Google+ Facebook Twitter XING LinkedIn GoogleCurrents YouTube

Big Data

Was ist Data Mining? Definition, Aufgaben und Anwendungsbereiche

| Autor / Redakteur: Viviane Krauss / Melanie Krauß

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)

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

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.

Wie funktionieren künstliche neuronale Netze? Anwendungen und Beispiele

Deep Learning

Wie funktionieren künstliche neuronale Netze? Anwendungen und Beispiele

18.07.19 - Damit die Arbeit mit Deep Learning ein Erfolg wird, braucht es künstliche neuronale Netze – eine Nachbildung des menschlichen Gehirns. lesen

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.

Künstliche Intelligenz (KI) einfach erklärt – Beispiele & Anwendungen

MM-Grundlagen

Künstliche Intelligenz (KI) einfach erklärt – Beispiele & Anwendungen

18.06.19 - Künstliche Intelligenz (KI) ahmt menschliche Intelligenz nach und verbessert sie sogar. Durch die Technologie entstehen bahnbrechende Einsatzmöglichkeiten. lesen

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.

Mit Künstlicher Intelligenz erfolgreich durchstarten

Effizienzsteigerung

Mit Künstlicher Intelligenz erfolgreich durchstarten

Wie Sie Ihr erstes KI-Projekt starten, wie sich die Branche verändern wird und welche Best Practices es heute schon gibt – hier finden Sie die Fakten und das nötige Grundlagenwissen! weiter...

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.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46034895 / Machine-Learning)


Industrial Usability 2019

Das Anwendererlebnis im Mittelpunkt

Wie sieht eine erfolgreiche UX-Strategie aus? Ein Glück in Sachen Alleinstellungsmerkmal: Eine für alle, die gibt es nicht. Dieses Dossier bietet verschiedene aktuelle Ansätze und Trends in der Industrial Usability. lesen

Effizienzsteigerung

Mit Künstlicher Intelligenz erfolgreich durchstarten

Wie Sie Ihr erstes KI-Projekt starten, wie sich die Branche verändern wird und welche Best Practices es heute schon gibt – hier finden Sie die Fakten und das nötige Grundlagenwissen! lesen