Data Mining als betriebliches Informationssystem und dessen Implementierung im Unternehmen

ISBN-13: 9783838617213 / Niemiecki / Miękka / 1999 / 104 str.

Uwe Frank

Opis

Inhaltsangabe: Einleitung: Immer schneller steuern die westlichen Industrielander auf die sogenannte Informationsgesellschaft zu. Unternehmen beschaftigen sich immer starker mit den Themen Information und Kommunikation, um daraus Wettbewerbsvorteile zu erzielen. In jedem Jahr werden in einem Unternehmen neue Daten von EDV -Anwendungen produziert, so da die vorhandene Datenmenge rapide zugenommen hat und auch weiterhin wachst. Man schatzt, da sich die Menge weltweit vorhandener Informationen alle 20 Monate verdoppelt. Diese objektive Datenzunahme macht sich auch subjektiv als Information Overload bemerkbar. In diverser Literatur wird dabei sogar von einem Datennirvana gesprochen. Es fallt deshalb immer schwerer, aus einer Fulle ungeordneter Daten schnell und verlalich wichtige Informationen, die Grundlage aller Entscheidungen sind, herauszuziehen. Die Situation in vielen Unternehmen kann als Informationsarmut im Datenuberflu bezeichnet werden. Dies fuhrte zu einem gesteigerten Interesse an Methoden, die automatisch nutzliches Wissen aus groen Datenbanken filtern konnen. Das idealisierte Ziel ist letztendlich die Information auf Knopfdruck. Aus dieser Entwicklung heraus hat sich in den letzten ca. 5 Jahren unter den Synonymen Data Mining, Knowledge Discovery in Databases oder Datenmustererkennung eine neue Forschungsrichtung etabliert. Das Forschungsziel sind allgemein verwendbare, effiziente Methoden, die selbstandig aus riesigen unbereinigten Datenmengen versteckte Informationen identifizieren konnen und dem Anwender als Wissen prasentieren, das von hoher strategischer Bedeutung ist. Erste Erfolge im Bereich des Data Mining dokumentieren Workshops der letzten Jahre und das beachtliche Angebot an kommerziellen Software-Tools fur die Datenmustererkennung. Berichte aus der Praxis sind zwar noch rar, aber es mehren sich Hinweise darauf, da Data Mining Fu fassen wird. Voraussetzung fur effektives und erfolgreiches Data Mining ist allerdings ein gut organisierte