Die Hauptunterschied zwischen Data Mining und Predictive Analytics besteht darin, dass die Data Mining ist der Prozess, bei dem verborgene Datenmuster mithilfe von Algorithmen und Mining-Tools identifiziert werden, während die Predictive Analytics der Prozess ist, Geschäftswissen auf die entdeckten Muster anzuwenden, um Vorhersagen zu treffen.

Data Mining ist der Prozess, die Muster in einem großen Datensatz zu entdecken. Es extrahiert neue Muster und Beziehungen zwischen Datenentitäten. Die Ausgabe von Data Mining ist ein Muster, das eine zeitlich variierende Verteilung bildet. Auf der anderen Seite ist Predictive Analytics der Prozess, bei dem Geschäftswissen auf entdeckte Muster in einem Datensatz angewendet wird, um Trends und Verhaltensweisen vorherzusagen. Diese Muster werden durch Data Mining oder eine andere Technik entdeckt. Business-Analysten und Domänenexperten analysieren und interpretieren sie, um aussagekräftige Geschäftseinblicke zu erhalten.

Data Mining, prädiktive Analysen

Was ist Data Mining?

Data Mining bezieht sich auf den Prozess der Entdeckung von Mustern in einem großen Datensatz. Dabei geht es darum, Informationen aus einem Datensatz zu extrahieren und die Informationen für die weitere Verwendung in eine verständliche Struktur umzuwandeln. Es wird in vielen Bereichen wie Mathematik, Kybernetik, Marketing usw. verwendet.

Abbildung 1: Datensatz

Data Mining ist mit mehreren Aufgaben verbunden, wie z. B. Datenintegration, Datentransformation, Musterauswertung und Visualisierung. Daten stammen aus mehreren Quellen. Alle Daten werden integriert und an einem einzigen Ort namens Data Warehouse gespeichert. Zweitens werden die Daten vorverarbeitet, um sie für das Data Mining geeignet zu machen. Anschließend werden die Muster mit Algorithmen wie Clustering, Regression etc. erkannt. Abschließend werden diese Muster ausgewertet und anhand von Graphen visualisiert.

Darüber hinaus gibt es eine Art von Data Mining namens Web Mining. Dies ist der Prozess der Sammlung von Informationen über traditionelle Data-Mining-Methoden und -Techniken über das Internet. Es hilft, Faktoren wie die Effektivität einer Website und das Kundenverhalten zu verstehen. Insgesamt bietet Data Mining die Möglichkeit, versteckte Muster in Daten aufzudecken, sodass diese verwendet werden können, um Vorhersagen zu treffen und Geschäftsentscheidungen zu treffen.

Was ist Predictive Analytics?

Predictive Analytics analysiert die aktuellen und historischen Fakten, um Vorhersagen über zukünftige oder unbekannte Ereignisse zu treffen. Es verwendet verschiedene statistische Techniken wie Data Mining, prädiktive Modellierung und maschinelles Lernen.

Abbildung 2: Predictive Analytics-Prozess

Der Predictive Analytics-Prozess umfasst die folgenden Aktivitäten.

1. Projekt definieren – Definieren Sie Projektergebnisse, Umfang, Geschäftsziele und identifizieren Sie den zu verwendenden Datensatz.
2. Datensammlung – Sammeln Sie Daten aus mehreren Quellen.
3. Datenanalyse – Prozess der Untersuchung und Modellierung von Daten, um nützliche Informationen zu entdecken.
4. Statistische Analyse – Validieren Sie Annahmen, Hypothesen und testen Sie sie mit statistischen Modellen.
5. Modellierung – Erstellen Sie genaue Vorhersagemodelle für die Entscheidungsfindung.
6. Bereitstellung – Stellen Sie die Analyseergebnisse für den täglichen Entscheidungsprozess bereit, um Ergebnisse, Berichte und Ausgaben zu erhalten.
7. Modellüberwachung – Verwalten und Überwachen der Modellleistung, um sicherzustellen, dass das Modell die erwarteten Ergebnisse liefert.

Predictive Analytics wird in vielen Bereichen eingesetzt. Es hilft Unternehmen bei der Analyse von Mustern, die in historischen und Transaktionsdaten gefunden wurden, um Risiken und Chancen zu identifizieren. Nehmen Sie beispielsweise an, Kredit-Scoring. Die Kredithistorie, der Kreditantrag und die Kundendaten des Kunden werden analysiert und verarbeitet, um Entscheidungen darüber zu treffen, ob dieser Kunde die Kreditzahlung fristgerecht zahlt. Darüber hinaus wird Predictive Analytics in Bereichen wie Marketing, Finanzen, Versicherungen, Einzelhandel, Telekommunikation, Gesundheitswesen, soziale Netzwerke usw. eingesetzt.

Unterschied zwischen Data Mining und Predictive Analytics

Definition

Data Mining ist der Prozess der Entdeckung von Mustern in großen Datensätzen unter Verwendung von Methoden des maschinellen Lernens, der Statistik und von Datenbanksystemen. Predictive Analytics ist der Bereich der Statistik, der sich damit befasst, Informationen aus Daten zu extrahieren und diese zur Vorhersage von Trends und Verhaltensmustern zu verwenden. Dies erklärt den grundlegenden Unterschied zwischen Data Mining und Predictive Analytics.

Funktionalität

Data Mining wendet Algorithmen wie Regression und Klassifizierung auf gesammelte Daten an, um verborgene Muster zu entdecken. Predictive Analytics wendet jedoch Geschäftswissen auf entdeckte Muster an, um für das Geschäft gültige Vorhersagen zu erhalten.

Verwendungszweck

Es gibt einen weiteren Unterschied zwischen Data Mining und Predictive Analytics, basierend auf ihrer Verwendung. Während Data Mining dazu beiträgt, die gesammelten Daten besser zu verstehen, hilft Predictive Analytics, Vorhersagen über zukünftige oder unbekannte Ereignisse zu treffen.

Beteiligte Berufe

Obwohl Data Mining von Statistikern und Ingenieuren durchgeführt wird, wird Predictive Analytics von Business-Analysten und anderen Domänenexperten durchgeführt.

Abschluss

Der Unterschied zwischen Data Mining und Predictive Analytics besteht darin, dass Data Mining der Prozess ist, die verborgenen Muster von Daten mithilfe von Algorithmen und Mining-Tools zu identifizieren, während Predictive Analytics der Prozess ist, bei dem Geschäftswissen auf die entdeckten Muster angewendet wird, um Vorhersagen zu treffen.

Referenz:

1. „Was ist Data Mining? – Definition von WhatIs.com.“ SearchSQLServer, hier verfügbar.2. „Vorausschauende Analytik.“ Wikipedia, Wikimedia Foundation, 26. August 2018, hier verfügbar.