Advertisement

HMD Praxis der Wirtschaftsinformatik

, Volume 46, Issue 4, pp 69–81 | Cite as

Datennavigation bei Nordsee und Telmex

  • Nicolas Bissantz
  • Marc Rössel
  • Roland Zimmermann
  • Axel Köhnken
Article

Zusammenfassung

In den 16 Jahren, die wir uns mit Data Mining beschäftigen, zeigte sich in Betrieben verschiedener Gröβe und verschiedener Wirtschaftszweige und Branchen, dass die Analysequalität heuristischer Algorithmen der von komplexeren statistischen Methoden ebenbürtig ist. Zudem ist der Anwender in der Lage, das Zustandekommen des Resultats unmittelbar nachzuvollziehen. Wir stellen drei heuristische Data-Mining-Verfahren vor und zeigen anhand zweier Praxisbeispiele auf, wie Anwender von den Ergebnissen profitieren. Einen Schwerpunkt stellt ein teilautomatisches Navigationsverfahren dar. Der Algorithmus liefert in einer mehrdimensionalen Top-down-Analyse den Pfad zu den Verursachern, die die beste Erklärung zu einem untersuchten Analysewert liefern. Das Verfahren ist in mehreren Varianten in dem Business-Intelligence-(BI-)Produkt »Bissantz DeltaMaster« integriert und seit Jahren bei vielen Kunden im Routineeinsatz. Es liefert robuste Ergebnisse, die groβe Akzeptanz bei Fachanwendern finden. So verwendet z.B. die Nordsee GmbH die Top-down-Analyse, um sich täglich automatisch Leistungsabweichungen in ihren Filialen erklären zu lassen und ihren Filialverantwortlichen fundierte Ansatzpunkte für das Leistungsmanagement zu bieten. In einem weiteren Praxisbeispiel zeigen wir, wie die mexikanische Telefongesellschaft Telmex mithilfe eines heuristischen Data-Mining-Verfahrens die Konversionsraten bei Marketingaktivitäten deutlich erhöht und damit einen messbaren monetären Zusatznutzen erzeugt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [Bissantz 2008]
    Bissantz, N.: Industriereporting mit Grafischen Tabellen. In: Hannig, U. (Hrsg.): Vom Data Warehouse zum Corporate Performance Management. Ludwigshafen/Rhein, 2008, S. 25.Google Scholar
  2. [Bissantz & Hagedorn 1993]
    Bissantz, N.; Hagedorn, J.: Data Mining (Datenmustererkennung). In: Wirtschaftsinformatik, 35 (1993) 5, S. 481–487; Nachdruck in: Wirtschaftsinformatik, 51 (2009) 1, S. 139–144.Google Scholar
  3. [Bissantz & Hagedorn 1996]
    Bissantz, N.; Hagedorn, J.: Data Mining im Controlling (Dissertationen). Arbeitsberichte des Instituts für mathematische Maschinen und Datenverarbeitung (Informatik), Band 29, Nr. 7, Erlangen, 1996.Google Scholar
  4. [Chip 2009]
    CHIP-Report: Amazon kennt Dich. Chip online, 06.02.2009; www.chip.de/artikel/CHIP-ReportAmazon-kennt-Dich-3_34997939.html; Zugriff am 26.03.2009.
  5. [Fawcett 2000]
    Fawcett, T.: Origin of »diapers and beer«; www.kdnuggets.com/news/2000/n13/23i.html; Zugriff am 02.07.2009.
  6. [Hippner et al. 2001]
    Hippner, H.; Küsters, U.; Meyer, M.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing: Knowledge Discovery in Marketing Databases. Vieweg, Wiesbaden, 2001.Google Scholar
  7. [Piatetsky-Shapiro 2007]
    Piatetsky-Shapiro, G.: Data Mining and Knowledge Discovery — 1996 to 2005: Overcoming the Hype and moving from »University« to »Business« and »Analytics«. Data Mining and Knowledge Discovery Journal, 15(2007)1, S.99–105.CrossRefMathSciNetGoogle Scholar
  8. [Sander 2005]
    Sander, H.-P.: Damit Manager die richtigen Fragen stellen. Controller Magazin, 4 (2005), S. 392–394.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2009

Authors and Affiliations

  • Nicolas Bissantz
    • 1
  • Marc Rössel
    • 1
  • Roland Zimmermann
    • 1
  • Axel Köhnken
    • 2
  1. 1.Bissantz & Company GmbHNürnberg
  2. 2.»Nordsee« Fisch-Spezialitäten GmbHBremerhaven

Personalised recommendations