Was sind die verschiedenen Arten der Data Mining-Analyse?
Die Data Mining-Analyse kann ein nützlicher Prozess sein, der je nach dem für die Datenauswertung verwendeten Algorithmus unterschiedliche Ergebnisse liefert. Zu den gebräuchlichen Arten der Data Mining-Analyse gehören: explorative Datenanalyse (EDA), deskriptive Modellierung, prädiktive Modellierung und Ermitteln von Mustern und Regeln. Die Verwendung jedes dieser Data Mining-Tools bietet eine andere Perspektive auf gesammelte Informationen. Profis, die diese Techniken anwenden, können basierend auf dem verwendeten Analysetool zusätzliche Einblicke in ein Problem oder Problem gewinnen.
Aufgrund der unterschiedlichen Ergebnisse, die Data Mining-Analysetools beim Einsatz liefern, ist es angebracht, jeweils eine grundlegende Überprüfung in Betracht zu ziehen. Die explorative Datenanalyse (EDA) umfasst die Überprüfung eines Datensatzes ohne eindeutige Zielvorgaben für die Prüfung. Variablen, die die Daten definieren, werden als Grundlage für die Bereitstellung visueller Darstellungen für den Forscher verwendet. Mit zunehmender Anzahl von Variablen wird dieses Data Mining-Analysetool möglicherweise weniger effektiv für die Visualisierung von Daten.
Bei der deskriptiven Modellierung handelt es sich um ein Data Mining-Analysetool, mit dem alle Daten in einem bestimmten Datensatz zusammengefasst beschrieben werden. Insbesondere werden bei diesem Ansatz alle Daten synthetisiert, um Informationen zu Trends, Segmenten und Clustern bereitzustellen, die in den gesuchten Informationen vorhanden sind. Beschreibende Data Mining-Analysen werden häufig in der Werbung eingesetzt. Ein Beispiel hierfür ist die Marktsegmentierung, bei der Vermarkter größere Kundengruppen nehmen und nach homogenen Merkmalen segmentieren.
Zu den Data Mining-Analysetools gehört auch die prädiktive Modellierung. Die prädiktive Modellierung umfasst die Entwicklung eines Modells auf der Grundlage vorhandener Daten. Das Modell wird dann als Grundlage für die Vorhersage einer anderen Variablen verwendet, die für die überprüften Daten relevant ist. Der Begriff "prädiktiv" gibt an, dass dieses Data Mining-Tool es dem Benutzer ermöglichen kann, einen bestimmten Wert basierend auf dem, was in der Datenmenge bekannt ist, vorherzusagen. Mithilfe von Predictive Analysis können Vermarkter feststellen, nach welchen Produkten Kunden suchen. Aufgrund der aktuellen Einkaufstrends können Vermarkter möglicherweise Vorhersagen treffen, welche neuen Produkte in Zukunft beliebt sein werden.
Das Erkennen von Mustern und Regeln unterscheidet sich von beschreibenden und prädiktiven Data Mining-Tools. Während deskriptive und prädiktive Tools die Modellbildung als Grundlage für die Analyse verwenden, konzentriert sich das Entdecken von Mustern und Regeln auf die Identifizierung von Mustern in den Daten. Marketer, die beispielsweise für Lebensmittelgeschäfte arbeiten, verwenden dieses Data-Mining-Analysetool häufig zur Ermittlung von Kaufmustern. Durch die Bestimmung, welche Produkte Kunden konsistent in derselben Bestellung kaufen, können gezielte Werbeaktionen für die Artikel entwickelt werden.