Wenn Algorithmen entscheiden
Data Mining
Im Vergleich dazu ist das Data Mining wesentlich diffiziler und aufwendiger. Darunter versteht man die systematische Anwendung computergestützter Methoden, um in vorhandenen Datenbeständen Muster, Trends oder Zusammenhänge zu finden. Die zur Wissensentdeckung eingesetzten Algorithmen basieren unter anderem auf Methoden der Statistik, Kombinatorik und Wahrscheinlichkeitsrechnung. Das Data Mining beinhaltet rechnergestützte Analysen von Datenbeständen und nutzt Verfahren der künstlichen Intelligenz (KI), um grosse Datenbestände auf neue Querverbindungen, Trends oder auffällige Muster hin zu untersuchen.
Längst alltäglich: Cloud-Services nutzen und Daten in die Cloud schicken. Wo diese Daten später landen, ist oft unklar
Quelle: Rüdiger Sellin/NMGZ
Data Mining extrahiert die Zusammenhänge automatisch und stellt sie übergeordneten Zielen zur Verfügung. Die erkannten Muster können dazu beitragen, die Entscheidungsfindung bei bestimmten Problemen zu erleichtern. Die Aufgaben des Data Minings umfassen die Einzelbereiche Klassifikation, Segmentierung, Prognose sowie Abhängigkeits- und Abweichungsanalysen.
Die Klassifikation ordnet bestimmte Klassen einzelnen Datenobjekten zu, während die Segmentierung Objekte mit gemeinsamen Merkmalen zu Gruppen zusammenfasst. Dabei sollten alle Objekte einer Gruppe möglichst homogen sein. Als Prognose bezeichnet man die Vorhersage von bisher nicht bekannten Merkmalen auf Basis zuvor gewonnener Erkenntnisse. Mit der Abhängigkeitsanalyse lassen sich Beziehungen zwischen einzelnen Merkmalen eines Objekts oder zwischen verschiedenen Objekten finden. Schliesslich werden bei der Abweichungsanalyse Objekte identifiziert, die den Regeln der Abhängigkeiten anderer Objekte nicht entsprechen, womit sich mögliche Ursachen für die Abweichungen finden lassen.
Von Finance bis Medizin
Das Data Mining kommt im Marketing, im Finanz- und Versicherungswesen, im Online-Handel, in der Verbrechensbekämpfung oder in der Medizin branchenübergreifend zur Anwendung. Banken und Versicherungen nutzen es beispielsweise zur Durchführung von Risikoanalysen und zur entsprechend genaueren Berechnung individueller Prämien. Im Handel dient Data Mining zur Analyse des Kaufverhaltens von Kunden und zur Differenzierung von zahlungsfähigen und zahlungsunfähigen Kunden.
