Image for Mdm Logo

Was bringt Data Mining: Definition und 3 Erfolgscases

Datenberge gewinnbringend nutzen: Mit der richtigen Planung kein Problem. Erster Schritt ist die passende Data-Mining-Definition. Die Vorarbeit ist keineswegs verschwendet – an drei Beispielen zeigen wir Ihnen ganz konkrete Anwendungsmöglichkeiten.
Was bringt Data Mining: Definition und 3 Erfolgscases Data Mining wird im Augenblick intensiv diskutiert. Ein Blick auf die Definition zeigt: Statt heißer Luft stecken echte Anwendungsmöglichkeiten für den Mittelstand hinter dem Konzept. (© 2016 Regissercom/Shutterstock)

1. Data Mining: Definition und wichtige Methoden

Wie wichtig digitale Informationen und eine Data-Mining-Definition sind, dürfte Laien wie Unternehmern mittlerweile präsent sein. In unserem Ratgeber Big Data Aggregation: Digitale-Ressource für den Mittelstand haben wir einige Grundzüge bereits beschrieben. Und Profis aus der Wirtschaft und Forschung fachsimpelten erst im März auf dem Business Analytics Day der Hochschule Karlsruhe über die binären Ressourcen. Im Programm heißt es etwa, die Themen seien "unverzichtbarer Bestandteil" für Technologie- und IT-Firmen.

Denn mit den passenden Methoden und Prozessen:

  • Entdecken Sie neues, einsatzfähiges Business-Wissen.
  • Messen Sie Trends sowie Entwicklungen und erarbeiten konkrete Prognosen.

Soweit die Data-Mining-Kurzdefinition. In der Praxis gibt es zumeist zwei Standards:

  • Den alten Cross Industry Standard Process for Data Mining oder kurz CRISP-DM. Entwickelt wurde dieser in einem EU-Projekt in den Jahren 1996 bis 1999. Es gibt dabei feste Abläufe wie Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment.
  • Analytics Solutions Unified Method for Data Mining/Predictive Analytics beziehungsweise ASUM-DM ist der aktuelle Maßstab. IBM nutzt die Vorgängerverfahren von CRISP-DM und erschafft auf dessen Grundlagen eine verbesserte Version.

Beide Arbeitsschablonen stellen sich im Detail als sehr komplex heraus. Wichtig für Sie ist: Der Analyseteil macht den Gros der Arbeit aus – also Business Understanding, Data Understanding und Data Preparation – und ist zwingend notwendig, damit aus den Nullen und Einsen Kapital geschlagen werden kann.

2. Beispiel aus der Autobranche: So nutzt BMW Data-Mining-Software

Nach der Data-Mining-Definition ein Blick auf die Großen: Der Autohersteller BMW nutzt digitale Ressourcen nämlich bereits seit Jahren, Hilfe bekommt das Unternehmen von IBM.

Das tun die Experten: Bevor ein neues Automodell auf den Markt kommt, analysieren sie Informationen von Testfahrten, Werkstattbesuchen und aus der Produktion. Manuell wäre die Aufgabe nur unzureichend zu bewältigen, immerhin kann ein Mensch kaum Millionen und Abermillionen von Zahlen verarbeiten. Mithilfe von Programmen ist die Analyse allerdings möglich und bei dem entsprechenden Fabrikat werden die Fehler bis zur Massenproduktion ausgemerzt.

3. Beispiel Smart Farming: Data-Mining-Definition aus Sachsen-Anhalt

Damit das Precision Farming, also die präzise Landwirtschaft, funktioniert, braucht der Bauer 4.0 Daten. Ohne geht es nicht. Auf dem Gut Derenburg in Sachsen-Anhalt funktioniert das ganz gut: Klaus Münchhoff sammelt mit Drohnen und allen möglichen Sensoren Informationen über seine rund 1.000 Hektar Land, erklärt die "FAZ".

Was hat Münchoff von dem Aufwand? Seine Antwort:

"Wir brauchen jetzt sechs Kilo weniger Stickstoff je Hektar. Die Bestände wachsen gleichmäßig, das ist ein Vorteil beim Dreschen. Und der Ertrag hat zugelegt, um einen Doppelzentner je Hektar,"

4. Beispiel Kundendaten: Huawei nutzt Data-Mining-Prozesse in der Cloud

Data-Mining-Definition à la Huawei: Die chinesische Telekommunikationsfirma kombiniert die Cloud mit dem Sammeln digitaler Fakten, berichtet "ZDnet". Der Konzern und seine Partner reagieren umgehend auf Marktveränderungen und Kundenwünsche. CEO Eric Xu erklärt, worum es dem Unternehmen geht:

"Für Huawei liegt der Fokus darauf, eine Plattform zum Sammeln, Mining und Analysieren von Big Data zu erstellen, die unsere Partner für die Applikationsentwicklung nutzen können, um für Unternehmenskunden ihres Netzes Wert zu schöpfen."

