(13 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt) | |||
Zeile 1: | Zeile 1: | ||
− | + | ==Verknüpfte Informationen liefern neue Erkenntnisse== | |
− | Data Mining (DM) | + | Das populärste [[Microsite: Business Intelligence|Business-Intelligence]]-Verfahren modellorientierter Analyse ist ''Data Mining'' (DM). Hier geht es um die Suche nach unbekannten Zusammenhängen unter den gesammelten Informationen im [[Data Warehouse]]. Diese Form der Wissensfindung kann mitunter recht überraschende Ergebnisse auswerfen. |
− | + | Eine interessante Frage ist z.B. immer wieder: „Welche Faktoren beeinflussen den Verkauf eines Produktes? Kann man den Verkauf durch Veränderung der Rahmenbedingungen verbessern?“ Eine Data-Mining-Analyse geht immer von einem vorhandenen Datensatz aus und zieht aus diesem Schlüsse und Hypothesen. | |
− | |||
− | |||
− | |||
− | |||
− | |||
− | + | Praktisches Beispiel: Das Modehaus Breuninger führte vor einer [[E-Mail-Marketing|Mailing-Aktion]] eine Analyse der [[Kundendaten]] durch. Auf diese Weise konnten [[Kundenwertanalyse|wertvolle Kunden]] mit überdurchschnittlicher Kaufwahrscheinlichkeit identifizieren werden. Nur diese wurden dann angeschrieben. Dadurch verringerte sich der Kostenaufwand für das Mailing deutlich – gleichzeitig wurde die Erfolgsrate erhöht. ([[Oliver Jendro|oj]]) | |
+ | |||
+ | {{SerieBI}} | ||
+ | |||
+ | ==Nützliche Links== | ||
+ | * [[Berufsbild Datenanalyst]] | ||
+ | * [[Microsite: Business Intelligence Decision Making, Teil 1|Business Intelligence Decision Making]] | ||
+ | * [[EUS]] | ||
+ | * [[OLAP]] | ||
+ | * [[XPS]] |
Aktuelle Version vom 23. September 2017, 08:30 Uhr
Verknüpfte Informationen liefern neue Erkenntnisse
Das populärste Business-Intelligence-Verfahren modellorientierter Analyse ist Data Mining (DM). Hier geht es um die Suche nach unbekannten Zusammenhängen unter den gesammelten Informationen im Data Warehouse. Diese Form der Wissensfindung kann mitunter recht überraschende Ergebnisse auswerfen.
Eine interessante Frage ist z.B. immer wieder: „Welche Faktoren beeinflussen den Verkauf eines Produktes? Kann man den Verkauf durch Veränderung der Rahmenbedingungen verbessern?“ Eine Data-Mining-Analyse geht immer von einem vorhandenen Datensatz aus und zieht aus diesem Schlüsse und Hypothesen.
Praktisches Beispiel: Das Modehaus Breuninger führte vor einer Mailing-Aktion eine Analyse der Kundendaten durch. Auf diese Weise konnten wertvolle Kunden mit überdurchschnittlicher Kaufwahrscheinlichkeit identifizieren werden. Nur diese wurden dann angeschrieben. Dadurch verringerte sich der Kostenaufwand für das Mailing deutlich – gleichzeitig wurde die Erfolgsrate erhöht. (oj)
Teil 1 ist harmlos. Business Intelligence kennt jeder Unternehmer, vielleicht nur unter anderem Namen. Teil 2 sagt, welche Fortschritte IT bei der Kennzahlenanalyse macht. Teil 3 wird handfest: Welche BI-Anbieter es gibt, was sinnvoll ist und womit Sie rechnen müssen.
Nützliche Links