w26M2

Im dritten Schritt müssen Empfehlungen ausgearbeitet
werden, die das System bei einem bestimmten Trend in
eine gewünschte Richting beeinflussen oder ein vorhergesagtes
Ereigniss verhindern 79 .
Der Einsatz von Predictive Analytics ist ein kontinuierlicher,
iterativer Prozess. Durch den fortschreitenden
Einsatz werden die eingesetzten Modelle immer weiter
verbessert und angepasst, und damit werden auch die
Vorhersagen immer präziser.
In-Database Analytics
Müssen größere Datenmengen verarbeitet werden, so
kann es auch sinnvoll sein, die Analysen direkt in der
Datenbank auszuführen. Das bedeutet, dass die Berechnungen
dort durchgeführt werden, wo die Daten gespeichert
sind und nicht, wie sonst üblich, die Daten erst zu
einem Berechnungsserver transferiert werden, der dann
die Analysen berechnet. Das hat den Vorteil, dass weniger
Daten über das Netzwerk transportiert werden müssen
und die Last des Berechnungsservers reduziert wird.
Dieses Vorgehen nennt sich In-Database Analytics. Dabei
wird der für die Berechnung notwendige Programmcode
in der Datenbank abgelegt und durch SQL oder eine
andere Datenbankanweisungen ausgeführt. Gerade im
Big-Data-Umfeld werden durch diese Herangehensweise
Datenmengen handhabbar, die vorher nicht verarbeitet
werden konnten. Die Hersteller analytischer Datenbanksysteme
bieten daher ein breites Spektrum unterschiedlicher
Werkzeuge und Methoden an, die es erlauben,
komplexe statistische Berechnungen in der Datenbank
auszuführen.
4.3.6 Data Mining und R
und Techniken, der die Intention zusammenfasst – geradezu
im Sinne eines »Daten-Bergbaus« – Schätze, also
verwertbares Wissen, aus den Daten des Unternehmens
zu fördern. Insbesondere bezeichnet Data Mining im
Kontext dieses Leitfadens das intelligente, größtenteils
automatisierte Aufspüren und die Extraktion von
interessanten, d.h. wirtschaftlich nutzbaren Mustern und
Zusammenhängen in großen Datenbeständen. Dabei
sind die eingesetzten Methoden, Verfahren und Techniken
interdisziplinär und stammen aus klassischen Bereichen
der Mathematik, Statistik und Informatik sowie der Biologie
und Physik.
Da es keine einzige Methode gibt, die für alle möglichen
Problemstellungen geeignet ist bzw. alle anderen Methoden
dominiert, hängt damit die Entscheidung bezüglich
der zu verwendenden Methodik von der jeweiligen
Problemstellung sowie – auch dies ist wichtig – von dem
Erfahrungshorizont des Data-Mining-Experten ab. Insbesondere
wichtig ist, dass die Arbeit von einer mächtigen
und leistungsfähigen Plattform unterstützt wird, die
zudem noch eine große Verbreitung haben soll, um nicht
an dieser Stelle in Engpässe zu laufen.
Da die Behandlung aller am Markt verfügbaren möglichen
Plattformen diesen Leitfaden bei Weitem sprengen
würde, soll nur eine mögliche Plattform hier einmal näher
demonstriert werden. Damit das durchgängige Beispiel
dieses Abschnitts bei Interesse auch praktisch nachvollziehbar
ist, wurde die kostenlose und frei verfügbare
Plattform R gewählt.
Plattform R – De-facto-Standard-Tool für Data
Mining
Data Mining – Extraktion wirtschaftlich nutzbarer
Muster
Der Begriff Data Mining ist ein sehr bildlicher Oberbegriff
für eine Vielzahl von verschiedenen Methoden, Verfahren
R ist eine freie Programmiersprache für statistisches Rechnen
und statistische Grafiken. R ist Teil des GNU-Projekts,
auf vielen Plattformen verfügbar 80 und gilt zunehmend
als die statistische Standardsprache sowohl im kommerziellen
als auch im wissenschaftlichen Bereich 81 .
79
z. B. eine Reparatur an einer Pumpe bevor diese ausfällt
80
http://www.r-project.org/
81
http://r4stats.com/articles/popularity/
62