Produkte & Lösungen > Mining-Lösungen > STATISTICA Data Miner

STATISTICA Data Miner
 – Software für den Erfolg

Profitieren Sie von einem der modernsten Data-Mining-Tools am Markt! Der STATISTICA Data Miner erkennt auch in Ihren Daten die entscheidenden Muster, Trends und Zusammenhänge. Als Anwender können Sie zwischen verschiedenen Anwendermodi wählen,  –  vom Expertenmodus bis zum Assistenten, der Sie Schritt für Schritt durch den Data-Mining-Prozess führt.

»KDNuggets-Umfrage 2012« STATISTICA erweist sich in der neuesten Anwender-Umfrage als beliebtestes kommerzielles Big-Data-Tool   »Data Mining Studie 2012« STATISTICA Data Miner bietet im Tool-Vergleich von mayato das beste Preis-Leistungs-Verhältnis   »Data Mining with STATISTICA« Videoserie auf Youtube   »STATISTICA Success Stories« Auf dieser viel beachteten Veranstaltungsreihe berichten Anwender über ihre Praxiserfahrungen mit Data-Mining-Projekten.

"Was ist STATISTICA Data Miner?"

YouTube-Serie "Data Mining with STATISTICA?"

Wählen Sie zwischen diesen Varianten:

• STATISTICA Data Miner  als Universallösung
• STATISTICA Process Optimization  als Industrielösung einschließlich Verfahren zur Ursachenanalyse und Optimierung
• STATISTICA Text Miner  zur Extraktion und Analyse unstrukturierter Textdaten
• STATISTICA Scorecard  für die Entwicklung, Bewertung und Überprüfung von Scorekarten-Modellen

 

Überblick zu STATISTICA Data Miner

• Data Mining = Wissens-Werte aus Daten gewinnen
• Wenn es um Data Mining geht: StatSoft!
• Data-Mining-Tool STATISTICA Data Miner

 

Wir beraten Sie gerne persönlich. So erreichen Sie uns.

 

Data Mining = Wissens-Werte aus Daten gewinnen

Mit dem technischen Fortschritt wachsen auch die Datenmengen in jedem Unternehmen. Doch viele Daten werden nur für operative Zwecke gesammelt und gespeichert  –  aber nicht ausgewertet. Dabei verbergen sich hier Wissensschätze, die nur gehoben sein wollen!

Die Anwendungsgebiete von Data Mining sind ebenso vielfältig wie branchenübergreifend: Viele Banken, Versicherungen, Medien-, Handels-, Versand-, E-Commerce- oder Telekommunikations-Unternehmen setzen es bereits erfolgreich ein. Aber auch in der industriellen Fertigung, Versorgung, Biochemie, Life Sciences, Medizin und Pharmaforschung wird zunehmend mit Data Mining gearbeitet, um Prozesse zu optimieren und Ursachen zu erforschen.
 

Typische Einsatzszenarien für Data Mining

Klassische Data-Mining-Anwendungen Kundensegmentierung Segmentieren Sie für eine gezielte Ansprache Ihren Kundenbestand in Gruppen mit ähnlichem soziodemographischen Profil und Nachfrageverhalten. Risikoprognosen Leiten Sie aus Ihren Daten valide Prognosemodelle ab, um Ausfallrisiken zu minimieren. Erstellen Sie Modelle und "Was-wäre-wenn"-Szenarien zur Risikoabschätzung. Bewerten Sie Kreditrisiken nach Basel II. Marketing-Optimierung Steigern Sie den Response und ROI Ihrer Direktmarketingaktionen: mit individualisierter Kundenansprache, Mailing-Frequenz und passgenauen Angeboten. Optimieren Sie Up- und Cross-Selling. Warenkorb- und Webanalysen Welche Produkte und Leistungen sollen welchen Kunden angeboten werden? Und zu welchem Zeitpunkt und welchen Konditionen? Die Vorlieben Ihrer Kunden geben Ihnen Antworten. Weitere CRM-Szenarien Setzen Sie im analytischen CRM Data Mining zur Betrugserkennung, für Kundenwertanalysen und im Beschwerdemanagement ein.

