Was versteht man unter Data Mining?
Unter Data Mining lassen sich die explorativen Methoden subsumieren, bei denen – teilweise vollautomatisiert und teilweise nur halbautomatisiert – aus großen Datenmengen Erkenntnisse gewonnen werden. Das Ziel ist es, Abhängigkeiten, Gesetzmäßigkeiten und Muster in ansonsten unzusammenhängenden bzw. unstrukturierten Rohdaten zu fördern.
Wie häufig wird Data Mining eingesetzt?
Am häufigsten wird Data Mining im Marketing und Customer Relationship Management (CRM) eingesetzt. Die Unternehmen verfügen hier über umfangreiche Datenbestände. Es ist noch gar nicht lange her, dass man das wertvolle Potential entdeckt hat.
Was sind die vier wesentlichen Klassifikationsverfahren im Data Mining?
Die vier wesentlichen Klassifikationsverfahren im Data Mining sind Entscheidungsbäume, neuronale Netze, die Bayes-Klassifikation und das Nächste-Nachbarn-Verfahren. Bei der Abhängigkeitsanalyse oder auch Assoziationsanalyse wird nach interessanten Abhängigkeiten zwischen den untersuchten Objekten gesucht.
Was ist die Vorhersage im Data-Mining?
Die Vorhersage ist im Data-Mining eine Prognose bisher unbekannter Merkmale auf Basis zuvor gewonnener Erkenntnisse. Grundlage ist ein Trainings-Datensatz. Damit lassen sich Modelle trainieren, die Vorhersagen über die Entwicklung bestimmter abhängiger Variablen treffen.
Was ist Data Mining in der Medizin?
In der Medizin kann Data Mining insbesondere dabei helfen, unstrukturierte Daten wie Bilder zu analysieren und dabei Muster zu erkennen. So haben Ärzte und Wissenschaftlicher die Möglichkeit, Krankheiten schneller oder mit einer höheren Genauigkeit zu identifizieren. Ein großes Themengebiet von Data Mining ist die Vorhersage von Maschinenausfällen.
Was sind die Algorithmen von Data Mining?
Die eingesetzten Algorithmen kommen aus der Statistik, künstlichen Intelligenz oder dem maschinellen Lernen. Data Mining ist ein breites Forschungsfeld und nutzt zur Mustererkennung in Datenbeständen verschiedene Algorithmen aus der Mathematik, Statistik und Informatik.
Wie kommt das Data Mining zum Einsatz?
Beim Data Mining kommen eine Reihe computergestützter Methoden zum Einsatz, die mit statistischen Algorithmen arbeiten. Das Data Mining nimmt insbesondere aufgrund der immer größer werdenden Datenmengen (Big Data) an Bedeutung zu.
Was kümmert sich das Data Mining um?
Während Big Data große Datenmengen liefert und die geeignete technische Plattform für eine effiziente Verarbeitung zur Verfügung stellt, kümmert sich das Data Mining um den eigentlichen Vorgang der Gewinnung von Erkenntnissen aus den vorliegenden Daten.
Was sind die Vorteile von Data Mining und Big Data?
Durch die enormen Fortschritte im Bereich der Big-Data-Technologien sowie günstigerer und leistungsfähigerer Hardware für die Nutzung von umfangreichen strukturierten und unstrukturierten Datenmengen können Data Mining und Big Data immer bessere Ergebnisse mit höherer Relevanz liefern.
Was ist Data Mining in der Logistik?
Ein großes Themengebiet von Data Mining ist die Vorhersage von Maschinenausfällen. Häufig wird hier auch von Predictive Maintenance gesprochen, was in Deutsch sowas wie „vorausschauende Wartung“ bedeutet. Auch in der Logistik kann Data Mining eingesetzt werden, um Geschäftsprozesse und Lieferketten zu optimieren.
Was ist das Ziel des Data Mining?
Ziel des Data Mining ist es, die gewonnenen Erkenntnisse zu verallgemeinern und so neues Wissen zu erzeugen. Mehr zur Data Mining Definition ist in unserem Glossar hinerlegt. Die Abgrenzung statistischer Auswertung zur Data Mining Definition ist in folgender Tabelle aufgelistet.