist, dass neue Zusammenhänge automatisch erkannt werden, ohne dass vorher eine Hypothese aufgestellt werden muss. Also statt eine extern getroffene Aussage zu bestätigen oder zu widerlegen, trifft Data Mining Aussagen selbstständig.

So konnte beispielsweise ein Handelsunternehmen mit Hilfe von Data Mining herausfinden, dass Windeln oft in Zusammenhang mit Bier gekauft werden. Diese Hypothese wäre normalerweise nicht untersucht worden – Data Mining stellte die Hypothese selbst auf. Diese Hypothesen und Aussagen können Unternehmen beispielsweise helfen, Entscheidungen zu treffen oder die Kaufbereitschaft eines Kunden einzuschätzen.

Welche Aufgaben erfüllt Data Mining?

Durch Data Mining kann Zeit und Arbeit gespart werden. Der Prozess hilft dabei, Zusammenhänge zu verstehen, eine Zielgruppe auszuwählen oder das Kaufverhalten der Kunden zu analysieren. Häufig genutzte Methoden bei der Datenanalyse sind:

  • die Klassifikation,
  • die Segmentierung
  • und die Prognose.

Bei der Klassifikation werden Datensätze einer Klasse oder Gruppe zugeordnet. Klassen werden anhand von Testdaten definiert. Das sind vorhandene Informationen wie Alter und Beruf eines Kunden. So wird mit Data Mining festgestellt, bei wem es sich um einen potenziellen Kunde und einem Nicht-Kunde handelt.

Bei der Segmentierung, oder auch Clusteranalyse, werden Gruppen aufgrund von Ähnlichkeiten gebildet. Diese Methode ist besonders hilfreich, wenn riesige Datenbestände vorhanden sind, da diese durch die Segmentierung reduziert werden. Die Clusteranalyse kann zum Beispiel die Befragten einer Marktanalyse auf Grund von Ähnlichkeiten in Gruppen aufteilen. Dadurch lassen sich statistische Grafen einfacher erstellen.

Auch eine klassische Prognose gehört zu den Aufgaben von Data Mining. Macht ein Verkäufer einem Kunden beispielsweise ein Angebot, kann durch Data Mining schon im vorneherein abgeschätzt werden, ob dieser das Angebot annehmen wird oder nicht. Die Prognose wird auf Basis von bereits gewonnen Informationen erstellt: zum Beispiel vergangene Kaufdaten, Alter und Dauer der Zugehörigkeit des Kunden. Außerdem erkennt Data Mining Beziehungen zwischen verschiedenen Objekten. So können, wie bei dem obigen Beispiel, Windeln und Bier in einem Zusammenhang zueinander stehen.

Durch die Datenanalyse können sich Unternehmen einen Marktvorteil verschaffen. Wichtig ist jedoch, möglichst keine Daten zu löschen. Sie wirken vielleicht jetzt noch unwichtig, werden aber später bei der Analyse verwendet. Je mehr Informationen beim Data Mining genutzt werden können, desto besser ist die Aussage oder Prognose.

In welchen Branchen kommt Data Mining zum Einsatz?

Data Mining kann Gruppen zielgenau herausfiltern. Ein Unternehmen schickt somit seine Produkte an ausgewählte Empfänger.
Data Mining kann Gruppen zielgenau herausfiltern. Ein Unternehmen schickt somit seine Produkte an ausgewählte Empfänger.
(Bild: VCG)

Insbesondere im Marketing bietet Data Mining viele Potenziale – Zielgruppen können einfacher und schneller ausgewählt werden. Die Gruppen werden zusätzlich zielgenau gefiltert. Zum Beispiel schickt ein Unternehmen Kataloge an eine ausgewählte Zielgruppe. Wenn Data Mining im Vorfeld die Empfänger empfiehlt, werden diese auch wahrscheinlicher zu Kunden.

Im Finanz- und Versicherungswesen werden durch Data Mining Risikoanalysen durchgeführt. Auch im Rahmen von Industrie 4.0 kann durch eine Datenanalyse prognostiziert werden, ob eine Maschine in den nächsten zwei Stunden ausfallen wird und warum. Auf diese Art und Weise funktioniert Predictive Maintenance.

Weiter Quellen zum Thema Data Mining

Auf unserem Partnerportal Bigdata-Insider finden Sie Weiteres zu den Aufgaben und Anwendungsmöglichkeiten des Data Mining. Einen Überblick über die Methoden und Verfahren der Datenanalyse gibt Novustat.

(ID:46034895)

Über den Autor

 Viviane Krauss

Viviane Krauss

Vogel Communications Group GmbH & Co. KG