Data Mining im industriellen Umfeld Prozessoptimierung Automatisierte Prozesse speichern Daten in hoher Taktrate, insbesondere in der industriellen Fertigung oder der Energieerzeugung. Mit Data Mining identifizieren Sie selbst in Massendaten die entscheidenden Parameter. "Was-wäre-wenn"-Simulationen zeigen Ihnen, was Sie konkret verbessern können. Qualitätssicherung Überwachen Sie mit multivariaten Regelkarten eine Vielzahl an Qualitätsmerkmalen simultan. Online-Monitoring und Echtzeitprognosen erlauben noch im laufenden Herstellungsprozess ein Nachjustieren. Fehleranalyse Erkennen Sie Störgrößen und Fehlermuster bei Rohmaterialien, im Herstellungsprozess oder bei fertigen Produkten. Assoziationsregeln offenbaren das gemeinsame Auftreten verschiedener Qualitätsprobleme oder typische Fehlerabfolgen. Interaktive Entscheidungsbäume erlauben eine flexible und verständliche Ursachenanalyse.

 

Der Data-Mining-Prozess

Als Data Mining wird der gesamte Prozess bezeichnet, der mit der Definition der Ziele beginnt und bis zur Anwendung der Erkenntnisse reicht. In der Fachwelt existieren verschiedenen Modelle, die den Ablauf von Data-Mining-Projekten beschreiben. Ein allgemeingültiges Modell gibt es nicht, die konkreten Einzelschritte hängen von der Fragestellung und den Erfordernissen in dem spezifischen Geschäftsfeld ab.

Der Data-Mining-Prozess beginnt typischerweise mit der Zieldefinition. Danach sind die relevanten Datenquellen und Merkmale zu bestimmen. Diese Daten liegen oft nicht in der erforderlichen Form vor und enthalten darüber hinaus auch Fehler. Ziel der Datenaufbereitung und Datenbereinigung ist es, konsistente Daten für die dann folgenden Data-Mining-Analysen bereitzustellen.

Dabei kommen sowohl Analysemethoden aus der klassischen Statistik als auch auf künstlicher Intelligenz basierende Techniken zum Einsatz (siehe auch den PDF-Artikel von Dr. Diego Kuonen zur Beziehung zwischen Data Mining und Statistik). Einige der wichtigsten Methoden sind: Neuronale Netze, Assoziationsregeln, Regression, Klassifikations- und Regressionsbäume. Sehr wichtig sind zudem interaktive Visualisierungsverfahren, mit denen die Daten erkundet und Zusammenhänge veranschaulicht werden ("Ein Bild sagt mehr als tausend Worte").

Die berechneten Ergebnisse werden validiert und interpretiert, so dass sie schließlich gewinnbringend genutzt werden können. Am Ende steht dann oft das Ziel, die gewonnenen Erkenntnisse für Vorhersagen auf neue Daten anzuwenden. Im Rahmen der Umsetzung der Ergebnisse werden die gewonnenen Modelle oft auch in bestehende Entscheidungssysteme integriert. Um sicherzustellen, dass die berechneten Modelle noch gültig sind, sollten sie regelmäßig anhand neuer Informationen überprüft werden.

Wenn es um Data Mining geht: StatSoft!

StatSoft zählt zu den weltweit führenden Herstellern von Datenanalyse-Software. Wir bieten Ihnen hohe Investitionssicherheit, kompetentes Engagement und exzellenten Service.

Kontinuität und Internationalität StatSoft hat sich seit seiner Gründung 1984 schnell als einer der weltweit führenden Hersteller von Datenanalyse-Software etabliert. Niederlassungen gibt es in über 20 Ländern, die Software ist in zehn Sprachen erhältlich. Moderne Software-Technologie 64-Bit-Architektur, Client-Server- und Multiprozessor-Lösungen, Web-Funktionalitäten, nahtlose Integration mit Datenbanken, STATISTICA Visual Basic, PMML-Unterstützung und interaktive Grafiktools sind nur einige Komponenten, die unsere technologische Führungsposition unterstreichen. Kundennähe Das Feedback und die Wünsche unserer Kunden spielen von jeher eine zentrale Rolle bei der Entwicklung unserer Software. Diese werden regelmäßig analysiert und fließen in die Entwicklung ein, was uns eine einzigartige Praxisnähe sichert. Branchenübergreifende Kompetenz Unsere Mitarbeiter sind hochqualifiziert und verfügen über fundiertes statistisches Know-how sowie langjährige Erfahrung in unterschiedlichsten Datenanalyseprojekten diverser Branchen.

