Advertisement

Vom Data Warehouse zur Data Mining-Anwendung — ein Beispiel aus der Energieversorgung

  • Helge Petersohn
  • Peter Heine

Zusammenfassung

In den letzten Jahren wurde in der VNG — Verbundnetz Gas Aktiengesellschaft Leipzig (VNG) ein Managementinformationssystem (MIS) entwickelt, welches seine Daten aus einer auf dem Data-Warehouse-Konzept basierten Datenlogistik-Lösung bezieht ([EhPH98], [EhHe98]). Über die zugrundeliegenden Berichtsprozesse hinaus ergeben sich für das Management auch Fragestellungen, die von dem existierenden MIS nicht ausreichend beantwortet werden können. Es besteht daher ein Informationsbedarf, der mit den existierenden Methoden der Informationsbereitstellung nicht befriedigt werden kann. Ein Beispiel hierfür ist das Interesse des Managements für das aktuelle Gasabnahmeverhalten in Übergabestationen. Dazu soll für Stationen mit fehlender täglicher Datenbereitstellung aufgrund von Ähnlichkeiten zu Stationen mit bekannten Daten das zu erwartende Abnahmeverhalten frühzeitig prognostiziert werden. Hierfür wird eine Komponente innerhalb des MIS benötigt, welche unter Nutzung eines Data Mining-Verfahrens die Ähnlichkeiten zwischen Stationen erkennt, diese interpretiert und Gasabnahmeverläufe abschätzt. Die Daten für das MIS werden von einer Data Warehouse-Lösung zur Verfügung gestellt. Warum und in welchem Umfang bei VNG diese Lösung genutzt wird, welcher Zusammenhang zwischen MIS, Data Warehouse- und Data Mining-Prozessen besteht und welche Methode zum Data Mining für diese Problemstellung von besonderem Interesse ist, wird in diesem Beitrag beschrieben.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [BiHa93]
    Bissantz, N.; Hagedorn, J.: Data Mining (Datenmustererkennung), in: Wirtschaftsinformatik, 35 (1993) 5, S. 481–487.Google Scholar
  2. [Dill195]
    Dilly, R.: Data Mining — An Introduction, Student Notes, Version 2.0, The Queen’s University of Belfast, December 1995 (http://www.pcc.qub.ac.uk/tec/courses/datamining/stu_notes/; Okt.’ 97).Google Scholar
  3. [EhHe98]
    Ehrenberg, D.; Heine, P.: Konzept zur Datenintegration für Management Support Systeme auf der Basis uniformer Datenstrukturen, in: Wirtschaftsinformatik 40 (1998) 6 S. 503–512.Google Scholar
  4. [EhPH98]
    Ehrenberg, O.; Petersohn, H.; Heine, P.: Prozeßorientierte Datenlogistik für Managementinformationssysteme. In:Hummeltenberg, W. (Hrsg.): Information Management for Business and Competitive Intelligence and Excellence — Proceedings der Frühjahrstagung Wirtschaftsinformatik’ 98, Wiesbaden 1998, S. 163-178.Google Scholar
  5. [FeSi94]
    Ferstl, O.; Sinz, E.: Grundlagen der Wirtschaftsinformatik, Band 1,2. Auflage, München 1994.Google Scholar
  6. [FaPS96]
    Fayyad, U.; Piatetsky-Shapiro, G., Smyth, P.: From Data Mining to Knowledge Diskovery: An Overview, in: Fayyad, U., Piatetsky-Shapiro, G., Smyth, P., Uthurusamy, R.: Advances in Knowledge Discovery and Data Mining, AAAI/ MIT Press, Cambridge 1996.Google Scholar
  7. [Hein99]
    Heine, P.: Modular-integrierte Datenlogistik zwischen betrieblichen Anwendungssystemen, in: Proceedings des Doktorandenseminars zur WI’ 99, http:/wi99.iwi.uni-sb.de/de/Doktorandenseminar.html.Google Scholar
  8. [HePe98]
    Heine, P.; Petersohn, H.: Interdependenzen zwischen Data Warehouse, Managementinformationssystem und Geschäftsprozeßmodellen. In: Information Management & Consulting 13 (1998) 2, S. 78–82.Google Scholar
  9. [Koho95]
    Kohonen, T.: Self-Organizing Maps, Berlin Heidelberg 1995.Google Scholar
  10. [Nimi96]
    Nimis, J.: Einführung in die Methoden der Wissensgewinnung, in:Bol, G. et al. (Hrsg.): Wissensgewinnung aus großen Datenbasen, Seminar im Wintersemester 95/96, Universität Karlsruhe, Februar 1996, S. 1-18. (http://theseus.ubka.uni-karlsruhe.de/ira-techreport/1996/1996-08.html; Okt.’97).Google Scholar
  11. [PeHe98]
    Petersohn, H.; Heine, P.: Interdependencies between Data Warehouse Concept, Management Information System and Business Process Model, in: Proceedings of the 6th European Conference on Information Systems, 4.6. — 6.6. 1998, Aix-en-Provence, 1998, S. 1305-1319.Google Scholar
  12. [Pete97a]
    Petersohn, H.: Vergleich von multivariaten statistischen Analyseverfahren und Künstlichen Neuronalen Netzen zur Klassifikation bei Entscheidungsproblemen in der Wirtschaft, Frankfurt am Main 1997.Google Scholar
  13. [Pete97b]
    Petersohn, H.: Assesment of Clusteranalysis and Self Organizing Maps, in: International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 6 (1998) 2, S. 139–149.CrossRefGoogle Scholar
  14. [Sche98]
    Scheer, A.-W.: ARIS-Modellierungsmethoden Metamodelle Anwendungen, 3. völlig neubearbeitete und erweiterte Auflage, Berlin/Heidelberg/New York 1998.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 2001

Authors and Affiliations

  • Helge Petersohn
  • Peter Heine

There are no affiliations available

Personalised recommendations