Weiterführende Links:

Weitere Artikel zum Thema
Neue Ratgeber
alle ratgeber
Neues zu Industrie 4.0
alle ratgeber Alle Beiträge

Was bringt Data Mining: Definition und 3 Erfolgscases

Datenberge gewinnbringend nutzen: Mit der richtigen Planung kein Problem. Erster Schritt ist die passende Data-Mining-Definition. Die Vorarbeit ist keineswegs verschwendet – an drei Beispielen zeigen wir Ihnen ganz konkrete Anwendungsmöglichkeiten.
Was bringt Data Mining: Definition und 3 Erfolgscases Data Mining wird im Augenblick intensiv diskutiert. Ein Blick auf die Definition zeigt: Statt heißer Luft stecken echte Anwendungsmöglichkeiten für den Mittelstand hinter dem Konzept. (© 2016 Regissercom/Shutterstock)

1. Data Mining: Definition und wichtige Methoden

Wie wichtig digitale Informationen und eine Data-Mining-Definition sind, dürfte Laien wie Unternehmern mittlerweile präsent sein. In unserem Ratgeber Big Data Aggregation: Digitale-Ressource für den Mittelstand haben wir einige Grundzüge bereits beschrieben. Und Profis aus der Wirtschaft und Forschung fachsimpelten erst im März auf dem Business Analytics Day der Hochschule Karlsruhe über die binären Ressourcen. Im Programm heißt es etwa, die Themen seien "unverzichtbarer Bestandteil" für Technologie- und IT-Firmen.

Denn mit den passenden Methoden und Prozessen:

  • Entdecken Sie neues, einsatzfähiges Business-Wissen.
  • Messen Sie Trends sowie Entwicklungen und erarbeiten konkrete Prognosen.

Soweit die Data-Mining-Kurzdefinition. In der Praxis gibt es zumeist zwei Standards:

  • Den alten Cross Industry Standard Process for Data Mining oder kurz CRISP-DM. Entwickelt wurde dieser in einem EU-Projekt in den Jahren 1996 bis 1999. Es gibt dabei feste Abläufe wie Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment.
  • Analytics Solutions Unified Method for Data Mining/Predictive Analytics beziehungsweise ASUM-DM ist der aktuelle Maßstab. IBM nutzt die Vorgängerverfahren von CRISP-DM und erschafft auf dessen Grundlagen eine verbesserte Version.

Beide Arbeitsschablonen stellen sich im Detail als sehr komplex heraus. Wichtig für Sie ist: Der Analyseteil macht den Gros der Arbeit aus – also Business Understanding, Data Understanding und Data Preparation – und ist zwingend notwendig, damit aus den Nullen und Einsen Kapital geschlagen werden kann.

2. Beispiel aus der Autobranche: So nutzt BMW Data-Mining-Software

Nach der Data-Mining-Definition ein Blick auf die Großen: Der Autohersteller BMW nutzt digitale Ressourcen nämlich bereits seit Jahren, Hilfe bekommt das Unternehmen von IBM.

Das tun die Experten: Bevor ein neues Automodell auf den Markt kommt, analysieren sie Informationen von Testfahrten, Werkstattbesuchen und aus der Produktion. Manuell wäre die Aufgabe nur unzureichend zu bewältigen, immerhin kann ein Mensch kaum Millionen und Abermillionen von Zahlen verarbeiten. Mithilfe von Programmen ist die Analyse allerdings möglich und bei dem entsprechenden Fabrikat werden die Fehler bis zur Massenproduktion ausgemerzt.

3. Beispiel Smart Farming: Data-Mining-Definition aus Sachsen-Anhalt

Damit das Precision Farming, also die präzise Landwirtschaft, funktioniert, braucht der Bauer 4.0 Daten. Ohne geht es nicht. Auf dem Gut Derenburg in Sachsen-Anhalt funktioniert das ganz gut: Klaus Münchhoff sammelt mit Drohnen und allen möglichen Sensoren Informationen über seine rund 1.000 Hektar Land, erklärt die "FAZ".

Was hat Münchoff von dem Aufwand? Seine Antwort:

"Wir brauchen jetzt sechs Kilo weniger Stickstoff je Hektar. Die Bestände wachsen gleichmäßig, das ist ein Vorteil beim Dreschen. Und der Ertrag hat zugelegt, um einen Doppelzentner je Hektar,"

4. Beispiel Kundendaten: Huawei nutzt Data-Mining-Prozesse in der Cloud

Data-Mining-Definition à la Huawei: Die chinesische Telekommunikationsfirma kombiniert die Cloud mit dem Sammeln digitaler Fakten, berichtet "ZDnet". Der Konzern und seine Partner reagieren umgehend auf Marktveränderungen und Kundenwünsche. CEO Eric Xu erklärt, worum es dem Unternehmen geht:

"Für Huawei liegt der Fokus darauf, eine Plattform zum Sammeln, Mining und Analysieren von Big Data zu erstellen, die unsere Partner für die Applikationsentwicklung nutzen können, um für Unternehmenskunden ihres Netzes Wert zu schöpfen."

Weiterführende Links:

Weitere Artikel zum Thema
Neue Ratgeber