Data Services

Mit unserem Data Service Angebot bieten wir Ihnen die komplette Analyse Ihrer Daten an. Je nach Aufgabenstellung benutzen wir dabei IBM SPSS Statistics, IBM SPSS Modeler oder eine Kombination aus beiden Paketen. Damit die Analyse jederzeit nachvollziehbar und auch mit neuen Daten wiederholt werden kann, arbeiten wir ausschließlich mit Syntax Dateien und Skripten. Im Modeler ist dagegen auch die interaktive Arbeit stets mit einem gesicherten Stream verknüpft, der ebenfalls die Möglichkeit bietet alle getätigten Schritte nachzuvollziehen.
 
 
crisp_processDas CRISP (Cross Industry Standard Process) Modell kommt bei all unseren Data Mining Projekten zur Anwendung. Durch diese strukturierte Vorgehensweise werden Projekte zuverlässig und erfolgreich durchgeführt.

Ein besonders wichtiger Teil sind dabei bereits die am Anfang stehenden Punkte Business Understanding und Data Understanding. Aus den vielfältig vorhandenen Daten eines Unternehmens muss zunächst ein umfangreiches Verständnis entwickelt werden. In dieser Phase ist eine Zusammenarbeit mit Mitarbeitern aus den Fachabteilungen noch unerlässlich.

Bereits beim Abschnitt Data Preparation kann unser Team weitgehend ohne interne Unterstützung die Daten bereinigen, kombinieren und neue Informationen daraus ableiten. Hierbei werden in der Praxis auch oft Unstimmigkeiten verschiedener Informationen aufgedeckt. Unternehmen die ihre Daten in einer Single Source of Information speichern haben an dieser Stelle einen wesentlichen Vorteil.

Obwohl die Erstellung der Data Mining Modelle oft als die Kernfunktion beim Data Mining gesehen wird, ist der zeitliche Aufwand dafür eher überschaubar. Viele Modelle werden zunächst automatisch erzeugt und der IBM SPSS Modeler kann in der Phase der Evaluation sogar verschiedene Modelle auf ihre Qualität gegenüberstellen. Somit lässt sich das beste Data Mining Model ohne großen Aufwand ermitteln.

Am Ende des CRISP Modells steht der Punkt Deployment. In dieser Phase werden die gefundenen Modelle in operative Prozesse integriert. Dieser Schritt unterscheidet sich von einer simplen Präsentation und Interpretation gefundener Ergebnisse. So kann z.B. bei einem Anruf eines Kunden im CRM sofort die notwendige Aktion empfohlen werden, welche sich aus den Kundendaten und dem Data Mining Model ergeben. Oder in Produktionsumgebungen können Prozesse optimiert werden, noch bevor sich Ausfälle häufen.

Je nach Qualität der gefundenen Modelle und den zu erwartenden Ergebnissen kann der Data Mining Prozess noch einmal durchlaufen werden. In der Praxis werden tatsächlich in regelmäßigen Abständen die Modelle neu berechnet und evtl. auch Daten zusätzlich aufgearbeitet. Data Mining ist somit keine einmalige Aktion, sondern sollte ein kontinuierlicher Prozess sein.