Data-Mining: Verborgene Schätze in Unternehmensdaten

In vielen Fällen verschlimmern sich die Probleme mit der Datenkonsistenz, wenn Data-Mining-Tools auf Daten angewandt werden, die aus verschiedenen Enterprise-Systemen zusammengetragen wurden, zum Beispiel aus den Datenbanken für den Vertrieb, das Treueprogramm, den Kundendienst oder das Marketing. Wurde im Vorfeld nicht ausreichend an der Konsistenz der Daten gearbeitet, besteht die Wahrscheinlichkeit, dass jede dieser Datenbanken viele Kunden im Data-Warehouse auf verschiedene Weisen darstellt.

Gibt man diese Daten nun in ein Data-Mining-System ein, verfügt man über alle Zutaten für ein Informationsdesaster. Die Arbeit mit falschen Daten in dem Glauben, korrekte Daten vor sich zu haben, kann Probleme eher noch verschlimmern. Die Lösung für dieses Problem liegt in der sorgfältigen Kontrolle der Daten (automatische Werkzeuge können diesen Prozess erleichtern) und der Verbesserung der Dateneingabeprozeduren mit vereinten Kräften, um problematische Daten dauerhaft zu reparieren.

Indem sie großen Anwendergemeinschaften komplexe Analysetechniken zugänglich machten, haben die heutigen Data-Mining-Plattformen viele Schranken niedergerissen, die in der Vergangenheit ihrer Akzeptanz im Weg standen. Angesichts des erwiesenen Nutzens, den Organisationen bereits in der Vergangenheit mit Data-Mining erzielen konnten, hat das Ausspielen der Benutzerfreundlichkeitskarte ein klares und überzeugendes Geschäftsmodell geschaffen, das, mit nur ein wenig Vorstellungskraft, in der Lage sein kann, weitaus relevantere, datenfähigere Anwendungen als je zuvor anzubieten.