Datenanalyse

Datenanalyse

Für die datenbankgestützte Datenanalyse existieren unterschiedliche Ansätze, die sich bezüglich der Analyserichtung, des zugehörigen Datenraums und der Art der Analyseergebnisse voneinander abgrenzen lassen. Hierzu zählen die Ansätze Data Access, On-Line Analytical Processing (OLAP) und Data Mining [Düsing 2006, S. 253].

•  Data Access

Der Datenraum besteht aus den Datenobjekten und deren Beziehungen, auf die mittels Datenabfragesprachen zugegriffen wird. Ziel der Analyse ist die Verifikation von Hypothesen, die auf den Beziehungen zwischen den Datenobjekten beruhen. Ergebnis einer Analyse sind einzelne Merkmalsausprägungen.

• On-Line Analytical Processing

Basis des On-Line Analytical Processing ist ein multidimensionaler Datenraum. Seine Elemente sind Kennzahlen, die entlang betriebswirtschaftlicher Dimensionen ausgewertet werden. Durch die Dimensionsstrukturen bleibt der multidimensionale Zusammenhang gespeicherter Fakten bestehen und kann auf unterschiedlichen Aggregationsebenen sowie unter verschiedenen Perspektiven betrachtet werden, um Hypothesen zu verifizieren.

• Data Mining

Demgegenüber ist Data Mining ein Analyseansatz, der die automatische Generierung von Hypothesen ermöglicht, in dem über den gesamten Raum der Einflussgrößen algorithmisch nach Attributabhängigkeiten gesucht wird.

Darüberhinaus existieren stochastische Datenanalysemethoden, die in das Gebiet der Statistik fallen und in deskriptive, induktive und explorative Verfahren eingeteilt werden [Fahrmeir et al. 2007, S. 11].

Literatur

Düsing, R.: Knowledge Discovery in Databases – Begriff, Forschungsgebiet, Prozess und System. In: Chamoni, P. Gluchowski, P. (Hrsg.): Analytische Informationssysteme. Business Intelligence-Technologien und –Anwendungen. Berlin : Springer, 2006. S. 241-262.

Fahrmeir, L.; Künstler, R.; Pigeot, I.; Tutz, G.: Statistik. Der Weg zur Datenanalyse. 6., überarbeitete Auflage. Springer : Berlin et al. 2007.