Datengewinnung
Data Mining (kurz DM) ist ein interdisziplinärer Zweig der Informatik. Es handelt sich um einen rechnerischen Prozess, der die Schnittstelle zwischen künstlicher Intelligenz, maschinellem Lernen, Statistik und Datenbanken nutzt, um Muster in relativ großen Datensätzen zu erkennen.Es handelt sich um eine computergestützte Technik, die in der Analytik zum Verarbeiten und Erkunden großer Datensätze eingesetzt wird. Mithilfe von Data-Mining-Tools und -Methoden können Organisationen verborgene Muster und Beziehungen in ihren Daten entdecken. Data Mining wandelt Rohdaten in nützliches Wissen um. Unternehmen können dieses Wissen nutzen, um Probleme zu lösen, die zukünftigen Auswirkungen von Geschäftsentscheidungen zu analysieren und ihre Gewinnspannen zu verbessern.Das Ziel des Data Mining besteht nicht darin, Daten selbst zu extrahieren oder abzubauen. Vielmehr sind bereits große Datenmengen vorhanden und Data Mining dient dazu, daraus aussagekräftige bzw. wertvolle Erkenntnisse zu gewinnen.
Arten des Data Mining
Data Mining kann je nach Daten und Zweck des Minings unterschiedliche Zweige oder Spezialisierungen haben. Nachfolgend finden Sie einige Beispiele für Data Mining.
Prozess-Mining
Process Mining ist ein Zweig des Data Mining, dessen Ziel darin besteht, Geschäftsprozesse zu entdecken, zu überwachen und zu verbessern. Es extrahiert Wissen aus Ereignisprotokollen, die in Informationssystemen verfügbar sind, und hilft Organisationen zu verstehen, was in diesen Prozessen täglich passiert.
Ein E-Commerce-Unternehmen umfasst beispielsweise viele Prozesse wie Einkauf, Verkauf, Zahlung, Zahlungseinzug und Versand. Durch das Auswerten der Beschaffungsdatenprotokolle stellen sie möglicherweise fest, dass die Lieferzuverlässigkeit ihres Lieferanten 54% beträgt oder dass es einen Lieferanten mit 12% gibt, der immer vorzeitig liefert. Sie können diese Informationen nutzen, um die Beziehungen zu Lieferanten zu optimieren.
Text Mining
Beim Text Mining oder Text Data Mining wird Data-Mining-Software zum Lesen und Verstehen von Text verwendet. Datenwissenschaftler nutzen Text Mining, um automatisch Wissen in schriftlichen Quellen wie Websites, Büchern, E-Mails, Rezensionen und Artikeln zu entdecken.
Beispielsweise kann ein digitales Medienunternehmen Text Mining nutzen, um Kommentare zu seinen Online-Videos automatisch zu lesen und die Kommentare der Zuschauer als positiv oder negativ zu klassifizieren.
Prädiktiver Bergbau
Beim Predictive Data Mining wird Business Intelligence zur Vorhersage von Trends eingesetzt. Es hilft Unternehmensleitern, die Auswirkungen ihrer Entscheidungen auf die Zukunft des Unternehmens zu untersuchen und wirksame Entscheidungen zu treffen.
Ein Unternehmen könnte sich beispielsweise die Daten zu Produktrückgaben aus der Vergangenheit ansehen, um Garantiepläne zu entwickeln, die nicht zu Verlusten führen. Mithilfe von Predictive Mining prognostizieren sie die Anzahl potenzieller Rücksendungen im nächsten Jahr und erstellen einen einjährigen Garantieplan, der Verluste bei der Festlegung der Produktpreise berücksichtigt.
Verweise
【1】https://zh.wikipedia.org/wiki/%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98