Aufgabenstellung

Ziel der Bachelorarbeit ist die Darstellung der bisherigen Anwendung von Data-Mining-Methoden im Performance Management. Hierbei sind sowohl die methodischen Grundlagen von Data-Mining-Methoden als auch deren Einsatzmöglichkeiten zu analysieren. Ein besonderer Schwerpunkt soll auf dem Bereich des Kundenwert-Controllings liegen.

Dabei sind folgende Aufgabenstellungen zu bearbeiten:

 Darstellung der theoretischen Grundlagen zum Data Mining

 Systematischer Überblick und Beurteilung der verschiedenen Data-Mining Methoden

 Bisheriger Einsatz von Data-Mining-Methoden im Performance Management  Identifikation von Anwendungsmöglichkeiten des Data Mining  Konzeption eines Fragebogens zur Verbreitung, Zielsetzung, Entscheidungsunterstützungspotenzialen, Nutzungs-/ Anwendungsgebieten etc.  Diskussion von Potenzialen und Herausforderungen des Data Mining im Perfor- mance Management

Inhaltsverzeichnis III

Inhaltsverzeichnis   

Abk  ürzungsverzeichnis  V

Abbildungsverzeichnis   VI

1  Data Mining als Instrument der Entscheidungsunterstützung  

im  Kontext wachsender Datenmengen  7

2  Theoretische Grundlagen des Data Mining  9

2.1  Begriffe und Entwicklung des Data Mining.  9

2.2  Der KDD-Prozess in Abgrenzung zum Data Mining  13

2.3  Einordnung des Data Mining in die analytischen Informationssysteme  15

2.4  Aktivitäten und Problemstellungen des Data Mining  21

3  Systematischer Überblick und Beurteilung  

der  verschiedenen Data-Mining-Methoden  24

3.1  Fallbasiertes Schließen  24

3.2  Neuronale Netze  26

3.3  Entscheidungsbäume  28

3.4  Genetische Algorithmen  31

3.5  Visualisierung  32

4  Bisheriger Einsatz von Data-Mining-Methoden  

im  Performance Management verschiedener Branchen.  35

4.1  Banken.  36

4.1.1  Betrugserkennung  36

4.1.2  Financial Management  37

4.2  Handel  38

4.2.1  Warenkorbanalyse und Cross Selling  38

4.2.2  Direct- und Database-Marketing  39

4.3  Industrie  41

4.3.1  Ursachenanalyse von Fehlern in Produktionsprozessen.  41

4.3.2  Vorhersage von Komponentenausfällen in der Flugzeugwartung  42

4.4  Branchenübergreifender Einsatz von Data-Mining-Methoden  44

4.4.1  Kundenwert-Controlling  44

4.4.2  Customer Relationship Management  47

Inhaltsverzeichnis IV

5  Identifikation von Anwendungsmöglichkeiten des Data Mining  49

5.1  Text-, Opinion- und Web-Mining  50

5.2  Churn Management  53

5.3  Neuere Ansätze zur Betrugserkennung  55

6  Konzeption eines Fragebogens zur Verbreitung, Zielsetzung, Entschei-  

dungsunterst  ützungspotenzialen und Nutzungs-/Anwendungsgebieten  

des  Data Mining  57

7  Diskussion von Potenzialen und Herausforderungen  

des  Data Mining im Performance Management  59

7.1  aCRM: Trends und Probleme  59

7.2  Nichtnumerische, nichtstationäre und multidimensionale Daten  60

7.3  Datenschutzrechtliche Aspekte des Data Mining  62

Anhang   64

Literaturverzeichnis   LXIX

Abk  ürzungsverzeichnis  V

Abk  ürzungsverzeichnis  

aCRM  analytical Customer Relationship Management  

BI  Business Intelligence  

CART  Classification and Regression Trees  

CBR  Case-Based Reasoning  

CHAID  Chi-square Automatic Interaction Detectors  

CLV  Customer Lifetime Value  

COTS  Commercial Off-the-Shelf-System  

CRISP  -DM Cross-Industry Standard Process for Data-Mining  

CRM  Customer Relationship Management  

DMKD  Data Mining and Knowledge Discovery  

DW  Data Warehouse  

ID3  Iterative Dichotomiser  3

