Im Jahre 399 v. Chr. wurde Sokrates wegen angeblicher Gotteslästerung der Giftbecher gereicht und somit jährt sich im Jahr 2002 sein Tod zum 2.400sten Mal (mehr Info unter www.sokrates.org). Ob das Zitat im Titel Sokrates zugeschrieben wird oder es sich um eine Fälschung handelt, überlasse ich denen, die es zu wissen glauben. Jedenfalls ist Sokrates uns heute durch sein Streben nach Erkenntnis bekannt, sei es nun gesichert und allgemein gültig oder relativ im Rahmen der Selbsterkenntnis. Dieses Streben nach Erkenntnis ist auch zentrales Anliegen des weiten Themas Business Intelligence, welches durchaus als systematisches, analytisches Streben nach Erkenntnis zum Wohle des Unternehmens verstanden werden kann. Diese philosophische Betrachtung hilft mir, zu meinem eigentlichen Thema überzuleiten:

Brauchen Sie OLAP und Data Mining?

Dazu müsste man natürlich wissen, was diese Begriffe bedeuten. Ich werde hier nicht auf die tiefere Bedeutung eingehen und verweise die geneigten und strebenden Leser auf die URL am Ende des Artikels oder auf Amazon.com. Data Mining bietet zusätzlich zum On-Line Analytical Processing (OLAP) eine Methode zur Analyse Ihrer Datenbestände. Ähnlich den traditionellen Analysenmethoden – wie zum Beispiel multidimensionalem OLAP – verhilft Data Mining Ihnen zu tieferen Einblicken in Ihre Daten. Somit wird Data Mining als ergänzendes Werkzeug zu Ihren OLAP-Analysen gesehen.

Der gravierende Unterschied zwischen den beiden Methoden liegt im Ansatz: Data Mining ist entdeckungsgetrieben, während OLAP-Analysen von den Hypothesen des Benutzers ausgehen. Die unterschiedlichen Ansätze ähneln dem Streit der Experten, ob Sokrates allgemein gültige und gesicherte Erkenntnisse suchte oder den relativistischen Ansatz vertrat.

Multidimensionale Analysen sind ausgezeichnet geeignet, um Antworten auf Fragen zu finden wie: Welcher Geschäftsbereich läuft gut? Welche Produkte liegen unter Plan? Im Unterschied eignet sich Mining zum Beantworten von Warum-Fragen. Dieser Umstand lässt sich leichter an Beispielen verdeutlichen:

Eine US-Baumarktkette analysiert mit dem Ziel der Erkennung von Fehl- bzw. Überbeständen in ihren Märkten. Obwohl alle Marktumsätze im Plan lagen, konnten mittels der OLAP Mining-Funktion des DB2 OLAP Servers ungewöhnliche Kaufmuster erkannt und somit zusätzliches Umsatzpotential erschlossen werden. Denn während sich in Märkten des mittleren Westens die Umsätze mit Reparaturwerkzeugen wie Hammer und Säge verdoppelten, verdreifachte sich im Süden die Nachfrage nach Schläuchen und Bewässerungssystemen. Durch die veränderte Allokation der Bestände konnten zusätzliche Umsätze erzielt werden.

Wahrscheinlich denken Sie zu Recht: ein triviales Beispiel. Das hätte jeder halbwegs gescheite Disponent herausgefunden. Bedenken Sie jedoch die geringe Dimensionalität und Granularität des Beispiels: Region, Zeit und Produktgruppen sowie lediglich die Betrachtung des Umsatzes. Die meisten Sachverhalte stellen sich jedoch wesentlich komplexer dar. Eine weitere Fallstudie:

Auf der Suche nach neuen Kundensegmenten ergänzte ein Unternehmen der Telekommunikation eigene Datenbestände mit zugekauften demographischen Daten und konnte ein hochprofitables Segment von Haushalten mit vierfacher Nutzung der 3er Konferenzoption identifizieren. Es handelte sich um Haushalte mit zwei oder mehr Kindern über 12 Jahren, die gleichzeitig mit mehreren Freunden telefonierten. Bei dem von beiden Unternehmen eingesetzten Produkt handelt es sich um das Opportunity Discovery Feature OLAP Miner des IBM DB2 OLAP Servers.

DB2 OLAP Server OLAP Miner

Mit dem Zusatz OLAP Miner für den DB2 OLAP Server führt IBM die beiden beschriebenen Technologien OLAP und Data Mining in bisher einmaliger Weise zusammen. OLAP Miner nutzt einen statistischen Algorithmus, der einen spezifizierten Bereich eines OLAP-Würfels (multidimensionale Datenbank) auf Abweichungen untersucht. Der Wert einer Zelle im spezifizierten Bereich gilt als Abweichung, wenn dieser Wert von einem algorithmisch errechneten Wert signifikant abweicht. Das Resultat ist eine Ergebnisliste der Abweichungen einschließlich der Differenz zwischen tatsächlichem Wert und erwartetem Wert.

Der Anwender kann nun auf die von der Data Mining-Analyse „erkannten“, abweichenden Werte fokussieren und sie weiterverarbeiten. Auf diesem Wege bietet der OLAP Miner-Zusatz zum bewährten DB2 OLAP Server eine einzigartige Kombination einer maschinell durchgeführten statistischen Analyse und der vom Menschen durchgeführten hypothetischen Analyse.

Weitere Informationen finden Sie unter www.ibm.com/software/data/db2/db2olap. Unter dieser URL bietet die IBM ebenfalls ein 180-Tage-Try-and-Buy des DB2 OLAP Servers für iSeries Systeme an.

IBM Deutschland GmbH

D–71139 Ehningen

Telefon: (+49) 07034/15-0

www.ibm.de