Data-Mining-Werkzeuge im Praxistest

Anbieter zum Thema

Open-E GmbH

WatchGuard Technologies GmbH

Boston Server & Storage Solutions GmbH

ITB: Data Miner verstehen sich mitunter als eingeschworener Kreis. Das liegt sicherlich auch daran, dass die Statistik dahinter recht komplex sein kann und auch die Usability der Tools zu wünschen übrig lässt. Was sagen Sie dazu?

Heeren: Die Usability hat sich grundsätzlich verbessert, allerdings gibt es hier zwischen den Tools deutliche Unterschiede, wie unser umfassender Praxistest gezeigt hat: Die meisten großen Suiten verlangen nach wie vor Spezialisten-Know-how und erfordern zudem eine gewisse Einarbeitungszeit. Die Produkte von Statsoft und KXEN eignen sich besser für Gelegenheitsanwender, da diese dem Anwender auf Wunsch über Assistenten eine feste Abfolge an Analyseschritten vorgeben und die erforderlichen Eingaben dazu systematisch abfragen. Aus Anwendersicht wäre sicher generell ein dominierendes Bedienkonzept wünschenswert, was sich aber bisher nicht erkennen lässt. Einige Hersteller bieten mittlerweile sogar mehrere Modi für unterschiedliche Anwendertypen an.

ITB: Data Mining – das war früher stets mit hohem Investitionsvolumen verbunden. Wie sieht es heute aus?

Heeren: Die Kostensituation hat sich mittlerweile deutlich entspannt: Man kann zwar für große Data-Mining-Suiten je nach Nutzeranzahl immer noch leicht mehrere Hunderttausend Euro ausgeben. Aber es geht auch deutlich günstiger – ohne Abstriche bei der Funktionalität: Die Einzelplatzlizenz des Statistica Data Miner ist beispielsweise bereits ab 20.000 Euro erhältlich. Spezialisierte Tools sind noch deutlich günstiger; für Open-Source-Lösungen entfällt der Anschaffungspreis ganz – bei professioneller Nutzung sollten jedoch jährliche Support-Gebühren im vierstelligen Euro-Bereich einkalkuliert werden.

ITB: Haben sich in den letzten Jahren neue Anwendungsbereiche für Data Mining aufgetan?

Heeren: Hier hat sich gerade in letzter Zeit viel bewegt: Zum einen dringt Data Mining durch neue Analyseansätze wie dem Self-Acting-Data-Mining in neue Anwendungsbereiche vor. Dieser Ansatz ist durch seinen hohen Automatisierungsgrad deutlich effizienter als klassisches Data Mining, was zu schlanken und preisgünstigen Projekten führt. Derartige Vorhaben rechnen sich auch bei kleinen Analyseaufgaben, die mit klassischem Data Mining nicht kostendeckend bearbeitet werden können. Zum anderen sind durch Fortschritte in der Forschung im Umfeld der explorativen Datenanalyse gänzlich neue Analysemöglichkeiten entstanden: Aktuell sind dies beispielsweise Verfahren zur Analyse sozialer Netzwerke, mit denen in zahlreichen Fällen eine bisher unerreichte Analysequalität erzielt werden kann. Die Anwendungsmöglichkeiten reichen hier vom Risiko-Management über die Analytische Betrugserkennung bis hin zum Einsatz für Fragestellungen im Customer Relationship Management (CRM).

Lesen Sie auf der nächsten Seite mehr zum Recht auf informationelle Selbstbestimmung und der zu erwartenden Entwicklung des Marktes in den nächsten Jahren.

(ID:2043719)