KDD  Knowledge Discovery in Databases  

KDT  Knowledge Discovery from Text  

MDM  Multimedia Data Mining  

Miner  Programm des Data Mining zur Datenanalyse  

NN  Neural Networks  

RF  -MModell Recency, Frequency, and Monetary value model  

RI  Rule Induction  

SHV  Shareholder Value  

Abbildungsverzeichnis   

Abbildungsverzeichnis   

Abbildung  1: Evolutionsstufen des Data Mining  

Abbildung  2: DMKD-Publikationen seit 1994  

Abbildung  3: Der KDD-Prozess  

Abbildung  4: Zusammenhänge der analytischen Informationssysteme  

Abbildung  5: Abfrage im OLAP-Datenwürfel.  

Abbildung  6: Datenanalysezyklus nach Knobloch  

Abbildung  7: Die Problemtypen des Data Mining  

Abbildung  8: Modelltypen zur Lösung unternehmerischer Probleme  

Abbildung  9: Der CBR-Zyklus  

Abbildung  10: Neuron eines Neuronalen Netzes  

Abbildung  11: Entscheidungsbaum  

Abbildung  12: Algorithmen von Entscheidungsbäumen  

Abbildung  13: Optimierung mit Genetischen Algorithmen  

Abbildung  14: 3D-Stadtmodell der LandXplorer-Software  

Abbildung  15: Auswahl von Anwendungsgebieten des Data Mining  

Abbildung  16: Mögliche Ertragsfaktoren beim Einsatz von Data-Mining-Systemen  

Abbildung  17: Ordnungsrahmen des Text Mining  

Abbildung  18: Potenzial verschiedener Verfahren zur Betrugserkennung  

1 Data Mining als Instrument der Entscheidungsunterstützung im Kontext wachsender Datenmengen

In einer Welt, die immer mehr von Unsicherheit geprägt ist, sind insbesondere jene Unternehmen erfolgreich, die konstant neues Wissen produzieren und dieses in kontinuierliche Innovation umsetzen. ¹ Häufig ist dieses Wissen im „Rohzustand“ bereits in Form von „Geschäftserfahrungen“ im Unternehmen vorhanden. ² Zudem sind diese Erfahrungen durch die Entwicklungen in der Informationstechnologie meist als elektronisch gespeicherte Daten verfügbar. Durch fortschrittlichere Speichermethoden und die zunehmende elektronische Dokumentation von Geschäftsvorfällen steigt allerdings auch das damit verbundene Datenvolumen. So verzeichnete die US-Suchmaschine Yahoo! 2007 im Monat durchschnittlich 425 Millionen Besucher, welche pro Tag 10 Terabyte Daten produzierten. ³ Auch der US-Einzelhandelskonzern Wal-Mart sieht sich seit Einführung der elektronischen Scannerkassen mit umfangreichen Datenmengen konfrontiert, welche potenzielles Wissen über das Kaufverhalten der Kunden enthalten. ⁴ FAYYAD ET AL. stellen fest, dass sich Datenbanken sowohl durch die wachsende Anzahl an Objekten als auch durch die Zunahme der zugehörigen Objektattribute stark vergrößern. 5

Es stellt sich nun die Frage, wie dieses verborgene Wissen freigelegt und zur Unterstützung von Managemententscheidungen genutzt werden kann. Eine manuelle Extraktion durch den Menschen scheint schwierig bis unmöglich, da die Komplexität massiver Datenbestände die menschliche Fähigkeit zur Analyse übersteigt. ⁶ Eine Unterstützung durch computergestützte Methoden ist daher notwendig, wodurch die

¹ Vgl. Nonaka (1991), S. 96

² Berry, Linoff (1997), S. 2ff.

³ Vgl. Wolfgang Martin Team (2010), S. 51

⁴ Vgl. Berry et al. (1994), URL: siehe Literaturverzeichnis

⁵ Vgl. Fayyad, Piatetsky-Shapiro, Smyth (1996c), S. 28

⁶ Vgl. Fayyad, Piatetsky-Shapiro, Smyth (1996c), S. 29

Motivation zur Entwicklung und Anwendung von Data-Mining-Methoden begründet ist. Auch EINSTEIN hat im oben genannten Zitat erkannt, dass Wissensspeicherung und -extraktion Hand in Hand gehen müssen.

