Data Mining als betriebliches Informationssystem und dessen Implementierung im Unternehmen

Diplomarbeit aus dem Jahr 1997 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,0, Universitt Stuttgart (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Einleitung:
Immer schneller steuern die westlichen Industrielnder auf die sogenannte Informationsgesellschaft zu. Unternehmen beschftigen sich immer strker mit den Themen Information und Kommunikation, um daraus Wettbewerbsvorteile zu erzielen. In jedem Jahr werden in einem Unternehmen neue Daten von EDV -Anwendungen produziert, so da die vorhandene Datenmenge rapide zugenommen hat und auch weiterhin wchst. Man schtzt, da sich die Menge weltweit vorhandener Informationen alle 20 Monate verdoppelt.
Diese objektive Datenzunahme macht sich auch subjektiv als Information Overload bemerkbar. In diverser Literatur wird dabei sogar von einem Datennirvana gesprochen. Es fllt deshalb immer schwerer, aus einer Flle ungeordneter Daten schnell und verllich wichtige Informationen, die Grundlage aller Entscheidungen sind, herauszuziehen. Die Situation in vielen Unternehmen kann als Informationsarmut im Datenberflu bezeichnet werden. Dies fhrte zu einem gesteigerten Interesse an Methoden, die automatisch ntzliches Wissen aus groen Datenbanken filtern knnen. Das idealisierte Ziel ist letztendlich die Information auf Knopfdruck.
Aus dieser Entwicklung heraus hat sich in den letzten ca. 5 Jahren unter den Synonymen Data Mining, Knowledge Discovery in Databases oder Datenmustererkennung eine neue Forschungsrichtung etabliert. Das Forschungsziel sind allgemein verwendbare, effiziente Methoden, die selbstndig aus riesigen unbereinigten Datenmengen versteckte Informationen identifizieren knnen und dem Anwender als Wissen prsentieren, das von hoher strategischer Bedeutung ist. Erste Erfolge im Bereich des Data Mining dokumentieren Workshops der letzten Jahre und das beachtliche Angebot an kommerziellen Software-Tools fr die Datenmustererkennung. Berichte aus der Praxis sind zwar noch rar, aber es mehr