2010

JÖRG DATA MINING

BECKER WISSENSBILANZ

Im Daten-Bergwerk schürfen |
www.beckinfo.de
 Data Mining
Im Daten-Bergwerk schürfen
Kurzbeschreibungen-Inhaltsangaben
zu Publikation
Autor: Jörg Becker
(erschienen im BoD Verlag)

2
Data Mining als Wissensbilanz-Zubringer – Fragen und Rückbesin-
nung in der Krise, 2009: ISBN 978 3 8370 2163 9

Insbesondere kommt es darauf an, Informationsverarbeitungskapazi-

täten über die Wissensgenerierung bis hin zur Innovation für wett-
bewerbsrelevante Informationen und Fähigkeiten des eigenen Unter-
nehmens zu nutzen. Es gilt die Wirkungskette von Informationen zu
Wettbewerbsvorteilen:

INFORMATION
Daten, Fakten,
Aussagen

INTERPRETATION
WETTBEWERBS-
Erfahrungs- und
VORTEILE
Wissensdatenbanken

KNOWLEDGE-IN-USE
Perspektive, Bereit-
schaft, Konsequenzen
zu ziehen

Zur erfolgreichen Umsetzung seiner Ziele braucht das Unternehmen

steuerungsrelevante Informationen, die aus umfangreichen Datenbe-
ständen präzise und übersichtlich herausgearbeitet werden müssen.
Eine u.U. nach innen gewendete Sichtperspektive der dispositiven
IT-Systeme muss zu einer ganzheitlichen Sicht mit Blick auf den
Wandel von Märkten, Zielgruppen und Bedarfshaltungen erweitert
werden.

Operative Systeme liefern zwar sehr viele Daten, diese aber häufig
nicht als entscheidungsrelevante Informationen. Zudem müssen für
marktorientierte Geschäftsprozesse Daten sowohl aus unterschiedli-
chen operativen Systemen als auch zusammen mit externen Daten
kombiniert werden können. Im Informationssystem müssen daher

3
aggregierte Daten aus allen verfügbaren Datenbanken für das gesam-
te Spektrum an Informationsanforderungen des Unternehmens -als
quasi vordefinierte Datenbank- übertragen werden.

Der Markt Die Information

Konsistente
Globalisierung
Informationsversorgung
der Märkte
Berücksichtigung
historischer
Daten
Einbeziehung
Differenzierung externer Daten-
quellen

Globale Sicht auf

Informationen
Time to Market
Verbesserter und
schnellerer Zugang
zur Information

Globale
„Empowering“
Integration
des End-Users

Unternehmensscheidungen basieren einerseits auf internen Informa-

tionen (Kunden, Produkte, Zulieferer) andererseits müssen auch
externe Informationen (Konjunktur-, Markt-, Konkurrenzdaten, de-
mographische und geographische Daten) mit einbezogen werden.
D.h.: über die hohe Bedeutung der Information als Wettbewerbsfak-
tor besteht kein Zweifel (verkürzte Lebenszyklen, Verkürzung der

4
Time to Market, Öffnung der Märkte, globale Vernetzung). Die in
riesigen Datenbeständen in allen Facetten abgebildeten Geschäfts-
und Marktvorgänge entziehen sich manchmal jedoch der Analyse
und dem Verständnis. Trotz aller Anstrengungen bleiben viele dieser
„Informations-Adern“ unentdeckt, die wertvolles Wissen beispiel-
weise über Verbraucher-Kaufverhalten, Produktbeziehungen, Ver-
braucher-Profile und viele andere Fakten der modernen Geschäfts-
prozesse in sich bergen.

Simulationen

Prognosen

Informationssystem
Data Warehouse
"Was-wäre-wenn"-Analysen
liefert:
liefert:

Executive Alerts: grafische Um-

setzung von über- oder
unterschrittenen Schwellen
(Ampelgrafik)

Modellieren und Optimieren

Entscheidungs-
Entscheidungs-
Informationsvisualisierung
hilfen
hilfen

Drill Drown

Flexibler Entwurf eigener Berichte

Wissen macht sicher, Wissen ist Macht, Wissen zu Geld machen,

Wissen ist Zukunft und was sonst noch alles, was man immer wieder
zu hören bekommt. Warum ist dies alles so wahr, aber unsere Wirk-
lichkeit so völlig anders ?

5
Zwar hat auch dieses Buch keine erschöpfende Antwort hierauf, gibt
aber vielleicht einige Hinweise, die man für die kleine Alltagswelt
beispielsweise eines wissensintensiven Unternehmens gebrauchen
könnte.

Das Nahziel ist erreicht, wenn kleine, mittlere und insbesondere

wissensintensive Unternehmen sich im eigenen Bereich darauf be-
sinnen, welches Wissen sie insbesondere zur Einschätzung von Risi-
ken und Vermeidung von Krisen benötigen und wie sie dieses Wis-
sen mit hohem Sicherheitsstandard aus verfügbaren Daten und In-
formationen überleiten und herstellen können.

Das Augenmerk richtet sich an dieser Stelle auf Unterschiede und

Problemübergänge zwischen Informationen und Wissen sowie auf
die Verknüpfungspunkte zwischen Data Mining und Wissensbilanz.

Die unverstandene Krise

Information ist nicht gleich Wissen
Rückbesinnung auf die Wissensbilanz
Für Wissensfaktoren angenommene Bewertungen
Angenommene Wissensbilanz-Ampeldiagramme
Informationssysteme im Wissensbilanz-Portfolio
Nach verborgenen Informationsadern schürfen
Beispiele für Methoden und Verfahren
Data Mining vergrößert Analyse-Aktionsradius
Informationen im Daten-Warenhaus lagern
Symbiose zwischen internen und externen Daten
Daten „schrubben“, bereinigen, filtern
Data Mining im Potential-Portfolio der Wissensbilanz
Verknüpfung Data Mining und Wissensbilanz
Ausblick

6
Wenn ein sowohl der Sache als auch der Örtlichkeit nach zunächst
so begrenzt erscheinendes Problem wie eine Wohnimmobilien-Krise
in den USA sich zu einer allumfassenden Wirtschaftskrise der Welt
aufschaukeln kann, so kann etwas im Grundsatz nicht stimmen. Eine
solche Verwundbarkeit kann sich weder unsere Gesellschaft als
Ganzes noch unserer fiktives wissensintensives Demo-Unternehmen
im Kleinen leisten. Hier muss noch grundsätzlich nachgeforscht
werden, wieweit Informations- und Wissensmängel daran beteiligt
gewesen sein konnte. Obwohl die Möglichkeiten unseres fiktiven
Demo-Unternehmens auch in der Realität des globalen Rahmens
kaum vorhanden sind, könnte jedoch die Vorsorge im eigenen, noch
überschaubaren Wirkungsbereich verstärkt werden. Eine Möglich-
keit bestünde vielleicht im umfassenden Denkansatz einer Wissens-
bilanz gepaart mit diversen hieraus ableitbaren Maßnahmen und
Handlungsempfehlungen wie beispielsweise den hier als herausge-
suchtem Einzelfall angesprochenen Werkzeugen und Denkweisen
des Data Mining.