---

Inhaltlich unveränderte Neuauflage. Diese Studie beschreibt ein Verfahren zum experimentellen Vergleich von Data Mining Systemen. In der Vorbereitungsphase wird für die Systeme ein einheitlicher Bezugsrahmen erstellt. Fragestellungen des Anwenders werden typisiert und die Evaluationsumgebung definiert. In der Planungsphase werden Experimente spezifiziert, mit denen Effektivität, Effizienz und Skalierbarkeit der Data Mining Systeme getestet werden. Das Verfahren wird exemplarisch mit den Systemen Enterprise Miner (SAS), Clementine (SPSS) und Intelligent Miner (IBM) durchgeführt. Konkrete Datensätze und Fragestellungen werden dem Customer Relationship Management in der Telekommunikationsbran che entnommen. Neben den Datensätzen des Anwenders werden Datensätze aus öffentlichen Quellen (z.B. aus der Literatur und aus Wettbewerben), sowie synthetisch generierte Daten mit bestimmten Eigenschaften (z.B. ein gewisser Anteil an fehlerhaften oder fehlenden Daten) verwendet. Es werden Experimente durchgeführt, mit Aufgaben zur Abhängigkeitsuntersuchu ng (Assoziation- und Sequenzanalysen), zur Segmentierung (Clusteranalysen, Kohonen SOM) und zur Klassifikation/Vorhersage (Entscheidungsbäume, Neuronale Netze, Logistische Regression). Die Ergebnisse der Experimente werden einem Bewertungsverfahren unterzogen und die Bewertungen zusammengefasst.

---

André Kusick studierte Sozialwissenschaftliche Informatik an der Universität Koblenz. Er lebt in Karlsruhe und arbeitet für einen Internet Service Provider.

---