Data-Warehouse-Systeme

Das Konzept des Dataware House wurde beschreibt die Idee, traditionelle Datenbanksysteme um weitere Such- und Analysemöglichkeiten zu ergänzen und so die Entscheidungsunterstützung zu verbessern. Im Sinne des Wissensmanagements können so z. B. traditionelle Erfahrungsdatenbanken wie die Relationship Marketing Database der Chase Manhattan Bank zu einer Wissensbasis für das umfassende Customer Relationship Management ausgebaut werden. Anstrengungen, unterneh-mungsweite Data Warehouses aufzubauen, haben sich allerdings in der Praxis häufig als zu aufwendig herausgestellt. Etabliert haben sich indessen auf bestimmte organisatorische Bereiche begrenzte Datensammlungen, sogenannte Data Marts.

Gleich ob Data Warehouse oder Data Mart, in jedem Fall handelt es sich um Sammlungen sehr großer Datenmengen. Zur zielgerichteten Verwendung dieser Daten bedarf es geeigneter Navigations- und Suchmethoden. Die Entwicklung eines Data-Mining-Konzepts ist deshalbein logisch konsequenter Schritt nach dem Aufbau eines Data Warehouse.

Unter Datamining versteht man das Vorgehen, in großen, gut strukturierten Datensammlun-gen inhaltliche Zusammenhänge aufzuspüren und sie dem Benutzer als verwendbares Wissen zur Verfügung zu stellen. Data  Mining wird häufig mit dem Begriff Knowledge Discovery in Databases (KDD) gleichgesetzt. Dabei kommen hauptsächlich induktive statistische Methoden und Lernalgorithmen (Mustererkennung, Klassifikationsverfahren) zum Einsatz.