Data-Mining

Definition: Was ist Data-Mining?

Das Data-Mining dient der computergestützten Verarbeitung von Datenmengen zur Wissensschaffung. Ziel hierbei ist es, in Datenbeständen Zusammenhänge und Muster zu entdecken, diese zur Verfügung zu stellen und so gegebenenfalls zur Entscheidungsfindung nutzbar zu machen.

Für das Data-Mining werden Prozesse, Erkenntnisse und Algorithmen aus den Fachbereichen Statistik, Mathematik und Informatik sowie Computer genutzt. Dabei werden Methoden aus dem Bereich der künstlichen Intelligenz eingesetzt, sowie die folgenden Teildisziplinen Segmentierung, Klassifikation, Prognose und Analysen bezüglich Abhängigkeit und Abweichungen.

Beispiel: Ein Beispiel für die Anwendung ist das so genannte Text-Mining. Es verdeutlicht anschaulich, was der Kern hinter der Methode Data-Mining ist: Bei dieser besonderen Form des Data-Minings werden nicht übergeordnete Daten an sich, sondern unstrukturierte Textdaten analysiert, verarbeitet und ausgewertet, um so aus den Textquellen Wissen herausziehen zu können. Das Text-Mining liefert als Ergebnis die Kernaussagen hinter der ganzen Textmenge, reduziert die Quellen auf das Wesentliche, ohne dass Anwender die gesamte Textmenge lesen müssten. Extrahiert werden dabei diejenigen Kernaussagen, die für die laufenden Projekte der Anwender relevant sind. Das ist vor allem für Unternehmen ein interessanter Punkt, wird doch im unternehmerischen Alltag vieles über die Datenform Text bewerkstelligt.

Durch die Klassifikation im Data-Mining können – wie im Beispiel Texte – verschiedene Arten von Daten bestimmten Klassen zu geordnet werden. Gemeinsame Merkmale möglichst gleicher Datenobjekte werden anschließend in der Segmentierung Gruppen zugeordnet. Alle unbekannten oder auf Basis nicht zuzuordnender Datenmerkmale werden mit Hilfe der Prognose klassifiziert. Zusammenhänge zwischen Merkmalen eines Objekts werden mit der Abhängigkeitsanalyse gefunden und in der Abweichungsanalyse werden abweichende Objekte analysiert und Ursachen für Abweichungen gefunden.

Abgrenzung zu Big-Data

Das Data-Mining wird oft einhergehend mit dem Big-Data gesehen, bzw. als gleich angesehen oder im selben Zusammenhang verwendet. Man muss jedoch die Begriffe Data-Mining und Big-Data strikt voneinander trennen, denn sie sind grundsätzlich unterschiedlich. Data-Mining wird zwar nicht selten bei großen Datenmengen und -Sätzen verwendet. Der Unterschied zum Big-Data liegt allerdings darin, dass Erkenntnisse aus vorliegenden Datenmengen gewonnen werden sollen, während Big-Data viele Mengen Daten liefert und zudem eine geeignete technische Verarbeitungsplattform liefert.

Data-Mining nutzt zur Erkenntnisgewinnung aus großen Datenvolumina statistische Algorithmen und Methoden der künstlichen Intelligenz. Dies wird zunehmend begünstigt durch die großen Fortschritte der Big-Data-Technologien und Hardware, die gleichzeitig immer leistungsfähiger aber auch erschwinglicher wird. So ist gewährleistet, das Data-Mining aber auch Big-Data zunehmend bessere Ergebnisse liefern.

Video: Methoden des Data-Minings

© Onpulson.de