Data Mining (deutsch etwa „Datenschürfen") ist der analytische Prozess, in großen Datenmengen automatisiert nach Mustern, Zusammenhängen und Regelmäßigkeiten zu suchen. Im engeren Sinne ist es der eigentliche Analyseschritt des KDD-Prozesses (Knowledge Discovery in Databases), der von der Datenauswahl bis zur Interpretation reicht.
Der Prozess: CRISP-DM
Der etablierte Standard für Data-Mining-Projekte ist CRISP-DM (Cross Industry Standard Process for Data Mining) mit sechs Phasen: Business Understanding (Ziel definieren), Data Understanding (Daten erkunden), Data Preparation (Daten aufbereiten), Modeling (Modelle anwenden), Evaluation (Ergebnisse bewerten) und Deployment (Ergebnisse in den Betrieb überführen). Der Prozess ist bewusst iterativ — Erkenntnisse führen zurück in frühere Phasen. Die Qualität der Ergebnisse hängt direkt von der Qualität der Eingabedaten ab — dafür sorgen Datenqualität und Data Governance.
Methoden
- Klassifikation: Datenobjekte einer bekannten Kategorie zuordnen, etwa E-Mail als Spam oder kein Spam.
- Clustering: ähnliche Objekte ohne vorgegebene Klassen gruppieren (Kundensegmente).
- Assoziationsregeln: gemeinsames Auftreten erkennen, klassisches Beispiel ist die Warenkorbanalyse („Kunden, die A kaufen, kaufen auch B").
- Regression: numerische Werte vorhersagen, etwa Umsatzprognosen.
- Anomalie-Erkennung: ungewöhnliche Abweichungen finden, wichtig für Betrugserkennung.
Einsatz und Abgrenzung
Data Mining wird für Warenkorbanalyse, Kundenbindung (Churn-Prognose), Betrugserkennung und Empfehlungssysteme eingesetzt. Die zugrunde liegenden Algorithmen stammen aus dem Machine Learning und Deep Learning. Typische Datenquellen sind relationale SQL-Datenbanken, NoSQL-Systeme oder Big-Data-Plattformen. Während Business Intelligence bekannte Kennzahlen auswertet, entdeckt Data Mining neue, vorher unbekannte Zusammenhänge.
Verwandte Grundlagen: Machine Learning, Big Data, Business Intelligence, Data Pipeline.