Dr. Anja Moldenhauer
(Analytical Consultant der StatSoft (Europe) GmbH)
Wann sollte eine Firma Data Mining/Science Lösungen einsetzen?
Unternehmen sollten darauf achten, die im Zuge der Digitalisierung anfallenden Datenmengen zu analysieren und die Erkenntnisse zu nutzen. Dies beginnt mit einfachem Reporting, geht über komplexe Analysen für die Vorhersage des Verhaltens von Kunden oder Maschinen/Anlagen bis zur Implementierung datengetriebener Entscheidungen in operative Systemen (Schlagwort: prescriptive Analytics - anweisende Analyse). Auf Basis von Datensegmentierungen und Predictive Analytics (vorhersagende Analyse) können Sie so fundiert wichtige Business-Entscheidungen treffen. Data Mining/Science Lösungen kommen sehr gut im Zusammenhang mit folgenden Aufgabenstellungen zum Tragen:
- Credit Scoring: Scoring-Modelle können entwickelt und im Produktivbetrieb eingesetzt werden
- Abwanderungsanalyse: Präzise Prognosen zum Kundenverhalten und um Trends erkennen zu können
- Betrugserkennung (Fraud Detection): Bewährte Predictive Analytics (vorhersagende Analyse) Methoden helfen, die entscheidenden Anomalien und Charakteristika von Schadensmeldungen zu identifizieren
- Text Mining: Mit Hilfe von Text Mining finden Sie Antworten aus Informationen, die lediglich in unstrukturiertem Format zur Verfügung stehen. So haben Sie die Möglichkeit, auch bisher nicht bekannte bzw. erwartete Beziehungen zu erkennen
- Risikominderung: Risiken können besser abgeschätzt werden, und entsprechende Strategien vorgeschlagen werden
- Trending: Für Prozesse, die konsequent überwacht werden, kann mit Data Science Verfahren ein verbessertes Prozessverständnis erreicht werden
- Predictive Maintenance: Mit Predictive Analytics (vorhersagende Analyse) können Reparatur- und Wartungsarbeiten anhand von in Echtzeit prognostizierten Ausfallwahrscheinlichkeiten terminiert werden.
Was ist der innovative Charakter ihrer Data Mining/Science-Lösung?
Mit unserer Daten-Innovationsstrategie verbessern Sie die Aktualität und den Detaillierungsgrad der bestehenden Datenbasis kontinuierlich. Komplementäre Analysemethoden steigern Qualität, Umfang sowie Kosteneffizienz der Datenanalyse und reduzieren gleichzeitig Ihren Aufwand. Selbstverständlich berücksichtigen wir wichtige Regelungen zu Datenschutz, Datensicherheit und Data Governance, wenn wir Ihre Daten-Innovationsstrategie umsetzen.
StatSoft setzt seit vielen Jahren Daten-Innovationsprojekte um und führt analytische Plattformen ein. Die Data Mining Projektmethode CRISP-DM liefert dabei die Basis für unsere Daten-Innovationsprojekte. Die Methode beschreibt die sechs Projektphasen: Geschäftsverständnis, Datenverständnis, Datenvorbereitung, Modellierung, Evaluierung und Bereitstellung.
Wo sehen sie Data Mining/Science in fünf Jahren?
Die Relevanz und der Nutzen durch Data Mining/Science wächst kontinuierlich. Data Mining/Science wird ein fester Bestandteil in vielen Branchen sein und immer entscheidender für den Geschäftserfolg. Es wird eine Demokratisierung von Analytik sattfinden. Somit werden nicht nur die „großen Firmen“ auf Datenanalyse setzen, sondern der Gebrauch von geeigneten predictive Analytics (vorhersagender Analyse) Tools wird sich noch weiter nach unten in die mittelständischen und kleinen Unternehmen ausweiten und hier einen großen Nutzen erbringen. Viele Firmen werden ihre aktuellen datenbezogenen Verfahren überdenken und innovativere und effektivere Verfahren für ihre Datenanalyse nutzen. Hierfür muss das Verständnis geschult werden und weitere Fachkräfte entwickelt und gefördert werden.