KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung
Frank Säuberlich
Mit der Entwicklung der Informationstechnologie haben sich in den vergangenen Jahren die Möglichkeiten, Daten zu erheben, zu generieren und auch zu speichern, entscheidend verbessert. Unternehmen sind damit in der Lage, Informationen zu wahrhaften Datengebirgen aufzutürmen. Die Analyse dieser riesigen Datenmengen ist für eine Erzielung von Wettbewerbsvorteilen unumgänglich. Unter den Begriffen Knowledge Discovery in Databases (KDD) und Data Mining ist in den vergangenen Jahren eine neue Forschungsrichtung entstanden, die versucht, Verfahren und Methoden zur Analyse dieser umfangreichen Datenbestände zur Verfügung zu stellen. Im Rahmen dieser Arbeit werden Ansätze vorgestellt, den Bereich KDD und Data Mining zu charakterisieren. Zwei der in diesem Bereich am zahlreichsten eingesetzten Verfahrensklassen, Entscheidungsbaumverfahren und Assoziationsregelalgorithmen, werden näher behandelt. Aufbauend auf diesen Überlegungen wird ein eigener Verfahrensansatz eines multivariaten Entscheidungsbaumverfahrens entwickelt. Anhand von Problemstellungen aus dem Konsumentenverhalten wird der Einsatz von Data Mining Verfahren auf Praxisfragestellungen verdeutlicht.
