Zusammenfassung
In seltenen Fällen, ist das Problem, was man versucht zu lösen, so komplex, dass die beschriebenen Methoden aus Modul 1 nicht den erhofften Erfolg herbeiführen. Dann bleiben die wichtigen Prozessfaktoren oder die gesuchten Ursachen weiterhin im Dunkeln.
In solchen Fällen wird eine proaktive Datenanalyse empfohlen. Der Aufwand für die Anwendung von Datamining-Methoden ist für die meisten KMUs hoch, da hier alle relevanten Unternehmensdaten in einem Datawarehouse überführt und in eine analysefähige Form gebracht werden müssen. Dadurch, dass man bei Problemen und Ursachen im Dunkeln tappt, wird man kaum die relevanten Daten filtern können. Die gesamtheitliche Analyse ist die besondere Herausforderung und gleichzeitig die Stärke dieser Phase.
In diesem Kapitel werden einige Datamining-Methoden vorgestellt und die Datenaufbereitung nach dem ETL-Prozess beschrieben. Im Fokus des Vorgehens steht die Nutzung des SQL-Serversystems von Microsoft. Das Datamining-Modell hilft nicht nur dabei das System Unternehmen besser zu verstehen, sondern es liefert auch ein Vorhersagemodell, mit dem man künftig auch Prognosen erstellen kann.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2019 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Tavasli, S., Erwerle, B.J. (2019). Das STEB-Modul: Modul 2: Datamining – die proaktive Datenanalyse. In: Veränderungsprojekte erfolgreich umsetzen. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-57701-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-662-57701-1_6
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-57700-4
Online ISBN: 978-3-662-57701-1
eBook Packages: Business and Economics (German Language)