endlich IT - Consulting & Project Management Fürth / Nürnberg Application Management - Oracle Entwicklung Betrieb APEX PL/SQL Configuration Management, CMDB / CMS Beratung Infrastructure Management Process Management ITSM Beratung Project Management Projektsteuerung Projektleitung Teilprojektleitung Oracle Java Workshops Schulungen Trainings

News

Umfirmierung


Datum: Februar 2017, Autor: e:ndlich GmbH & Co. KG


Wir freuen uns, dass wir die Umfirmierung planmäßig durchführen konnten. Die e:ndlich OHG ist seit Januar 2018 zur endlich GmbH & Co. KG geworden.


Was ändert sich?


Unser bisheriges Team bleibt selbstverständlich bestehen und ist auch weiterhin für Sie unter den bekannten Kontaktdaten zu erreichen. Sämtliche allgemeinen Geschäftsbedingungen, sowie Verkaufs- und Lieferbedingungen usw. bleiben unverändert gültig. Lediglich die Gesellschaftsform der "Firma e:ndlich" hat sich geändert. Wir freuen uns weiterhin auf eine erfolgreiche Zusammenarbeit und zufriedene Kunden.

Data Mining


Datum: Dezember 2017, Autor: Nikolai Weidmann


 

Big Data? – Business Intelligence!
Immer weniger Big Data Anwendungen?


In der aktuellen Capgemini-Studie zu IT-Trends spielt neben der allgegenwärtigen Digitalisierung auch Big Data eine große Rolle. Die Anzahl an Big-Data Anwendungen hat laut Studie jedoch wieder abgenommen. Für viele Unternehmen, zum Beispiel Energieversorger, habe sich herausgestellt, dass nicht die Menge an Daten anfällt wie erwartet. Einen kompletten Rückzug aus diesem Feld muss das jedoch nicht bedeuten: Die Methoden aus Big Data sind bekannt, Teile davon wurden schon im Business-Intelligence-Umfeld genutzt. Warum also nicht darauf zurückbesinnen und mit weniger Daten und geringerer Komplexität Erfolge erzielen?


Data Mining mit GRIPS äh … CRISP!

Eine interessante Auswertungsmethode ist das Data Mining. Hier versucht man mittels Einsatz bestimmter Algorithmen Informationen aus Datensätzen zu generieren. Als Vorgehensmodell bietet das CRISP-DM Modell einen gut strukturierten Ansatz. Der vorgeschlagene Weg beginnt mit dem Verständnis des zu untersuchenden Geschäftsprozesses und dessen besonderer Herausforderungen. Im Falle einer Bank könnte zum Beispiel der Kreditvergabeprozess untersucht werden. Eine Aufgabe könnte die Festlegung eines angemessenen Zinssatzes sein. Hierfür kann die Auswertung einer Vielzahl von Daten notwendig sein, die im nächsten Schritt untersucht werden. Ziel ist dabei das Erkennen von Zusammenhängen. So wäre es denkbar, dass alle Kunden mit hohem Einkommen und gutem Schufa-Score einen bestimmten Zinssatz erhalten. Im Rahmen der Datenvorbereitung werden nun alle notwendigen Daten zusammengestellt und für die Verarbeitung in einem Modell aufbereitet. Die anschließende Modellbildung ist der nächste Schritt hin zur Automatisierung der Berechnung des Zinssatzes. Alle erkannten Zusammenhänge werden hier (vereinfacht gesagt) in eine mathematische Formel gesetzt. Dafür muss bei einem Teil der Daten das Ergebnis vorher bekannt sein, denn man evaluiert das erarbeitete Modell anhand dieser Daten. Wenn das Modell die gewünschten Ergebnisse geliefert hat, kann es dann im Geschäftsprozess genutzt werden. Für neue Kunden müssten dann nur noch die relevanten Daten abgefragt und in das Modell gegeben werden, schon bekommt man den fertigen Zinssatz.

Data Mining

Algorithmus ist alles

Die Modellbildung ist hier sehr vereinfacht dargestellt. Grundlage ist in der Regel ein oder gar mehrere Algorithmen. Diese werden in vier Bereiche eingeteilt: Klassenbildung, Klassifizierung, Assoziation und Zeitreihenanalyseverfahren. Schon in hier wird deutlich, dass die hohe Kunst des Data Mining bereits in der Wahl und korrekten Anwendung der entsprechenden Algorithmen liegt. Letztendlich sorgt eine schrittweise Annäherung aber schnell für Ergebnisse und das Erreichen der gesteckten Ziele.