Mit Interesse fängt es an. Wenn Interesse, dann Einsicht, dann Weitsicht, dann Voraussicht.

Data Mining

Data Mining sind Analyseverfahren, mit welchem sich aus sehr großen Datenmengen (Big Data) semi-automatisch Zusammenhänge, Abweichungen, Abhängigkeiten oder etwaige Datenmuster erkennen lassen. Anders gesagt extrahiert Data Mining bis dahin unbekanntes, relevantes Wissen aus großen Datenbeständen.

Data Mining erfolgt durch statistische Methoden in Verbindung mit Datenbanksystemen. Im Unterschied zu klassischen Statistikverfahren werden mit Data Mining oft sehr große Gesamt- oder Teildatenbestände systematisch untersucht, was spezielle Anforderungen an die Performance der Data Mining Algorithmen stellt.

Dem Data Mining liegen folgende Annahmen zugrunde:

Die wichtigsten Aufgaben des Data Minings sind die folgenden:

Phasen im Data Mining Prozess (nach CRISP-DM):

  1. Geschäftsmodell verstehen: In diesem Schritt wird das Geschäftsmodell untersucht und Data Mining Ziele festgelegt.
  2. Daten verstehen: Die wesentlichen Datenquellen werden ermittelt, die sich daraus ergebenden Daten werden untersucht und mögliche Erkenntnisse abgeleitet. Schließlich wird das für die Erkenntnisse notwendige Niveau der Datenqualität beschrieben.
  3. Daten aufbereiten: Zunächst werden hier die einzubeziehenden Daten ausgewählt. Dann werden die relevanten Daten erfasst, über eine Totalerhebung oder mittels Stichproben (stochastisch oder anhand von Auswahlkriterien). Es folgt die Bereinigung um Ausreißer und Fehler sowie die Gruppierung, Aggregation und Transformation der Werte.
  4. Modellierung: Nun gilt es, ein geeignetes Date Mining Verfahren auszuwählen.
  5. Evaluation: In diesem Schritt wird das Data Mining Verfahren angewendet und die Resultate bezüglich der gesetzten Ziele evaluiert.
  6. Einsatz: In diesem Schritt wird der weitere Einsatz des Data Mining Modells geplant.

 

» Zur Startseite

© 1998 - 2018 (MMXVIII) - wenn.de gut, alles gut


Datenschutz, Cookies, Analytics


Das Impressum zum wenn.de Workshop

A. W e n d e
M a r k g r ö n i n g e r   S t r. 1 9    7 1 6 3 4    L u d w i g s b u r g
P h o n e: 0 7 1 4 1 1 4 5 9 0 3 7    M a i l:    i n f o @ w e n n . d e