Projektgruppe Business Intelligence Applications and Evaluation ...

Projektbericht Cuberunner
Technischer Vergleich
8.3
Vergleich Data Mining
Nr. Kriterium Gew. R IBM SPSS Modeler
nicht funktional
nf-1 Unabhängigkeit vom Hersteller 4% 4 1
nf-2 Support & Dokumentation 6% 3 4
nf-3 Benutzerfreundlichkeit 6% 2 3
nf-4 Integrierbarkeit 7% 3 2
nf-5 Erweiterbarkeit 7% 4 2
nf-6 Zuverlässigkeit 7% 3 2
nf-7 Geschwindigkeit 3% n. b. n. b.
funktional
dm-1 Datenquellen & -ziele 15% 4 4
dm-2 Unterstützte Methoden 25% 4 3
dm-3 Prozessmanagement, Datenvisualisierung
& Evaluierung
20% 4 4
Bewertung 3,635 3,105
Tabelle 8.3: Vergleich Data Mining
SPSS Modeler und R sind zwei umfassende Tools zur Lösung von Data Mining Anwendungsfällen.
Da Data Mining ein sehr komplexes Thema ist, und tiefgreifendes Vorwissen zur korrekten
Anwendung der Algorithmen notwendig ist, sind auch die Tools dementsprechend komplex. Während
SPSS Modeler von IBM eine lizensierte Software ist, wird R unter den Open Source Richtlinien
bereitgestellt und ist für jedermann zugänglich. Daraus begründen sich auch die Hauptunterschiede der
beiden Produkte. Während R sehr offen konfigurierbar und erweiterbar ist, wird SPSS Modeler als
fertiges Produkt vertrieben, welches nur durch zusätzliche Kosten erweiterbar ist. Um R sinnvoll
einsetzen zu können braucht man mehr Ressourcen und Know-how, das im Unternehmen aufgebaut
werden muss. SPSS Modeler kann relativ zügig installiert werden und erste Ergebnisse sind schneller
erzielt, allerdings nur im Rahmen der vorgegeben Möglichkeiten. Zudem bietet es Garantie- und
Supportleistungen, die bei R nicht gegeben sind. Auf der anderen Seite besitzt R eine große Online
Community für die Beantwortung von Fragen und Neuentwicklungen. Zusammenfassend lässt sich
sagen, dass keines der beiden Tools als „besser“ bezeichnet werden kann, da dies vom jeweiligen
Anwendungszweck und Unternehmenseigenheiten abhängig ist. Beide Tools bieten eine sehr große
Auswahl an Data Mining Methoden und sind beide beliebte und sehr ausgereifte Produkte.
670