access-solutions.at

Business Intelligence, Data Warehousing und Data Mining

• 

  Business Intelligence

  Das Ziel von Business Intelligence ist immer aus einer Fülle von Daten Informationen zu gewinnen, die wirtschaftlich genutzt werden können. Der Nutzen ist vielfältig, ob es dabei um den gezielteren Versand von Mailings oder eine bessere und frühere Einschätzung von Risiken geht. Intelligence bezieht sich also auf Einsicht und Verständnis, Business klar auf Wirtschaft.

   

  Es geht also bei Business Intelligence darum, aus den Daten wirtschaftlich relevante Erkenntnisse zu gewinnen. Dazu gehören aber nicht nur Daten, wie sie in einem Data Warehouse (DWH) gespeichert sind. Es gehört vor allem auch die Auswertung dieser Daten dazu, egal ob man nun betriebswirtschaftliche Kennzahlen berechnet oder unbekannte Zusammenhänge mit Data Mining herausfindet. Ein weiterer wichtiger Teil von Business Intelligence ist das Wissens-Management oder Knowledge-Management. Im Gegensatz zu DWH geht es hier darum, unstrukturierte Informationen zur Verfügung zu stellen.

   

  Liegt die unstrukturierte Information elektronisch als Textdokument, Email, oder WWW-Seite vor, so kann mit speziellen Methoden wie Informations-Retrieval darauf zugegriffen werden. Interessant wird Business Intelligence vor allem dann, wenn die aus strukturierten Daten gewonnenen Informationen mit Informationen aus unstrukturierten Daten verknüpft werden können.

• 

  Data Warehousing

  Ein Data Warehouse bezeichnet ein Datenlager, in welchem Daten aus verschiedenen dezentralen Datenquellen in einer separaten Datenbank zusammengefasst werden. Anwender können so unternehmensweit auf relevante, bereinigte und verdichtete Daten als Entscheidungsgrundlage zurückgreifen.

   

  Im Data Warehousing-Prozess wird dieses Datenlager in vier Schritten bewirtschaftet und ausgewertet:1. Datenbeschaffung: Relevante Daten werden aus den Quellsystemen extrahiert, transformiert und in das Data Warehouse geladen. 2. Datenhaltung: Langfristige Sicherung der Daten im Data Warehouse 3. Versorgung und Datenhaltung der für die aktuelle Abfrage benötigten Daten. 4. Datenauswertung: Analyse der jeweiligen Daten bzw. die Versorgung nachgelagerter Anwendungssysteme

• 

  Data Mining

  Data Mining ist der Sammelbegriff für die Anwendung von Methoden und Techniken zur Extraktion von nicht offensichtlichem Wissen aus einer grossen (historischen) Datenmenge. Etwas salopper gesagt: Data Mining ist das Wühlen in den Daten in der Hoffnung, unbekannte Zusammenhänge zu finden. Dabei ist es denkbar, dass beim Arbeiten mit Abfragewerkzeugen zufälligerweise Zusammenhänge entdeckt werden. In der Regel wird diese Suche aber dem Computer überlassen.

   

  Die möglichen Suchalgorithmen lassen sich in zwei Klassen unterteilen: - Suchen mit Zielvorgaben (supervised oder direct) und - ohne Zielvorgaben (unsupervised oder undirect). Wird mit Zielvorgabe gearbeitet, so wird festgelegt, welches Attribut, basierend auf anderen vorgegebenen Attributen, hergeleitet werden soll. Basierend auf bestehenden Angaben erstellt das Data Mining System ein Modell. Ein Beispiel: Wir haben Kunden, die einen BMW gekauft haben.

   

  Diese Daten stellen wir zur Verfügung. Das Data Mining System sucht nun Regeln, die erfüllt sein müssen, dass jemand einen BMW kauft. Die Kunden, die diese Regel erfüllen und noch keinen BMW haben, können angeschrieben werden. Ein typisches Beispiel von Arbeiten ohne Zielvorgabe ist die Warenkorbanalyse. Dabei soll herausgefunden werden, ob beim Einkauf unbekannte Zusammenhänge existieren. Das bekannteste Beispiel: mit Data Mining wurde festgestellt, dass oft abends Windeln und Bier zusammen eingekauft werden.