Data-Science-Projektplanung. Datenanalyse und das CRISP-DM-Modell, dargestellt am Beispiel eines IT-Dienstleistungsunternehmens

Studienarbeit aus dem Jahr 2024 im Fachbereich BWL - Unternehmensführung, Management, Organisation, Note: 2, Fachhochschule des bfi Wien GmbH, Sprache: Deutsch, Abstract: Diese Arbeit beschäftigt sich mit dem Thema Datenanalyse und dem CRISP-DM-Modell, dargestellt am Beispiel eines IT-Dienstleistungsunternehmens. Sie führt durch eine Data-Science-Projektplanung, von der Identifikation geschäftskritischer Probleme bis zur Entwicklung und Implementierung effektiver Lösungen. Dabei wird eruiert, wie man Geschäftsziele definiert, Daten versteht und vorbereitet und wie man Modelle bewertet und bereitstellt, um spürbare Ergebnisse zu erzielen. In der heutigen Ära der digitalen Transformation und zunehmender Technologieinnovationen spielen Daten eine zentrale Rolle bei der Gestaltung und Entwicklung von Organisationen. Die Fähigkeit, aus diese Daten wertvolle Erkenntnisse zu gewinnen, hat sich zu einem entscheidenden Wettbewerbsvorteil entwickelt. In den späten 1980er Jahren entstand als Reaktion auf die Herausforderungen umfangreicher Datenbestände die interdisziplinäre Forschungsrichtung "Knowledge Discovery in Databases" (KDD), heute besser bekannt als Data Mining. Diese Forschungsrichtung integriert Erkenntnisse aus verschiedene Disziplinen wie Statistik, Datenbanktechnologie, Visualisierung und Künstliche Intelligenz (KI). Daten sind nicht nur Informationen, sondern bergen ein verborgenes Potenzial, das durch den Prozess des Data Mining erschlossen wird. Dieser Prozess wird durch maschinelles Lernen und fortschrittliche Algorithmen unterstützt und ermöglicht die Identifizierung von relevanten Informationen sowie die Generierung wertvoller Erkenntnisse. Die Nutzung dieser Erkenntnisse wird durch prädikative Analytik ermöglicht, die wiederum auf Geschäftswissen aufbaut. Mit dem Aufkommen von Big Data hat sich die Datenlandschaft drastisch verändert. Data Mining hat sich als entscheidendes Instrument herauskristallisiert, um in diesem Umfeld verborgene Muster und Erkenntnisse zu extrahieren. Diese Entwicklung hat Auswirkungen auf Unternehmen, Regierungen, Finanzinstitute und den Alltag der Menschen. Das CRISP-DM (Cross-Industry Standard Process for Data Mining) spielt in diesem Zusammenhang eine entscheidende Rolle als branchenübergreifendes Prozessmo-dell, das Organisationen bei der strukturierten und effizienten Durchführung von Data Mining Projekten unterstützt. Das CRISP-DM-Referenzmodell, besteht aus sechs Phasen: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment.