Bissantz, NicolasRössel, MarcZimmermann, RolandKöhnken, Axel2018-01-162018-01-1620092009https://dl.gi.de/handle/20.500.12116/14524In den 16 Jahren, die wir uns mit Data Mining beschäftigen, zeigte sich in Betrieben verschiedener Gröβe und verschiedener Wirtschaftszweige und Branchen, dass die Analysequalität heuristischer Algorithmen der von komplexeren statistischen Methoden ebenbürtig ist. Zudem ist der Anwender in der Lage, das Zustandekommen des Resultats unmittelbar nachzuvollziehen. Wir stellen drei heuristische Data-Mining-Verfahren vor und zeigen anhand zweier Praxisbeispiele auf, wie Anwender von den Ergebnissen profitieren. Einen Schwerpunkt stellt ein teilautomatisches Navigationsverfahren dar. Der Algorithmus liefert in einer mehrdimensionalen Top-down-Analyse den Pfad zu den Verursachern, die die beste Erklärung zu einem untersuchten Analysewert liefern. Das Verfahren ist in mehreren Varianten in dem Business-Intelligence-(BI-)Produkt »Bissantz DeltaMaster« integriert und seit Jahren bei vielen Kunden im Routineeinsatz. Es liefert robuste Ergebnisse, die groβe Akzeptanz bei Fachanwendern finden. So verwendet z.B. die Nordsee GmbH die Top-down-Analyse, um sich täglich automatisch Leistungsabweichungen in ihren Filialen erklären zu lassen und ihren Filialverantwortlichen fundierte Ansatzpunkte für das Leistungsmanagement zu bieten. In einem weiteren Praxisbeispiel zeigen wir, wie die mexikanische Telefongesellschaft Telmex mithilfe eines heuristischen Data-Mining-Verfahrens die Konversionsraten bei Marketingaktivitäten deutlich erhöht und damit einen messbaren monetären Zusatznutzen erzeugt.Text/Journal Article2198-2775