Data Mining

Was Data Mining fachlich umfasst

Im Data Mining werden Datenbestände untersucht, um Regelmässigkeiten, Cluster, Ausreisser oder Vorhersagemuster zu erkennen. Typische Aufgaben sind die Klassifikation, Segmentierung, Assoziationsanalyse und Anomalieerkennung. Die Arbeit umfasst in der Regel die Auswahl geeigneter Merkmale, die Aufbereitung relevanter Daten, die Anwendung passender Verfahren sowie die Prüfung, ob gefundene Muster fachlich plausibel und belastbar sind.

Typische Einsatzkontexte in Unternehmen

Data Mining wird eingesetzt, wenn grosse oder historisch gewachsene Datenmengen nicht mehr sinnvoll manuell ausgewertet werden können. Häufige Anwendungsfelder sind Kundensegmentierung, Erkennung von Abwanderungsrisiken, Betrugshinweisen oder Qualitätsabweichungen, Analyse von Nutzungsverhalten sowie Prognosen auf Basis vergangener Ereignisse. Auch in Text-, Log- oder Transaktionsdaten lassen sich damit wiederkehrende Muster und Abweichungen identifizieren.

Verfahren und Ausprägungen im Data Mining

Je nach Fragestellung kommen unterschiedliche methodische Ansätze zum Einsatz. Bei überwachten Verfahren wird mit bekannten Zielgrössen gearbeitet, etwa zur Vorhersage einer Kategorie oder eines Werts. Unüberwachte Verfahren suchen ohne vorgegebene Zielvariable nach Strukturen, beispielsweise in Form von Clustern oder Assoziationsregeln. Weitere Ausprägungen sind Sequenzanalysen, Anomalieerkennung oder die Ableitung von Regeln aus Ereignis- und Verhaltensdaten.

Abgrenzung zu Data Analytics, Data Engineering und Data Services

Innerhalb der Datenwissenschaften liegt der Schwerpunkt von Data Mining auf der algorithmischen Entdeckung bislang unbekannter Muster. Datenanalyse | Data Analytics ist breiter angelegt und umfasst auch deskriptive Auswertungen, Dashboards und die Interpretation von Kennzahlen. Datentechnik | Data Engineering stellt Datenpipelines, Modellierung und technische Verfügbarkeit sicher, während Datendienste | Data Services eher Bereitstellung, Integration oder Betrieb von Datenleistungen umfassen. Data Mining baut auf diesen Grundlagen auf, ist aber nicht mit ihnen gleichzusetzen.