Loading...
EN

Analytische Informationssysteme

Nach bestem Wissen entscheiden

Analytische Informationssysteme leisten einen wichtigen Beitrag zur Entscheidungsfindung in Unternehmen. Mittels Datawarehouse, On-Line Analytical Processing und Data Mining werden alle relevanten Informationen so analysiert und aufbereitet, dass sich daraus neues Wissen ableiten lässt. Diese neuen Erkenntnisse helfen besonders bei strategischen und operativen Entscheidungen bedeutsam weiter.

Dabei ergänzen sich die jeweiligen Technologien mit ihren unterschiedlichen Funktionen: So beinhaltet das Datawarehouse die entscheidungsorientierten, unternehmensweiten Daten. Während Online Analytical Prozessing (OLAP) als Analysetechnologie fungiert, die es Anwendern ermöglicht, durch das quantitative Datenmaterial intuitiv zu navigieren und somit Zusammenhänge besser zu erkennen, bietet Data Mining ergänzend Techniken und Verfahren, um versteckte Strukturen und Muster in den Daten ausfindig zu machen. Im Zusammenspiel liefern diese drei Technologien wichtige Erkenntnisse für Unternehmen.

Durch unsere langjährige Erfahrung, detaillierte Kenntnisse der Geschäftsprozesse und exzellente Produktkenntnisse können wir Sie mit unseren IT-Lösungen schnell und gezielt unterstützen. So setzt die Sulzer GmbH etwa bei der Umsetzung von Business Analytics Projekten auf den Data Mining-Standardprozess Cross Industry Standard Process for Data Mining (CRISP-DM), in dem ein prozessuales Rahmenwerk vorgegeben ist.

Es werden sechs Phasen in Data Mining-Projekten unterschieden. Wobei man sich diese nicht als einmaligen, sequentiellen Ablauf vorstellen sollte. Vielmehr wird innerhalb eines Projekts zwischen den verschiedenen Phasen hin- und her gewechselt.

Data Mining-Phasen im Detail

Business Understanding

  • Durchführung der Anforderungsanalyse
  • Erstellung des Business Case
  • Festlegung einer groben Vorgehensweise

Data Understanding

  • Analyse der benötigten Daten bzw. der Datenquellen

Data Preparation

  • Aufbau des Datenmodells (Benötigte Tabellen, Datensätze und Attribute)
  • Validierung der Daten
  • Bereinigung von Datenqualitätsmängeln

Modeling

  • Anwendung geeigneter Data Mining-Verfahren
  • Optimierung der Parameter
  • Ableitung von mehreren Modellen

Evaluation

  • Ermittlung des Modells, das die Aufgabenstellung am besten beschreibt
  • Sorgfältiger Abgleich mit der Aufgabenstellung

Deployment

  • Implementierung des entsprechenden Data Mining-Prozesses
  • Automatisierung des Data Mining-Prozesses
  • Visualisierung der Daten (Reporting)
  • Automatisierung der Verteilung (Reports)

Wir kennen die Einsatzmöglichkeiten für Business Analytics aus den verschiedensten branchenübergreifenden Anwendungsbereichen – mit Schwerpunkt in der Automobilindustrie. Unsere profunde Erfahrung basiert auf der langjährigen Arbeit für renommierte Großkonzerne wie BMW und Audi.

Scroll to Top