Da es sich bei Data Mining um ein relativ junges Forschungsgebiet handelt, fehlt es an einheitlichen Beschreibungen und konkreten Definitionen. Zu diesem Schluss kommen auch PENG ET AL., weshalb sie durch Anwendung von Grounded Theory und Dokumenten-Clustering einen beschreibenden Ordnungsrahmen des aktuellen Standes von Data Mining und Wissensentdeckung (DMKD) veröffentlicht haben. ⁷ Da es sich hierbei um die Querschnittsbetrachtung eines relativ breiten Feldes handelt, soll diese Arbeit den Fokus auf einen speziellen Aspekt der Studie legen: die aktuelle und potenzielle Anwendung von Data Mining in der Praxis. Konkret möchte ich dessen Nutzung als Instrument des Performance Managements zur Entscheidungsunterstützung untersuchen, da hier von vielen Unternehmen ein großes Nutzenpotenzial gesehen wird. 8 9

Im Mittelpunkt des zweiten Kapitels steht die Suche nach einem Theoriegerüst für das Data Mining. Gegenstand von Kapitel 3 ist ein Überblick und die kritische Würdigung einer Auswahl populärer Data-Mining-Methoden. Im vierten Kapitel soll anhand diverser Branchenbeispiele der bisherige Einsatz von Data Mining im Performance Management betrachtet werden, während Kapitel 5 weitere Anwendungsmöglichkeiten aufzeigen soll. Um eine empirische Auswertung der in Kapitel 4 und 5 gefundenen Ergebnisse in der Unternehmenspraxis zu ermöglichen, behandelt Kapitel 6 die Entwicklung eines Fragebogens für eine kommende Unternehmensbefragung. Den Abschluss bildet eine Diskussion über Potenziale und Herausforderungen des Data Mining.

⁷ Peng et al. (2008), S. 640

^{8 Vgl. Bange, Marr, Bange (2009), S. 19 9} Vgl. Frisch (2009), S. 21

2 Theoretische Grundlagen des Data Mining

2.1 Begriffe und Entwicklung des Data Mining

Der Begriff Data Mining ist eine Anlehnung an den Bergbau, im Speziellen die Gold-oder Kohleförderung. Die Aufgabe ist das automatische Auffinden und Extrahieren des „Rohstoffs“ Wissen aus den „Datenbergen“ eines Unternehmens, in denen es möglicherweise „vergraben“ liegt. 10

Aufgrund der noch jungen Geschichte des Data Mining existieren viele Definitionen, deren Inhalt sich mitunter stark voneinander unterscheidet.

LACKES definiert Data Mining im Gabler Wirtschaftslexikon wie folgt:

„Unter Data Mining versteht man die Anwendung von Methoden und Algo-

rithmen zur möglichst automatischen Extraktion empirischer Zusammenhänge zwischen Planungsobjekten, deren Daten in einer hierfür aufgebau- tenDatenbasis bereitgestellt werden.“ 11

LACKES sieht Data Mining als singuläre Aufgabe, die allerdings eine vorbereitete Da-tengrundlage voraussetzt. Zusätzlich wird der automatisierte Ablauf des Data Mining hervorgehoben. Die genannten empirischen Zusammenhänge können gespeicherte Geschäftsprozesse in Unternehmen darstellen, beispielsweise Kundenhistorien über vergangene Einkäufe. Diese historischen Daten sollen für Planungsaufgaben genutzt werden, indem darin enthaltene Muster erkannt werden.

YOON betrachtet Data Mining folgendermaßen:

„Data Mining kombiniert Techniken des maschinellen Lernens, der Mustererkennung, der Statistik [sowie] aus Datenbanken und Visualisierung, um Konzepte, Konzeptbeziehungen und interessante Muster automatisch aus großen Unternehmensdatenbanken zu extrahieren.“ 12

Durch diese Definition wird deutlich, dass es sich bei Data Mining um ein fächerübergreifendes Gebiet handelt, dessen Entwicklung durch viele Disziplinen geprägt wur-

¹⁰ Vgl.Rygielski, Wang, Yen (2002), S. 485

¹¹ Lackes, (2010), URL siehe Literaturverzeichnis

¹² Yoon (1999), URL: siehe Literaturverzeichnis: „DM combines techniques from machine learning, pattern recognition, statistics, databases, and visualization to extract concepts, concept interrelations, and interesting patterns automatically form large corporate databases.”

