Analytische Informationssysteme dienen
der Unterstützung von Entscheidungsträgern, indem sie ihnen
entscheidungsrelevante Informationen, Modelle und
Simulationsergebnisse für unterschiedliche Szenarien zur Verfügung
stellen. Chamoni und Gluchowski zählen zum Bereich Analytische
Informationssysteme Technologien wie Online-Analytical-Processing
(OLAP), Data Warehousing und Data Mining [2006]. OLAP Technologien
dienen dazu, Informationen in einem Data Warehouse zu speichern, zu
verwalten und in überschaubarer Form zur Verfügung zu stellen - um
"Fach- und Führungskräfte in Entscheidungssituationen mit
Informationen zu unterstützen" [Chamoni, Gluchowski &
Hahne, 2005]. Data Mining Technologien dienen der Ableitung von
Modellen aus den gespeicherten Daten.
In Data Mining unterscheidet man
zwischen prediktiven und deskriptiven Modellen. Für die erste
Kategorie stehen Methoden des überwachten maschinellen Lernens zur
Verfügung, wie etwa Regression und Klassifikation. Sie leiten aus
den vorhandenen Daten ein Vorhersagemodell ab, das auf neue Daten
angewendet wird: so lässt sich beispielweise die Zahlungsfähigkeit
eines noch unbekannten Kunden oder das Innovationspotenzial eines
Unternehmens ermitteln. Vorhersagemodelle werden oft mit
Scoring-Funktionen verknüpft, die jede Aussage des Modells mit einem
Gewicht versehen – etwa dem Verlust, der bei der Ablehnung des
Darlehenantrags eines zahlungsfähigen Kunden zu erwarten sei.
Deskriptive Modelle werden mit Methoden
des unüberwachten Lernens abgeleitet, etwa mit Clustering-Verfahren.
Sie werden unter anderem im analytischen
Customer-Relationship-Management eingesetzt – zur Ableitung von
Profilen aus Transaktionen und demographischen Daten der Kunden. In
Kombination mit Vorhersagemodellen für das erwartete künftige
Kaufverhalten von Kunden dienen deskriptive Modelle der
Entscheidungsunterstützung und der Planung von Vermarktungsmaßnahmen,
etwa bei der Einführung von neuen, kundenprofil-spezifischen
Produkten.
Simulationsmethoden und
Optimierungsverfahren dienen ebenfalls der Entscheidungsunterstützung
durch Auswertung von gespeicherten Daten und von bereits abgeleiteten
Modellen. Die Verknüpfung von Data-Mining, Simulations- und
Optimierungsmethoden zur Entscheidungsfindung bei komplexen Problemen
und sehr großen Datenbeständen wird beispielweise von Michalewicz
et al unter dem Stichwort "Adaptive Business Intelligence" [2006] erläutert.
Literatur
Chamoni, Peter; Gluchowski, Peter; Hahne, Michael : Business Information Warehouse:
Perspektiven betrieblicher Informationsversorgung und
Entscheidungsunterstüzung auf der Basis von SAP-Systemen . Springer : Berlin, 2005.
Chamoni, Peter; Cluchowski, Peter
(Hrsg.): Analytische Informationssysteme:
Business Intelligence-Technologien und -Anwendungen. 3., vollst. überarb. Aufl.
Springer : Berlin, 2006.
Michalewicz, Zbigniew; Schmidt, Martin; Michalewicz, Matthew; Chiriac, Constain: Adaptive Business Intelligence. Springer : Berlin, 2006.
Autor
Prof. Dr. Myra Spiliopoulou, Otto-von-Guericke-Universität Magdeburg, Fakultät für Informatik ITI/KMD, Universitätsplatz 2, 39106 Magdeburg
Autoreninfo