Data-Mining im E-Commerce

Möchte man den Begriff des Data-Mining übersetzen oder kurz erklären, ist man, mangels einer griffigen, deutschen Vokabel schnell bei der englischen Bezeichnung „Knowledge Discovery in Databases“, Wissensentdeckung in Datenbanken, kurz KDD. Dies bezeichnet aber eher den Prozess des Data-Mining .

Der Prozess umfasst, außer dem eigentlichen Analyseschritt, die Vorbereitung der Daten: welche Daten stehen zur Verfügung, welche benötigen wir und die Bereinigung dieser Daten.
Es folgen die Aufbereitung der Daten für die Analyse und dann die Analyse selbst, das Data-Mining. Zum Schluss gibt es die Auswertung, die Bewertung und Interpretation.

Treffen von E-Commerce und Data-Mining

Fast jedes Unternehmen führt sämtliche Daten, nicht nur die des An- und Verkaufs und die Kundendaten, in Datenbanken zusammen. Meistens werden auch Kunden-Akquise und Marketing über entsprechende Software gesteuert. Und schon können E-Commerce und Data-Mining aufeinander treffen, zumindest in mittleren und großen Firmen. Möchte sie das Optimale aus ihren Datenbanken heraus holen, bei steigendem Datenvolumen und hohen Ansprüchen, so kommen sie mit einer normalen CRM-Software nicht mehr aus.
Open Source Anwendungen und Clouds erleichtern immer mehr das Speichern aller Daten, deren man habhaft werden kann. Zum Beispiel über seine Kunden. Ganz offensichtlich reicht es nicht mehr aus, die Daten seiner Kunden zu sammeln und zu sortieren. Es reicht längst nicht mehr, Kunden, die in einem bestimmten Ortsteil wohnen und Golf spielen herauszufiltern und die Liste dem golfbegeisterten Außendienstmitarbeiter in die Hand zu drücken.
Man will mehr. Man will mehr Daten besitzen, daraus mehr Zusammenhänge ziehen und auch völlig neue, vorher nicht geahnte Erkenntnisse bekommen. Für diese hohen Anforderungen, bei wachsendem Zeitdruck und immer größeren Datenvolumina, ist der Prozess des Data-Mining geradezu ein konsequentes Tuning für das CRM. Informationen zu flexbilen CRM-Lösungen finden Sie hier (www.adito.de).

Gibt es Nachteile?

Wie so oft bei technischen und wissenschaftlichen Lösungen und Anwendungen, liegen die Kritikpunkte des Data-Mining in erster Linie beim Anwender. Natürlich ist es zu kritisieren, wenn die Daten von Personen nicht innerhalb der rechtlichen Datenschutzgesetze beschafft werden. Genauso kann es zu einer Verzerrung der Ergebnisse kommen, wenn die Daten nicht gepflegt sind, wenn die Parametereingaben nicht genau oder zu genau sind. Und letztendlich sind auch die Interpretation der Ergebnisse und der daraus gezogenen Handlungsbedarf sehr entscheidend.