de. ¹³ Diese sind u.a. Statistik, Mathematik, Informatik, Künstliche Intelligenz, Maschinelles Lernen, Ingenieurwissenschaften und auch Naturwissenschaften wie Biologie, Medizin sowie Psychologie. 14

Bisher wurde Data Mining als einzelne Aufgabe gesehen. Es ist allerdings auch eine Betrachtung des gesamten Prozesses „Wissensentdeckung“ möglich. In diesem Fall ist vom „KDD-Prozess“ die Rede. KDD steht für „Knowledge Discovery in Databases“ und wurde von FAYYAD ET AL. folgendermaßen definiert:

„[KDD ist] Der nichttriviale Prozess zur Identifizierung gültiger, neuartiger, potenziell nützlicher, und letztendlich verständlicher Muster in Daten.“ 15

Den Autoren nach bedeutet „nichttrivial“, dass Wissensentdeckung über die klassischen Berechnungsaufgaben von Computern hinausgeht, da nun die Suche nach Mustern und Strukturen im Vordergrund steht. Die gefundenen Muster sollten gültig hinsichtlich deren Anwendung auf neue Daten sein und nicht bereits bekannte Erkenntnisse liefern. Zudem wäre es wünschenswert, wenn sie einen Nutzenbeitrag für den KDD-Prozess aufweisen würden und der Nutzer die gefundenen Muster verstehen könnte.

Der Konsens der meisten Definitionen des Data Mining liegt gemäß WIEDMANN im Auftreten des Phänomens „Lernen“, mit dem Unterschied, dass zunächst der Computer aus den Daten lernen muss und erst im Anschluss das Gelernte an den Nutzer weitergegeben wird. Weiterhin grenzt er die Anwendung von Data Mining in anderen Disziplinen aus und beschränkt dessen Nutzung auf den betriebswirtschaftlichen Kontext. Als weiterer wichtiger Aspekt wird die Hypothesenbildung angesprochen, welche im Data Mining automatisch geschieht. In der manuellen Datenanalyse muss der Mensch die Hypothesen selbst erzeugen, d.h. er muss wissen, wonach er sucht. Wiedmann definiert Data Mining daher wie folgt:

¹³ Vgl. Multhaupt (1999), S.8

¹⁴ Wiedmann (2001), S. 21

¹⁵ Fayyad, Piatetsky-Shapiro, Smyth (1996c), S. ^{30: “The nontrivial process of identifying valid, novel, potentially} useful, and ultimately understandable patterns in data.”

„Data Mining ist das computergestützte Lernen aus Daten bei einer be- triebswirtschaftlichenFragestellung. Lernen ist das Aneignen von Hypo- thesenüber Gesetzmäßigkeiten der Welt anhand von Erfahrungen.“ 16

Das Data Mining ist eine noch vergleichsweise junge Forschungsrichtung. Ende der 1980er Jahre zeichneten sich erste Ansätze einer möglichen Entwicklung ab, die im Laufe des kommenden Jahrzehnts immer konkreter wurden. Der erste Workshop zum Thema „Knowledge Discovery in Databases“ (KDD) fand im Jahre 1989 statt, woraus 1995 eine internationale Konferenz entstand. ¹⁷ Eine zeitliche Entwicklung des Data Mining lässt sich bei RYGIELSKI ET AL. finden:

Es lässt sich erkennen, dass der Fokus der ersten drei Evolutionsstufen auf retrospektiver Datenlieferung liegt, während Data Mining sich auf die vorausschauende Informationsgewinnung aus Daten konzentriert. Auffallend ist auch der proaktive Charakter des Data Mining, sodass eine automatische Auswertung und Aufbereitung der in den Daten enthaltenen Informationen erfolgt. Die Autoren kennzeichnen die einzelnen Stufen folgendermaßen: Speicherten in den 1960ern häufig nur einzelne Stellen im Unternehmen Daten für eigene Zwecke, so wurden in den 80ern unter-

¹⁶ Wiedmann(2001), S. 21

¹⁷ Vgl. Fayyad, Uthurusamy (1996), S. 26

¹⁸ Eigene Darstellung in Anlehnung an Rygielski, Wang, Yen (2002), S. 486

nehmensweite, einheitliche Datenbanken etabliert, die Abfragen einzelner Geschäftseinheiten ermöglichten. Eine tiefergehende manuelle Analyse erlaubten dann Entwicklungen wie On-line analytic processing (OLAP) in den 90er Jahren. So konnten nun auch mehrere Dimensionen in Echtzeit abgefragt werden.

