Ein Goldgräber sucht zwischen allerlei Erde und Schlamm mithilfe eines Siebs nach Goldnuggets. Data Mining funktioniert ähnlich: Hierbei werden große Datenmengen durchkämmt, um nach benötigten Daten zu suchen, die für einen bestimmten Zweck verwendet werden könnten. Data Mining ist eine Teildisziplin der Informatik und dreht sich somit im Wesentlichen um Muster.

Zunächst werden Daten gesammelt und gespeichert. Im nächsten Schritt geht es dann darum, in den Daten, die wahllos erscheinen, eine Systematik zu erkennen.

Diese Datenanalyse wird auf vielerlei Weise durchgeführt, darunter die Einbeziehung von Konzepten wie maschinelles Lernen, bei dem Daten mithilfe komplexer adaptiver Algorithmen künstlich analysiert werden.

Bei traditionelleren Methoden sind Data Scientists beteiligt. Diese Experten sind speziell dafür ausgebildet, Systematiken hinter komplexen Informationen zu erkennen, und erstellen Berichte, an denen sich das Management orientiert.

Wer betreibt Data Mining?

In seiner sicheren und legalen Form ist das Data Mining weit verbreitet und kommt in einer Vielzahl von Branchen zum Einsatz, vom Finanzwesen bis hin zum Einzelhandel.

Beim Surfen im Internet werden Benutzerdaten erfasst – auf Grundlage der besuchten Websites, durchgeführten Suchen, eingegebenen persönlichen Daten und Produkte, für die Interesse gezeigt wird.

Die so von Millionen von Benutzern erzeugten Daten können im Detail von Unternehmen untersucht werden. Anhand der gewonnenen Informationen lassen sich dann fundierte Betriebs- und Marketingentscheidungen treffen.

Wozu kann Data Mining genutzt werden?

Data Mining wird abhängig vom jeweiligen Unternehmen und seinen Anforderungen zu verschiedenen Zwecken eingesetzt. Mögliche Anwendungsbereiche sind:

  • Prognose und Risiko: Eine Datenanalyse zur Bestimmung, wo etwas in der Vergangenheit schiefgelaufen ist, kann Einzelhändlern dabei helfen, in Zukunft etwa fundiertere Entscheidungen beim Wareneinkauf zu treffen. Dabei kann beispielsweise die Zahl der Onlinebesucher einbezogen werden, die einen Artikel zwar aufruft, ihn aber nicht kauft. Ähnlich hilfreich ist die Ermittlung der Tageszeit, zu der ein System bisher durch Webverkehr überlastet war. Dadurch können Unternehmen für den entsprechenden Zeitraum mehr Ressourcen einplanen oder in Server-Upgrades investieren.
  • Gruppierung: Anhand der von Kunden bereitgestellten Daten können Unternehmen die Benutzer auf verschiedenste Weise gruppieren, wie etwa demografisch nach Geschlecht, Alter, Einkommen, Wohnort und Kaufgewohnheiten. So können die entsprechenden Benutzer gezielter auf bestimmte Angebote oder Nachrichten aufmerksam gemacht werden.
  • Verhaltensanalyse: Anhand von Datenanalysen können Unternehmen die Art der Anreize nachvollziehen, auf die Kunden reagieren. So lässt sich zum Beispiel ermitteln, ob bestimmte Gruppen zu einer bestimmten Tageszeit oder an einem bestimmten Wochentag auf bestimmte Angebote oder E-Mails reagieren. Vielleicht schafft die Analyse auch Klarheit darüber, warum Benutzer bestimmte Websites anderen vorziehen oder warum sie Käufe in letzter Minute abbrechen. Anhand von Analysen können Unternehmen herausfinden, was sie tun können, um für das jeweilige Unternehmen negative Verhaltensweisen der Verbraucher zu verhindern.

Weitere Artikel:

Weitere Produkte:

Wir verwenden Cookies, damit Ihr Erlebnis auf unseren Webseiten noch besser wird. Durch die Nutzung und Navigation dieser Webseite akzeptieren Sie dies. Ausführlichere Informationen zur Nutzung von Cookies auf dieser Webseite finden Sie, wenn Sie auf „Weitere Informationen“ klicken.

Akzeptieren und schließen