„We are drowning in information but starved for knowledge.” Dieses Zitat von John Naisbitt beschreibt das Dilemma, welches das rasante Wachstum von Datenbeständen mit sich bringt. Zwar können Daten in immer umfangreicherem Maße erhoben werden, doch ein Großteil des darin enthaltenen Wissens bleibt verborgen. Die größte Herausforderung stellt, neben der Erfassung und Speicherung der Daten, deren Aufbereitung und Verarbeitung dar. 2 Dazu bedarf es einer verständlichen und einfachen Methode, um die regelrechte Datenflut bewältigen und sinnvoll nutzen zu können. 3 Data Mining verspricht diese Aufgabe zu erfüllen. Es ermöglicht die automatische Wissensextraktion aus großen Datenbeständen. 4 Vor diesem Hintergrund sehen viele Unternehmen Data Mining sogar als strategisches Instrument zur Realisierung von Kon-kurrenzvorteilen. 5 Durch die Fähigkeit, Informationen über ihren Markt, ihre Kunden und ihre Geschäftstätigkeit aus diesen riesigen Datenbeständen auslesen und wirksam einsetzen zu können, ergeben sich oftmals entscheidende Wettbewerbsvorteile für die Unternehmen. 6 Besonders im Bereich des Marketing erscheint die Anwendung von Data Mining Methoden vielversprechend. Denn traditionellen Marketinginstrumente sind unter Einsatz der bisherigern Informationssysteme den neuen Ansprüchen des Marktes, die auf einer zunehmenden Wettbewerbsverschärfung und der verstärkten Fragmentierung der Märkte in immer kleiner und differenzierte Marktsegmente beruhen, nicht mehr gewachsen. Bis 1995 wurde Data Mining nur durch hoch spezialisierte Berater oder Firmen im Auftrag von großen Einzelhandelsketten oder Finanzinstituten eingesetzt. Erst dann erlaubte die Markteinführung neuer Data Mining Software den generellen Einsatz in Data Warehouse Projekten. Seither ist die Bedeutung dieser Verfahren kontinuierlich angestiegen. Das Marktvolumen für Data Mining Produkte und Dienstleistungen wurde von der MetaGroup für das Jahr 2000 auf acht Milliarden US $ geschätzt. [...]
Inhaltsverzeichnis
- Abkürzungsverzeichnis
- 1. Einleitung
- 2. Grundlagen des Data Mining
- 2.1 Definition zentraler Begriffe und Abgrenzung
- 2.2 Data Mining Methoden
- 2.3 Data Mining Problemtypen
- 2.4 Prozess der Wissensextraktion
- 3. Ausgewählte Anwendungsmöglichkeiten des Data Mining im Marketing
- 3.1 Anwendung des Data Mining im Rahmen der Kundensegmentierung
- 3.2 Einsatz von Data Mining Methoden bei der Kundenklassifikation
- 3.3 Anwendung des Data Mining im Bereich der Warenkorbanalyse
- 4. Grenzen des Data Mining im Marketing
- 4.1 Verfahrensgrenzen
- 4.2 Datenschutzrechtliche Grenzen
- 5. Zusammenfassung und Perspektiven
- Anhang
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Die vorliegende Studienarbeit zielt darauf ab, den Leser mit den Grundlagen und Anwendungen des Data Mining vertraut zu machen. Sie soll einen umfassenden Überblick über das Wesen des Data Mining bieten und wichtige Begriffe definieren. Des Weiteren werden die Methoden, Problemtypen und der Ablauf der Wissensextraktion erläutert. Die Arbeit beleuchtet die vielversprechenden Einsatzmöglichkeiten von Data Mining im Marketing und zeigt gleichzeitig die Grenzen dieser Technologie auf. Abschließend werden die wesentlichen Erkenntnisse zusammengefasst und ein Ausblick in die Zukunft des Data Mining gegeben.
- Definition und Abgrenzung des Data Mining
- Methoden und Problemtypen des Data Mining
- Anwendungen des Data Mining im Marketing
- Grenzen des Data Mining im Marketing
- Zukünftige Entwicklungen des Data Mining
Zusammenfassung der Kapitel
Die Einleitung liefert eine Einführung in das Thema Data Mining und stellt die Relevanz dieser Technologie in der heutigen datengesteuerten Welt dar. Das zweite Kapitel befasst sich mit den Grundlagen des Data Mining, definiert wichtige Begriffe und grenzt das Data Mining von verwandten Themengebieten ab. Zudem werden die Methoden, Problemtypen und der Ablauf der Wissensextraktion im Detail erläutert.
Das dritte Kapitel präsentiert ausgewählte Anwendungsmöglichkeiten des Data Mining im Marketing. Es werden konkrete Beispiele für den Einsatz von Data Mining in der Kundensegmentierung, Kundenklassifikation und Warenkorbanalyse vorgestellt.
Im vierten Kapitel werden die Grenzen des Data Mining im Marketing beleuchtet. Hierbei werden sowohl verfahrensbezogene als auch datenschutzrechtliche Aspekte diskutiert.
Schlüsselwörter
Data Mining, Knowledge Discovery in Databases (KDD), Wissensextraktion, Customer Relationship Management (CRM), Kundensegmentierung, Kundenklassifikation, Warenkorbanalyse, Verfahrensgrenzen, Datenschutzrechtliche Grenzen.
- Arbeit zitieren
- Jana Andreas (Autor:in), 2006, Data Mining: Möglichkeiten und Grenzen, München, GRIN Verlag, https://www.grin.com/document/70560
