Data-Mining: Verborgene Schätze in Unternehmensdaten

Natürlich wollen Unternehmen mehr über ihre Betriebsabläufe und ihre bestmöglichen Erfolgschancen erfahren. Die Darstellung von IDC ist daher doppelt interessant, denn sie bestätigt, dass BI trotz des derzeitigen Sinkens der Gesamtausgaben für IT einer der wenigen Bereiche ist, der sich eines positiven Wachstums erfreuen kann. Trotz seiner Kosten ist Data-Mining anscheinend vor der Rezession gefeit: Sein Wertschöpfungsansatz macht Data-Mining zu einem entscheidenden Verbündeten bei der Identifizierung und beim Setzen strategischer Prioritäten, die einem von wirtschaftlich schwierigen Zeiten hart getroffenen Unternehmen die Kehrtwende ermöglichen können.

In einer Studie über den Geschäftswert von Business-Analytics fand IDC kürzlich heraus, dass die erfolgreiche Einführung und Verwendung von Analytics bei nordamerikanischen und europäischen Unternehmen Kapitalrenditen (ROI) zwischen 17 und 2000 Prozent erbrachte, wobei der durchschnittliche ROI bei 112 Prozent lag. Mehr als die Hälfte der Unternehmen hatte einen ROI von 101 Prozent oder mehr, und ein ganzes Fünftel der Befragten erfuhr einen ROI von 1000 Prozent oder darüber. Insgesamt belief sich der durchschnittliche Amortisationszeitraum auf 1,6 Jahre, und die Projekte waren im Mittel 4,5 Mio. US-Dollar wert. Gemeinsam mit anderen Veränderungen der Geschäftsabläufe wie z.B. CRM eingesetzt, lieferte Analytics einen durchschnittlichen ROI von 55 Prozent.

Diese Zahlen präsentieren ein überzeugendes Argument für Business Analytics, und Data-Mining macht einen bedeutenden Teil davon aus. Es ist möglich, zu diesem Zweck ein recht überzeugendes Geschäftsmodell um die Einführung solcher Technologien herum zu konstruieren, bei der es sich sowohl um eine lohnende Investition in neue Umgebungen handelt als auch um einen großen Schritt nach vorn für Unternehmen, die in der Vergangenheit größere Investitionen in Data-Warehouses getätigt haben. Wie die Zahlen von IDC zeigen, werden die möglichen Renditen tatsächlich nur von der Vorstellungskraft beschränkt.

Themenseiten: IT-Business, Strategien, Technologien

Fanden Sie diesen Artikel nützlich?
Content Loading ...
Whitepaper

Artikel empfehlen:

Neueste Kommentare 

3 Kommentare zu Data-Mining: Verborgene Schätze in Unternehmensdaten

Kommentar hinzufügen
  • Am 25. August 2003 um 20:19 von Ralf Dietrich

    Ausführlich – aber bitte weiteren Aspekt bedenken!
    Vielen Dank für den langen Artikel. Es hat sich gelohnt!
    Ich möchte aber ergänzen, dass Data Mining Modelle (Algorytmen) ein Training für die Datenbasis benötigen, um Vorhersagen treffen zu können. Daraus folgt, das sie mit der Zeit immer besser werden können, wenn man die Voraussagen mit den Ergebnissen konfrontiert.
    Das Training (mit verifizierten Daten) ist wesentlich für die Qualität der Aussagen der Mining Modelle.

  • Am 8. September 2003 um 9:59 von Dieter Gennburg

    Data-Mining mit R
    Die freie Statistikprogrammiersprache R dazu verwenden.

  • Am 11. Februar 2011 um 19:11 von Frank Xavier

    Open Source Data Mining mit RapidMiner und RapidAnalytics
    Als kostenlose erhältliche Open-Source-Lösungen für den Unternehmenseinsatz empfehle ich:

    * RapidMiner für Desktop oder Notebook: http://www.RapidMiner.com/

    * RapidAnalytics als Server-Lösung: http://www.rapid-i.com/

    Wahlweise kann man in RapidMiner und RapidAnalytics über Erweiterung (Extensions) die Open-Source-Systeme Weka und R einbinden. Es geht aber auch ohne, denn RapidMiner und RapidAnalytics bieten bereits von hause aus sehr viele maschinelle Lernverfahren und statistische Modellierungsverfahren.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *