Interview Data Mining

„Methodenwissen bleibt unverzichtbar“

Data-Mining-Software wird immer bedienerfreundlicher. Ohne ein Grundwissen über Analyseverfahren geht es aber dennoch nicht, verdeutlicht IBM-Manager Roland Grund im Interview mit dem is report.

Wo sehen Sie derzeit die größten Trends im Data Mining?

Data Mining wird immer intensiver eingesetzt, weil Unternehmen die Chancen erkennen: Interne Datenbestände werden automatisch auf Regeln und Muster gescannt, Entscheider erkennen dadurch wichtige Markttrends und können entsprechend reagieren.

Welche Probleme wollen die Unternehmen mit Data Mining in erster Linie lösen?

Data Mining wird in absehbarer Zeit auch die Analyse von unstrukturierten Informationen umfassen sowie Webanalysen und Bildanalysen. Große Nachfrage besteht nach mehr Automation, da sich so die Produktivität steigern lässt. Echtzeitanalyse macht Prozesse einfacher und schneller. Hierzu zählen auch integrierte Anwendungen, die Data Mining und Standardberichte kombinieren.

Wo liegen die größten Herausforderungen der Unternehmen aus IT-Sicht?

Personelle Ressourcen sind oft knapp, so dass Data Mining auch bei Fachabteilungen häufig nur nebenher betrieben wird. Daher wird das Potenzial nur selten voll genutzt. Für effektives Data Mining müssen Daten aus verschiedenen Quellen zusammengeführt, integriert und in einen analysefähigen Bestand gebracht werden. Dabei gibt es oft Qualitätsprobleme.

Welches sind die größten Kostentreiber in Data-Mining-Projekten?

Data Mining kostet Zeit, gerade die Datenaufbereitung und die Einrichtung einer geeigneten Infrastruktur. Wer Kosten sparen will, sollte die Produktivität durch mehr Automation und Nutzerfreundlichkeit erhöhen. Die Aufwendungen für Hard- und Software sind zweitrangig.

Wie können Unternehmen testen, ob sich in ihrem Datenbestand eine Analyse lohnt?

Data-Mining-Analysen lohnen sich immer. Für viele Branchen gibt es erprobte Anwendungsmöglichkeiten mit hohem Nutzenpotenzial. Im Kundenmanagement dient Data Mining zur Optimierung der Käuferansprache. In der Risikoanalyse lassen sich Missbrauch oder Betrug erkennen, in Produktion und Technik dient die Analyse der Qualitätsverbesserung. Unternehmen sollten es einfach einmal ausprobieren. Viele Dienstleister bieten Schnupperprojekte an, in denen der Einsatz von Data Mining anhand der vorhandenen Daten getestet werden kann.

Analysen sind immer nur so genau wie die zugrunde liegenden Daten. Wie können Unternehmen die Konsistenz und Vollständigkeit ihrer Daten sicherstellen?

Zum einen gibt es eine ganze Reihe von Methodiken und Softwarelösungen für die Optimierung der Datenqualität. IBM bietet beispielsweise den IBM Information Server an, mit dem sich Metadaten steuern lassen. Zum anderen ist es unumgänglich, dass Mitarbeiter sorgfältig mit Daten umgehen. Hohe Datenqualität sollte stets ein wichtiges Unternehmensziel sein. Wer die Datenqualität erhöht, etwa durch Kennzahlen, sollte dafür entsprechend honoriert werden.

Um auch Nichtexperten anzusprechen, werden die Werkzeuge zum Data Mining immer einfacher. Können Unternehmen nun in der Analyse auf Methodenwissen verzichten?

Einfachere Werkzeuge fördern den Bedienkomfort und die Produktivität. Wer Data-Mining-Analysen selbst durchführen und die Ergebnisse anderen Nutzern zugänglich machen will, sollte dennoch über ein solides Methodenwissen verfügen. Hierzu gehören sowohl die Auswahl des passenden Analyseverfahrens als auch die richtige Bewertung und Aufbereitung der Ergebnisse. Dabei muss ein Data Miner nicht alle internen Einzelheiten der Verfahren kennen, sondern die wesentlichen Bedienungsparameter und ihre Auswirkungen. Kann oder will ein Unternehmen kein eigenes Know-how aufbauen, sollte es auf das Methodenwissen der Hersteller zurückgreifen. Diese implementieren dann automatisierte, kundenspezifische Data-Mining-Lösungen.

Wie stellen Unternehmen sicher, dass Datenbanker, Business-Case-Owner und IT-Spezialisten effizient zusammenarbeiten?

Wer über ein gutes Projektmanagement und eine sinnvolle Zielsteuerung verfügt, ist klar im Vorteil. Das Data-Mining-Projekt sollte bei allen Beteiligten eine entsprechende Priorität besitzen. jf