Wer heute online Produkte und Dienstleistungen einkauft, hat ein Ergebnis des sogenannten Data Mining schon mal gesehen: „Andere Kunden kauften auch…“ oder „Andere Kunden interessierten sich auch für…“. Woher wissen einschlägige Onlineplattformen, was häufig zusammen gekauft wird?

Was in der privaten Konsumwelt im Sinne der Warenkorbanalyse funktioniert, hat längst auch in der industriellen Welt seinen Platz gefunden. Data Mining beschreibt das sammeln und die systematische Analyse von Daten. Damit verbunden ist das Ziel, nicht sofort ersichtliche Zusammenhänge zu finden und bestenfalls für unternehmensstrategische Entscheidungen zu nutzen. So interessiert nicht nur, wie viele Produkte eines Artikels verkauft wurden (klassischer Bestandteil des Controllings), sondern z.B. auch, welche weiteren Artikel gleichzeitig gekauft wurden (ich kaufe ein Handy und bekomme Hülle und Schutzfolie als zusätzliches Zubehör vorgeschlagen).

Allgemein formuliert hilft die systematische Analyse großer Datenmengen beim Finden besserer Entscheidungen (Aufdeckung von Mustern, neues Wissen). Ein erfolgreiches Data Mining setzt Instrumente der integrierten Methoden und Verfahren ein. Aber auch künstliche Intelligenz und statistische Modelle werden eingesetzt. Die Kunst des Data Mining ist die Schaffung effizienter Wege des Datenzugriffs (Schnittstellen, Datenbanken,…), die Auswahl und der Einsatz geeigneter Analyseinstrumente und die abschließende Bewertung gefundener Muster (denn nicht alle Muster sind von Interesse). Data Mining wird in allen Branchen eingesetzt, also nicht nur in der Konsumgüterindustrie: Banken, Versicherungen, Maschinenbau oder der Finanzplanung.


Im nächsten Blog-Eintrag kümmern wir uns um die Nutzung individueller Dienstleistungen immer dann, wenn man sie benötigt („Dienstleistungen on demand“).