Fazit: Leichter Einstieg dank einfacher Bedienkonzepte

Kundensegmentierungen gehören zu den komplexeren Analyseaufgaben - entsprechend hohe Anforderungen werden an die Bedienung der Tools gestellt. Die Kunst aus der Perspektive des Softwareherstellers besteht darin, den Anwender an den entscheidenden Stellen im Analyseprozess konkret an die Hand zu nehmen, ohne den explorativen Charakter des Data Mining zu stark einzuschränken und ihm damit seine größte Stärke gegenüber einfacheren konfirmativen Analysen zu nehmen.

Ein dominierendes Bedienkonzept hat sich - wie schon in den letzten Jahren - weiterhin noch nicht herauskristallisiert. Aber die Hersteller machen spürbare Fortschritte und sind zunehmend um Einsteigerfreundlichkeit bemüht: SAS bietet neuerdings mit dem "Rapid Predictive Modeler" eine Data-Mining-Umgebung mit sinnvoll begrenzten Parametrisierungsmöglichkeiten an; im "Data Miner" von StatSoft kann man bereits seit der letzten Version wahlweise in den Assistentenmodus umschalten, der vorgefertigte "Data-Mining-Rezepte" für Standardanalyseaufgaben bereitstellt. Derartige Hilfen sind besonders bei erweiterten Analyseszenarien von Nutzen, die aus mehreren separaten Analysebausteinen bestehen - in unserem Fall etwa, wenn nach der Segmentierung des Kundenstamms auch Neukunden in bestehende Segmentierungen eingeordnet werden sollen.

Als Fazit der diesjährigen Studie lässt sich festhalten, dass sich mit modernen Data-Mining-Tools inzwischen auch komplexere Analysen wie Kundensegmentierungen effizient ausführen lassen. Die Ausweitung der Data-Mining-Anwendungsbereiche insbesondere im CRA hat zu einem sehr vielfältigen Tool-Angebot geführt, so dass sich auch für Spezialeinsätze das passende Werkzeug findet. Insbesondere bei den leicht erlernbaren Bedienkonzepten und der komfortablen, vorkonfigurierten grafischen Auswertung der Ergebnisse zeigen sich spürbare Fortschritte, die die Einstiegshürden in die Datenanalyse stark verringert haben. (ba)