Data Mining (Q & A)

4. & 5. KnowHow-Meeting ... Data Mining Slam (Q & A)

28./29. Aug 2019, 9:00 - 17:30 Uhr im Hotel Hafen Hamburg

Data Mining/Science-Anbieter antworten ...


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.


Matthias Braun
(KI Solution Architekt der Trevisto AG)

Warum/wann sollte eine Firma KI-Lösungen einsetzen?

Es gibt drei Einstiegspunkte für die Einführung von KI ins Unternehmen: vom Geschäftsmodell, der Prozessoptimierung oder den Daten gedacht. Je nach der gewählten Perspektive kann das Unternehmen Daten nutzen, um neue Prozesse und Geschäftsmodelle zu optimieren und zu definieren. Ein Erfolgsfaktor für erfolgreiche KI-Projekte ist die Betrachtung und Verknüpfung aller drei Ebenen zu einer Gesamtlösung für den Kunden. Der Mehrwert kann dabei die Optimierung der bestehenden Wertschöpfungskette darstellen. Ebenso ist es möglich, mit Hilfe der künstlichen Intelligenz neue Märkte und Produkte für den Kunden zu erschließen. 

Was ist der innovative Charakter eurer Data Mining/Science-Lösung?

Trevisto hat ein ganzheitliches Vorgehensmodell für die Einführung von KI zusammengestellt. Mit dem KI-Starterpaket besitzt Trevisto eine etablierte Vorgehensweise für die prototypische Einführung dieser neuen Technologie ins Unternehmen. Für die Berechnung des ROI wird der Nutzen der Technologie den möglichen Kosten eines IT-Umsetzungsprojektes gegenübergestellt. Zusätzlich hat Trevisto ein technisches Framework entwickelt, welches flexibel skalierbar in die individuelle IT-Landschaft und alternativ in die Cloud eingebracht und betrieben werden kann. Über technische und fachliche Dashboards kann der Kunde die Performance der Vorhersagen überwachen und an Hand von Parametern individuell optimieren.   

Wo siehst du Data Mining/Science in fünf Jahren?

Künstliche Intelligenz wird sich als Technologie in vielen Märkten als Kernelement der Analyse etabliert haben. Die kostengünstige Erbringung von Dienstleistungen und die Qualitätssicherung von Produkten wird ohne den Einsatz von KI in vielen Bereichen gar nicht mehr möglich sein. Ohne KI als Baustein einer Digitalisierungsstrategie wird es für das einzelne Unternehmen schwierig sein zu bestehen, wenn die Konkurrenz günstigere Preise mithilfe KI realisiert.


Ulf Schöneberg
(TeamLead Data Science von *um The unbelievable Machine Company GmbH)

Warum/wann sollte eine Firma KI-Lösungen einsetzen?

Immer dann, wenn eine Firma genug Daten zur Verfügung hat und die Möglichkeit besteht, dass sich dort Strukturen finden lassen, die Mehrwert für das Unternehmen ergeben könnten.

Was ist der innovative Charakter eurer Data Mining/Science-Lösung?

Unsere Data Science Suite ist vor allen Dingen in Richtung Datensicherheit und Datenschutz optimiert - auch in Hinblick auf die DSGVO hebt sich unsere Lösung von den Mitbewerbern ab.

Wo siehst du Data Mining/Science in fünf Jahren?

Auf jedem elektronischen Gerät, welches direkt von Menschen bedient wird.

Die Modelle, die wir heute auf spezieller Hardware und GPUs trainieren, sind in fünf Jahren auf sparsamer Hardware lauffähig. Dadurch werden Gesten-, Gesichts- und Spracherkennung zu Standardsoftware-Komponenten, die man benutzt, wie man heute z.B. die Quadratwurzel-Funktion ausführt.