Data Mining Flashcards Preview

Business Intelligence > Data Mining > Flashcards

Flashcards in Data Mining Deck (10)
Loading flashcards...
1
Q

Was ist Data Mining

A

ist die Analyse einer großen Menge von Daten durch automatische oder halbautomatische Methoden, um aussagefähige Muster und Regeln zu finden

2
Q

Grundlegende Annahmen beim Data Mining

A

Aus der Vergangenheit lässt sich die Zukunft vorhersagen

Daten enthalten das , was wir vorhersagen wollen

Daten sind verfügbar
- mögliche Schwierigkeiten:
> Daten werden nicht erfasst
> Daten gehören einem anderen Bereich
> Daten sind im falschen Format
3
Q

Data mining ist nicht immer erfolgreich

A

Das entdeckte Wissen widerspricht dem bekannten Wissen

Das entdeckte Wissen führt zu falschen Entscheidungen

Widerstand in den Organisationen

Ergebnisse können für eine Aktion zu spät kommen

4
Q

Erfolg von Data Mining hängt ab von… / Was braucht man

A

gute Werkzeuge
fähige Analytiker
fundierte Methodik
Projektorganisation

Data Mining ist ein Prozess, der mehrere Tools und verschiedene Fähigkeiten benötigt

5
Q

Warum Data Mining

A

aus den Daten eines DWH können mit DM bestimmte Rückschlüsse und Zusammenhänge erkannt werden
> Einkaufsverhalten für bestimmte Produkte in Bezug zu einer bestimmten Klientel

6
Q

DM vs OLAP (Online Analytical Processing)

A

OLAP

  • betont anfragegetriebene Analysen
  • Antworten auf explizite Fragen

Data Mining

  • Untersuchung und Analyse wird von Maschinen angetrieben
  • Antworten auf implizite Fragen
7
Q

Beispiele von DM-Anwendungen

A

Betrugserkennung
- Identifikation von betrügerischen Transaktionen
> Reduziertes Risiko, Kostenersparnis

Fertigung
- Gründe für Fertigungsprobleme erkennten

Internet
- personalisierte Angebote, Kaufempfehlungen

8
Q

Aufgaben von Data Mining

A

Segmentierung
> Gibt es Gruppen von Kunden mit ähnlichem Verhalten

Klassifikation
> Zu welcher Gruppe gehört dieser Kunde

Ausreißer-Erkennung
> Wie erkennt man Benutzung gestohlener Kreditkarten

Abhängigkeitsanalyse
> Wie reagierten meine Kunden auf die letzte Marketingaktion

Prognose / Vorhersage
> Welche Kunden könnte ich demnächst (warum) verlieren?

9
Q

Data Mining Unterscheidungskriterium

A

Explorativ

  • Buttom Up
  • mit Daten starten
  • Versuch etwas zu finden, was wir noch nicht kennen

Zielgerichtet

  • Top Down
  • getrieben von Zielen und/oder Hypothesen
  • erkläre eine bestimmte Beziehung
  • sage den Wert eines Feldes voraus
10
Q

Zielgerichtet oder explorativ

A

DM beinhaltet normalerweise Aspekte von beiden Seiten:

  • exploratives DM versucht, Beziehungen der Daten zu erkennen
  • Zielgerichtetes DM versucht, diese Beziehungen zu erklären