|
Datamining er analyse af egne informationer.
Skjulte informationer
Populært kan man sige at datamining går ud på at få
"vredet" alt det, der ligger gemt i eksisterende internt talmateriale,
for anvendelige informationer. Gennem datamining søges efter skjulte
mønstre i en stor gruppe af data.
Intern "minedrift"
Generelt gælder at der ligger guld begravet i at udnytte de informationer
man allerede har - eller kan få - fra egne kunder og egen aktivitet.
Simpelthen fordi informationerne ligger i eget hus. Typisk drejer det
sig om tal fra regnskabsafdelingen så som salg specificeret for
produkt- og servicearter, ordrestørrelser og -hyppighed, kundespecifikationer,
lagerinformationer, timeregistreringer, mv.
Talknuseri
Datamining er et barn af vores evne til at foretage store beregninger.
Det defineres som en automatisk eller halvautomatisk proces til at analysere
store mængder af data med formålet at finde meningsfulde sammenhænge
mellem informationer af forskellige faktorer.
Formodninger om sammenhænge
Det med det automatiske skal nok tages med en gran salt. Det er stadig
mennesket bag den rå datakraft der skal opstille hypoteserne og
give regnemaskinerne besked på beregningerne - baseret på
en logik eller nogle hypoteser. I begrebet ligger primært at man
kan tillade sig at starte maskinerne på komplicerede og omfattende
(og derfor førhen meget dyre og langvarige) korrelationsberegninger,
selv om sandsynligheden for sammenhænge ikke forekommer særlig
stor eller begrundet. Sagt med andre ord er datami-ning et værktøj
til at hjælpe den kreative proces og finde den viden, som de meget
store datamængder måtte skjule.
Man skelner ofte mellem enten de beskrivende datamining modeller eller
de prognosticerende.
Eksterne data
Udover virksomhedens (og/eller branchens) data suppleres ofte med eksterne
data, fx fra Danmarks Statistik.
Kørslerne finder sted i flere tempi, hvor man successivt udelader
de varianter, der er de mindst signifikante.
Aaker
et al. nævner som eksempel:
"A good example of data mining is a Midwest grocery chain that
used the data mining capacity of Oracle software to analyze local
buying patterns. They discovered that when men bought diapers on Thursday
and Saturdays, they also tended to buy beer. Further analysis showed
that these shoppers typically did their weekly grocery shopping on
Saturdays. On Thursdays, however, they only bought a few items. The
retailer concluded that they purchased the beer to have it available
for the upcoming weekend. The grocery chain could use this newly discovered
information in various ways to increase revenue. For example, they
could move the beer display closer to the diaper display. And, they
could make sure beer and diapers were sold at full price on Thursdays." |
MDSS
Mange forskellige informationer - fra forskellige kilder - er nødvendige
for den daglige ledelse af marketingfunktionen. Det drejer sig fx om forsyningstal
som produktion og ordrer, sælgernes salgsrapporter, forbrugerpaneler,
butiksindex med oplysninger om salgsandele, lagerandele og fordeling på
geografiske områder og sælgerdistrikter, omkostningstal og
budgetsammenligninger, reklameforbruget mm.
MDSS - Marketing Decision Support Systems - er betegnelsen for
et system der integrerer alle informationerne i én database og
dermed giver grundlaget for hurtig kontrol og identifikation af eventuelle
afvigelser og problemer/muligheder.
MDSS er forholdsvis udførligt beskrevet af Aaker
et al.: Marketing Research.
Læs mere om et datamining-initiativ fra 5 virksomheder - med opfordring
til at deltage - på sitet: industrieldatamining.dk
|
