Data Mining - Christian Gottermeier

. .

Résumé :
Inhaltsangabe:Einleitung: Entscheidungen sind ein Akt des menschlichen Verhaltens, bei denen eine Festlegung f?r eine unter mehreren M?glichkeiten stattfindet. Da bei diesen Handlungen die Berufung auf Traditionen oder Autorit?ten oftmals nicht m?glich ist, wurde schon fr?h auf verschiedenste Hilfsmittel zur?ckgegriffen. So lie? sich Julius C?sar von einem W?rfelergebnis leiten, General Wallenstein von einem Astrologen beraten oder es wurden Prognosen mit Hilfe von Glaskugeln, Spielkarten oder dem Stand der Sterne getroffen. Unter wirtschaftlichen Gesichtspunkten sind Entscheidungen eine rationale Wahl zwischen mehreren M?glichkeiten, wobei der Entscheidungsprozess als tragendes Element der ?konomischen T?tigkeit herausgestellt wird. Gerade in diesem Umfeld wird die Entscheidungsfindung ? nun allerdings wissenschaftlich fundiert und mit weitreichenden Konsequenzen ? durch folgende Verfahren unterst?tzt: Analysemethoden wie Benchmarking, Lebenszyklus- oder Erfahrungskurvenkonzept und Prognoseverfahren wie die Delphi-Methode oder die Szenario-Technik. Allerdings sind die meisten dieser Verfahren i.d.R. auf spezielle Problemstellungen ausgerichtet. Ganzheitliche L?sungsans?tze werden seit den 60er Jahren zur Unterst?tzung des Managements bereitgestellt. Mit Hilfe von Informationssystemen soll die Entscheidungsfindung verbessert werden. H?ufig wechselnde Schlagworte wie z.B. Management Information System (MIS) oder Decision Support System (DSS) konnten allerdings noch keine durchschlagenden Erfolge erzielen. Seit Mitte der 90er Jahre wurden mit neuen konzeptionellen Ans?tzen, die meist unter dem Oberbegriff ?Business Intelligence? zusammengefasst werden, erfolgsversprechende L?sungen zum Aufbau entscheidungsorientierter Informationssysteme (EIS) etabliert. EIS setzen sich dabei aus Werkzeugen zur Selektion und Speicherung entscheidungsrelevanter Informationen (Data Warehouse) sowie zur entscheidungsunterst?tzenden Modellierung (OLAP-Tools) zusammen. Eine konsequente Umsetzung des Data Warehouse Gedanken f?hrt zu immensen Datensammlungen, die, um die Archivierung nicht zum Selbstzweck werden zu lassen, dann auch ausgewertet werden sollen. An dieser Stelle setzt Data Mining an. In Kapitel 2 werden die Grundz?ge des Data Mining dargestellt, eine Verbindung zu Data Warehouse und OLAP gezogen und die Einsatzgebiete skizziert, in denen sich Data Mining durchgesetzt hat. In Kapitel 3 wird der erste wichtige Schritt, der vor der eigentlichen Modellierung [?]