Data-Mining: Verborgene Schätze in Unternehmensdaten

Trotz aller Vorteile birgt die Implementierung von Data-Mining auch ein nicht zu vernachlässigendes Risiko. Dieses Risiko liegt nicht so sehr in den Lösungen selbst, sondern in der Tatsache, dass der richtige Einsatz der Technologie ein Gebot ohne Alternative ist. Befinden sich nicht sämtliche Daten am richtigen Ort (und auch in der richtigen Reihenfolge), wird selbst der intelligenteste Data-Mining-Algorithmus Fehlinformationen hervorbringen, welche die resultierenden Erkenntnisse verfälschen.

Führen Probleme bei der Dateneingabe beispielsweise dazu, dass die Nachnamen eines Kunden falsch oder auf mehrere Weisen geschrieben sind, wird jede Analyse der Kundendaten diesen Kunden als einen anderen Menschen mit jeweils anderen Kaufgewohnheiten behandeln. Desmond McGillevray kauft dann vielleicht gern Pringles-Kartoffelchips in dem Geschäft in Hurstville, während Desmond MacGillevray jede Menge Zahnpasta in Kogarah einkauft und Desmond McGillevry wiederum öfters Doritos in Rockdale kauft.

Natürlich wird man nicht bei jedem Lebensmitteleinkauf den Namen des Kunden notieren, aber dies ist nur ein praktisches Beispiel. Der Punkt ist der gleiche: Gibt man diese Daten in ein Data-Mining-System ein, wird dieses etwas anderes ausgeben, als wenn man ein Langzeitprofil der allgemeinen Kaufgewohnheiten von Desmond MacGillevry erstellt hätte. Überträgt man diese Art von Problem auf Hunderttausende von Kunden, kann man leicht erkennen, warum viele Unternehmen Data-Mining nicht als ein eigenständiges Projekt, sondern eher als ein Ziel betrachtet haben, das nach sorgfältiger Pflege und Verbesserung der Daten erreicht werden sollte.

Die Fähigkeit, diese Einkäufe zueinander in Verbindung zu setzen, ist Grund genug, ein Treueprogramm einzuführen, bei dem jeder Kunde eindeutig identifiziert werden kann. Das verringert wiederum das Risiko von Dateneingabefehlern und zentriert späteren Kundendienst und Marketing um einen einzigen historischen Eintrag.