Data-Mining: Verborgene Schätze in Unternehmensdaten

Echtzeit-Data-Mining verbessert sowohl den Zugang der Anwendergemeinschaft zu der Technologie als auch die Rolle, die das Data-Mining innerhalb alltäglicher Geschäftsabläufe spielen kann, ganz beträchtlich. An dieser Stelle geben wir einige Tipps, wie man das Beste aus seinen Daten herausholen kann:

Die Hardware. Data-Mining ist extrem rechenintensiv, vor allem, wenn es wie in einer Echtzeit-Umgebung kontinuierlich im Hintergrund ausgeführt wird. Geclusterte Server bieten die für Echtzeit nötige Skalierbarkeit, ohne die allgemeine Leistungsfähigkeit zu beeinträchtigen.

Daten bereinigen. Business-Analytics können nicht effektiv eingesetzt werden, wenn die Daten nicht sauber und konsistent sind. Trotzdem ist es vielen Unternehmen bisher nicht gelungen, die chronischen Diskrepanzen zwischen den Daten in verschiedenen Datenbanktypen zu beseitigen. Bevor man sich auf Data-Mining einlässt, sollte man seine Daten unter Kontrolle bekommen und herausfinden, wie man diesen Zustand dauerhaft beibehält. Dies erfordert in der Regel passende Systeme, jedoch ebenso auch Training für die Mitarbeiter.

Der Cube ist nicht alles. OLAP ist zwar gut für die Verarbeitung von Zahlen geeignet, es ist jedoch von Natur aus beschränkt, denn es schließt viele Informationsarten von vornherein aus. OLAP-Data-Marts lassen sich für Anwender verwenden, die konsistente, regelmäßige Berichte erstellen müssen. Wenn es jedoch um das Aufspüren neuer Trends geht, muss man den ganzen Datensatz von Data-Mining-Tools durchsuchen lassen.

Kunden respektieren kompetente Mitarbeiter. Aber sie sind auch schnell weg, wenn die Mitarbeiter nicht über die richtigen Daten zur schnellen Lösung ihrer Probleme verfügen. Echtzeit-Analytics kann ein wichtiges Werkzeug für die Verbesserung des Kundendiensts darstellen, denn damit erhalten die Kundendienstmitarbeiter genau die Informationen, die sie brauchen. Auf diese Weise können sie dann informierte Entscheidungen treffen, wenn es wichtig ist, und nicht erst später, nachdem das Gespräch längst beendet wurde.

Was zählt, liegt nicht in den Daten. Es liegt in der Art, wie man die Daten verwendet. Die Einführung von Data-Mining ist nur ein Teil der Herausforderung. Der wahre Wert der Analyse liegt in der Fähigkeit, diese Informationen auch in wirksame Geschäftsentscheidungen zu verwandeln. Man muss sicherstellen, dass die Manager sich daran gewöhnen, Data-Mining zum Aufspüren neuer und interessanter Muster in den Unternehmensdatenbanken einzusetzen.

Text ist nicht gleich Daten. Kommentare der Kunden können zu hastig eingetippten Notizen der Call-Center-Mitarbeiter werden, sie sind jedoch äußerst hilfreich, um die Meinungen der Kunden herauszufinden. Zahlen sind zwar für gewöhnlich in gut strukturierten Datenbanken enthalten, textliche Informationen werden jedoch nur selten so gut geordnet. Daher ist es schwierig, solche Informationen mit konventionellen Data-Mining-Tools zu analysieren. Will man Trends aus Textinformationen herausfiltern, benötigt man Text-Mining-Tools, die das übliche Data-Mining ergänzen.

Data-Mining ist eine Funktion. Es ist zwar in der Vergangenheit vor allem von Standalone-Produkten bereitgestellt worden, die Hersteller von Enterprise-Anwendungen bauen Data-Mining jedoch immer häufiger in ihre Datenbanken und Anwendungen ein. Dieser Ansatz könnte besonders wirksam sein, denn er ermöglicht es Data-Mining-Umgebungen, die Stärke der zugrunde liegenden Datenbank oder Anwendung auszunutzen und der Wachstumskurve dieser Anwendungen zu folgen, indem sie Fähigkeiten wie integrierte Clustering-Unterstützung einsetzen.

Daten auf intelligente Weise weitergeben. Der Einsatz von Data-Mining zur Erkennung neuer Muster in den Daten ist eine Sache, wird jedoch noch effektiver, wenn man relevante Teile dieser Daten an seine Lieferanten weitergeben kann. Wurde etwa herausgefunden, dass die Kunden besonders viel Cola kaufen, wenn sie gemeinsam mit Doritos im Preis reduziert ist? Dann sollte man sicherstellen, dass die Systeme den Lieferanten automatisch mitteilen, zusätzliche Mengen zur Erfüllung der erwarteten Nachfrage anzuliefern.

Nicht zuviel Business-Intelligence kaufen. Wie zahlreiche Anekdoten belegen, kaufen viele Unternehmen die Lizenzen für Analysetools in großen Stückzahlen, verwenden dann aber nur sehr wenige, da sich die Power-User zwar mit den Tools anfreunden, andere Anwender sie aber ablehnen. Man sollte also niedrig anfangen, die Anwendernachfrage ausloten und davon ausgehend die Anzahl der Lizenzen steigern. Ein Web-Client kann eine einfache Möglichkeit darstellen, dies problemlos zu erreichen, denn er kann neuen Anwendern je nach Bedarf leicht zur Verfügung gestellt werden.

Die Oberfläche ist entscheidend. Analysten lieben Data-Mining, denn sie können damit komplexe Datensätze untersuchen. Die meisten Anwender hassen es, denn sie müssen damit komplexe Datensätze untersuchen. Da die Zugänglichkeit ausschlaggebend für den Erfolg des Data-Mining ist, sollte man entweder Analysten haben, die eng mit den Business-Teams zusammenarbeiten, oder aber das Data-Mining in andere, anwenderfreundlichere Anwendungen integrieren, damit die Anwender die Ergebnisse stets in einem Zusammenhang zu Gesicht bekommen, der für sie von Bedeutung ist.