Bildscreen Imac X

Glossar Big-Data-Trends – Teil 1: Business Intelligence, Business Analytics und Data Mining

19.02.2019 | BI, Blog

Big-Data ist im Alltag angekommen. Die adäquate Handhabung der wachsenden Datenmenge, ihre Analyse und Nutzung beeinflusst nahezu alle Geschäftsprozesse. Damit Sie den Überblick behalten und alle Vorteile aus dem Umgang mit Big-Data ziehen können, haben wir in diesem Glossar die wichtigsten „Big-Data-Trends“ unter die Lupe genommen. Im ersten Teil stellen wir Ihnen Unterschiede und Gemeinsamkeiten von Business Intelligence, Business Analytics und Data Mining vor.

Die Mehrzahl assoziiert Predictive Analytics als wichtigstes Thema, wenn es um Big-Data geht. Also die Möglichkeit, die Entwicklung einer Situation oder eines wirtschaftlichen Zusammenhangs auf Grundlage von Datenmodellen vorherzusagen. Auch ohne spezielle mathematische, statistische oder linguistische Ausbildung lohnt es, einige Hintergründe zu wissen, um ein ideales Kundenerlebnismanagement zu schaffen. Wir grenzen für Sie Schlagworte wie Business Intelligence, Business Analytics und Data Mining sowie Descriptive oder Prescriptive Analytics voneinander ab und definieren die Begriffe.

Business Intelligence (BI)

Business Intelligence analysiert vergangene Ereignisse und deren Auswirkungen auf Geschäftsprozesse. Verfahren und Prozesse zur systematischen Analyse des eigenen Unternehmens werden unter BI, zu Deutsch Geschäftsanalytik, zusammengefasst: Insbesondere das Sammeln, Auswerten und Darstellen von geschäftskritischen Daten in elektronischer Form. Der Begriff steht in der Regel als Synonym für alle Arten der Datenanalyse, durch die Sie Lösungen für die aktuellen Herausforderungen Ihres Unternehmens finden und mit den gewonnen Kennzahlen die Basis für Entscheidungen der Geschäftsführung legen.

Business Analytics (BA)

Im Prinzip verbirgt sich hinter Business Analytics eine Weiterentwicklung der Business Intelligence, die verstärkten Bezug zu althergebrachten IT-Themen wie Datenintegration und –management hat. Business Analytics dagegen befasst sich dezidierter mit der tatsächlichen Auswertung durch die Anwender.

Ein Unterschied zur BI besteht bei Business Analytics darin, dass der Fokus sich auch in die Zukunft richtet und dafür die statistische Analyse von Unternehmensdaten verwendet wird. Mit BA finden Sie Erklärungen zu Ursachen, Auswirkungen, Wechselwirkungen oder Folgen von Ereignissen. Sie können Szenarien mit multivariablen Testverfahren durchspielen, Entscheidungen überprüfen und Handlungsalternativen aufzeigen.

Zudem können Sie künftige Ergebnisse auch vorhersagen: Predictive Analytics ist eine Teildisziplin von Business Analytics, die über die reine Analyse hinausgeht und durch Datenmodelle Vorhersagen über zukünftige Ereignisse ermöglicht. Zu den Möglichkeiten von Predictive Analytics finden Sie im weiteren Verlauf dieses Glossars genauere Informationen.

Data Mining

Data Mining wird eingesetzt bei besonders großen Datenmengen, die sich mit traditionellen Methoden und Tools nicht effizient verarbeiten lassen, also Big Data - ist aber nicht auf diese Daten beschränkt. Data Mining steht für die reine Datenanalyse auf relevante Zusammenhänge, die Algorithmen und Verfahren der künstlichen Intelligenz können auch bei kleiner Datenbasis angewendet werden. Es steht für die systematische Anwendung anspruchsvoller statistischer, rechnergestützter Methoden auf Datenbestände, um mit Algorithmen unbekannte Querverbindungen, Trends, Muster und Zusammenhänge zu finden. Das Verfahren wird unter anderem im Marketing, im Finanz- und Versicherungswesen, im Onlinehandel, in der Verbrechensbekämpfung und in der Medizin eingesetzt.

Data Mining kombiniert Erkenntnisse aus Informatik, künstlicher Intelligenz, Mathematik und Statistik zur rechnergestützten Untersuchung von Datenbeständen auf Querverbindungen oder Trends, die für  Entscheidungsfindungen von Bedeutung sind. Dabei können Sie verschiedene Methoden anwenden, klassisch sind der Einsatz von Regressionsanalyse, Klassifizierung, neuronalen Netze, Assoziationsanalyse oder Segmentierung, bei der Daten segmentiert und Gruppen aus Objekten mit gemeinsamen Merkmalen gebildet werden. Dagegen sind bei der Klassifizierung die Gruppen zuvor definiert und Elemente der Daten werden diesen automatisch zugeordnet. Identifizieren Sie Beziehungen zwischen abhängigen und unabhängigen Variablen wird von Regressionsanalyse gesprochen. Eine weitere Möglichkeit ist die Abhängigkeitsanalyse, bei der die Suche nach Mustern im Vordergrund steht, bei denen Ereignisse verbunden sind, um etwa herauszufinden, ob ein Kunde ein bestimmtes Produkt kauft, wenn er sich zuvor ein anderes definiertes Produkt angeschafft hat.