Die Gemeinsamkeit aller bisherigen Perioden ist, dass die Gewinnung von Informationen immer einen manuellen Prozess darstellte, der mit wachsendem Datenvolumen stets schwieriger wurde. Daher war die Unterstützung durch die automatisierten Methoden des Data Mining notwendig. Als „anwendungsgetriebenes Feld“ zeichnet es sich zudem dadurch aus, dass eine rege Nachfrage seitens der Unternehmen zur Erschließung neuer Anwendungsgebiete führte. ¹⁹ Diese Aussage spiegelt sich auch in der wachsenden Anzahl an Publikationen seit Mitte der 1990er Jahre wider. PENG ET AL. haben dazu den Zeitraum ab 1994 untersucht:

Es ist ein starker Aufwärtstrend seit 1994 zu erkennen, der bis 2001 andauert. Ab diesem Zeitpunkt stagniert die Anzahl der Publikationen. Da die Untersuchung im Juli 2005 endete, sind zu diesem Zeitpunkt nur 69 Veröffentlichungen erfasst worden.

^{19 Peng et al. (2008), S. 658 20} Peng et al. (2008), S. 656

2.2 Der KDD-Prozess in Abgrenzung zum Data Mining

In der angloamerikanischen Literatur findet häufig eine starke Differenzierung der Begriffe Data Mining und KDD statt, während im deutschsprachigen Raum eine synonyme Verwendung gebräuchlich ist. MULTHAUPT beispielsweise sieht in beiden Begriffen eine inhaltliche Kongruenz. ²¹ FAYYAD ET AL. hingegen betrachten Data Mining nur als einen Teilprozessschritt des „KDD-Prozesses“. ²² Dieser wird in folgender Grafik veranschaulicht:

Die Autoren beschreiben den Prozess wie folgt: Zunächst müssen das Anwendungsgebiet und das Ziel des KDD-Prozesses bestimmt, vorhandenes Wissen in die Prozessentwicklung mit einbezogen und geeignete Daten für die Analyse ausgewählt werden. Letztere werden zu Zieldaten und sollten im nächsten Schritt gereinigt und vorverarbeitet werden. Die Reinigung verringert das Rauschen in den Daten, gibt Strategien für die Behandlung fehlender Datenfelder und für das Auftreten von Ausreißern vor und berücksichtigt bekannte zeitliche Veränderungen im Datenset. Dieses muss nun so transformiert werden, dass es weiter reduziert wird, um die Anzahl der Variablen zu verringern. Ziel dabei ist, dass möglichst wenige Attribute die Daten hinreichend genau beschreiben. Die bisherigen Schritte fallen unter den Teilprozess des „Preprocessing“. Dieser hat die Aufgabe, die Effektivität der Mustererkennung zu erhöhen, da die Qualität der vorliegenden Daten verbessert wird. ²⁴ . Im darauffolgen-

²¹ Vgl.Multhaupt (1999), S. 8

²² Vgl. Fayyad, Piatetsky-Shapiro, Smyth (1996b), S.41f.

²³ Eigene Darstellung in Anlehnung an Fayyad, Piatetsky-Shapiro, Smyth (1996b), S. 41

²⁴ Vgl. Yoon, (1999), URL: siehe Literaturverzeichnis

den Schritt kommt das Data Mining zum Einsatz. Dabei ist es wichtig, dass die ausgewählte spezifische Data-Mining-Methode zum Erreichen des Prozessziels beiträgt. So kann ein Nutzer beispielsweise ein verständliches Modell gegenüber einem Modell mit hoher Prognosefähigkeit präferieren. Erst im Anschluss wird Data Mining i.e.S. angewendet, d.h. die Suche nach Mustern in den vorher angepassten Daten. Der letzte Prozessschritt im KDD behandelt die Interpretation der gefundenen Muster und die Nutzung des gefundenen Wissens.