Wissenstransfer Unsere Software zeichnet sich durch hohe Bedienerfreundlichkeit aus und lässt sich einfach implementieren. Je nach vorhandenem Know-how und personellen Ressourcen bieten wir: Training zur Toolbedienung und Methodik, individuelle Workshops und Consulting, aber auch komplette Durchführung von Data-Mining-Projekten für Sie. Bitte beachten Sie auch unsere Ausbildungsgänge zum STATISTICA Mining-Expert und Data-Mining-Expert (softwareunabhängig). STATISTICA Data Miner StatSoft bietet mit dem STATISTICA Data Miner eine methodenstarke, äußerst benutzerfreundliche und einfach zu implementierende Software für den gesamten Data-Mining-Prozess  –  von der Datenbankabfrage bis zur Erstellung der Abschlußberichte. Gleichzeitig besticht er durch ein attraktives Preis-/Leistungsverhältnis.

Data-Mining-Tool STATISTICA Data Miner

Der STATISTICA Data Miner passt sich Ihren Anforderungen und Kenntnissen an. Wählen Sie zwischen verschiedenen Anwendungsmodi, die in Bedienerfreiheit und Automatisierungsgrad variieren:

• Im Expertenmodus nutzen Sie die ganze Bandbreite an Methoden und Optionen.
• Eine Projektoberfläche visualisiert und automatisiert den gesamten Data-Mining-Prozess, von der Datenaufnahme bis zur Ergebnisausgabe.
• Ein Assistent leitet Sie mit einer klaren Benutzerführung sicher durch die wichtigsten Analyseschritte.

Data Mining bewegt oft sehr große Datenbestände und führt aufwendige Modellberechnungen durch – eine gute Performance der Software ist daher Voraussetzung. Mit dem STATISTICA Data Miner sind Sie bestens gerüstet:

• Optimierte Algorithmen, die mit modernster Compiler-Technologie entwickelt wurden, eine 64-Bit-Version für schnellste Mikroprozessoren und Verteilung von Prozessen auf zwei Prozessoren.
• Optimierter Lese- und Schreibzugriff auf große Datenbanken: Die IDP-Technologie (In-Place Database Processing) liest Daten asynchron direkt von Datenbankservern.
• Die Serverversion ermöglicht zusätzlich die Verlagerung aller Berechnungen auf leistungsstarke Multiprozessorsysteme und kann außerdem von einem PC in einem Intra- oder Internet über eine Web-Oberfläche  –  d.h. ohne installierte STATISTICA-Komponenten  –  gesteuert werden.

Die "beste Methode" für Data Mining gibt es nicht. Ein gutes Data-Mining-Werkzeug muss daher ein breites Methodenspektrum anbieten. Der STATISTICA Data Miner erfüllt diese Voraussetzung perfekt:

• zahlreiche Verfahren der Datenvorbereitung wie Filtern, Selektieren und Transformieren,
• Feature Selection zur Identifikation relevanter Prädiktoren,
• Klassifikations- und Regressionsbäume (CART, CHAID), Interaktive Entscheidungsbäume, Boosted Trees und Random Forests,
• Verallgemeinerte Additive Modelle, MAR Splines,
• EM- und k-Means-Clusterverfahren, Independent-Component-Analysen, einfache und sequenzielle Assoziationsregeln,

• Neuronale Netzverfahren einschließlich Self-Organizing Maps (SOM),
• K-Nearest Neighbors, Support Vector Machines (SVM), Bayessche Verfahren,
• Techniken wie Voting, Bagging, Boosting, Meta-Lernen,
• alle einfachen und höheren statistischen Methoden (wie Regressions-, Diskriminanz- und Zeitreihenanalysen),
• exzellente interaktive Visualisierungswerkzeuge und vieles mehr.

 

Wir beraten Sie gerne persönlich. So erreichen Sie uns.