Es muss darauf hingewiesen werden, dass der KDD-Prozess interaktiv und iterativ ist. ²⁵ Dies bedeutet, dass der Anwender jederzeit den Prozess steuern muss und eventuell in einem späteren Prozessschritt gewonnene Erkenntnisse eine Anpassung früherer Schritte notwendig machen. Dieser Umstand wird in der Grafik durch Feedbackschleifen verdeutlicht. Ein anschauliches Beispiel dafür ist, dass im KDD-Prozess gefundenes Wissen Ausgangsbasis für einen weiteren Prozessdurchlauf sein kann, wie es im ersten Schritt bereits empfohlen wurde. Damit soll sichergestellt werden, dass der gewonnene Wissensstand durch wiederholte Überprüfung weiterhin seine Gültigkeit behält.

Die Antwort auf die Frage, ob es nun sinnvoll ist, die Begriffe Data Mining und KDD synonym zu gebrauchen, muss ich verneinen. Die vorbereitenden Schritte vor der eigentlichen Durchführung des Data Mining sind essentiell für dessen Erfolg und erhöhen die Wahrscheinlichkeit, brauchbare Erkenntnisse aus den Daten zu generieren. Zu diesem Schluss kommen auch diverse Autoren: MARTIN beschreibt die Notwendigkeit einer soliden Datengrundlage treffend mit dem Prinzip „garbage ingarbage out.“ ²⁶ CABENA ET AL. stellen fest, dass nur ca. 10% des Zeitaufwandes des KDD-Prozesses auf die Selektion und Anwendung des Data Mining entfallen. Dem gegenüber stehen allerdings ca. 60% für Datenauswahl und -aufbereitung. 27

Eine Synthese von KDD-Prozess und Data Mining wird in der Literatur oft dadurch erreicht, dass alternativ vom „Data-Mining-Prozess“ die Rede ist. Vorangetrieben wird dieser Trend auch durch die Entwicklung des „Cross-Industry Standard Process for Data-Mining“ (CRISP-DM), welches aus einer Initiative diverser Unternehmen

²⁵ Vgl. Wilde (2000), S. 13f.

²⁶ Wolfgang Martin Team (2010), S. 71

²⁷ Vgl. Cabena et al. (1998), S. 43

entstand. ²⁸ Damit sollen die bis dato oft existierenden Insellösungen des Data Mining eine stärkere Integration erfahren, um eine unternehmensübergreifende Nutzung zu ermöglichen.

2.3 Einordnung des Data Mining in die analytischen Informationssysteme Analytische Informationssysteme werden häufig auch als „Business Intelligence“ Systeme (BI) bezeichnet und dienen der „Informationsversorgung und funktionale[n] Unterstützung betrieblicher Fach- und Führungskräfte zu Analysezwecken.“ 29

Folgende drei Elemente der BI werden nun genauer betrachtet, da sie häufig zusammen in der Literatur genannt werden ^{30 31} : Data Warehouse, On-line analytic processing und Data Mining.

Die Aufgabe eines Data Warehouse (DW) ist, „inhaltsorientiert, integriert und dauerhaft Informationen zur Unterstützung von Entscheidern zu sammeln, zu transformieren und zu verteilen.“ ³² Damit fungiert es als zentrale, unternehmensweite Datenbasis zur Informationsspeicherung und -recherche. Zusätzlich können auch externe Information, wie beispielsweise volkswirtschaftliche Kennzahlen, mit integriert werden. Ein DW unterstützt das Data Mining durch die Bereitstellung und Aufbereitung eben dieser Datenbasis, die die Grundlage für die effektive Durchführung des Data-Mining-Prozesses ist. INMON spricht gar von einer „symbiotischen Beziehung.“ Die integralen Bestandteile eines DW sieht er wie folgt: 33

 Integrierte Daten

 Detaillierte und summierte Daten  Historische Daten  Metadaten

Integrierte Daten beschleunigen den Data-Mining-Prozess, da die Preprocessing-Phase verkürzt werden kann. Detaillierte Daten sind hilfreich, falls eine sehr tiefge- ²⁸ Vgl.Chapman et al. (1999), S. 9ff.

²⁹ Chamoni, Gluchowski (2006), S.11

^{30 Vgl. Mertens et al. (2005), S. 71ff. 31} Vgl. Wilde (2000), S. 6ff.

³² Gluchowski, Gabriel, Chamoni (1997), S. 267

³³ Inmon (1996), S. 49f.