Gesamtergebnis
Im Gesamtergebnis von Mayato landeten der SAS Enterprise Miner und der Statistica Data Miner gemeinsam auf dem ersten Platz. Sie punkten beide mit beeindruckendem Funktionsumfang, einer hohen Ausführungsgeschwindigkeit und sicherem Umgang mit großen Datenmengen. Knapp dahinter reiht sich KXEN ein: Das Analytic Framework reicht vor allem beim Funktionsumfang und der grafischen Ergebnisauswertung nicht an die Spitzengruppe heran, kann jedoch die Kategorien Bedienung, Systemstabilität und Automatisierungsgrad für sich entscheiden.
- Reifegrad des Corporate Performance Management
Hohe Erwartungen: Auf einer Skala von 0 bis 5 bewerten die befragten Unternehmen den Reifegrad ihres Corporate Performance Managements. Für die Zukunft rechnen sie mit signifikanten Sprüngen auf der fachlichen, technischen und organisatorischen Ebene. Allerdings lehrt der Blick zurück, dass es in den vergangenen Jahren nicht so schnell voran ging wie gedacht – eine Ausnahme macht der Bereich Organisation. - Trends der kommenden Jahre
Die wichtigsten Trends im Überblick: Steria Mummert erwartet, dass es im technischen Bereich Fortschritte sowohl bei der Integration als auch bei der Flexibilität geben wird. Ansonsten gilt es das Problem zu lösen, dass die Anwender wegen der Fülle an verfügbaren Informationen immer mehr den Überblick verlieren. Dem wirkt die Individualisierung des Informationszugriffs ebenso entgegen wie ein Information Lifecycle Management, das für eine intelligente Entrümpelung im Data Warehouse sorgt. Auch die prognostizierten organisatorischen Neuerungen dienen in erster Linie den Bedürfnissen der Anwender aus den Fachabteilungen. - Agile Architekturen
Die Arbeitspraxis der User soll durch agile Architekturen unterstützt werden. Die Schlüsselrolle der Metadaten dabei macht diese Grafik von Steria Mummert deutlich. Die Anwender beziehen ihre Informationen nicht alleine aus dem zentralen Data Warehouse, sondern auch aus den unterschiedlichsten anderen Quellen – beispielsweise aus dem Internet. Um eine hohe Qualität der erstellten Berichte und Analysen zu gewährleisten, muss über Herkunft und Art auch dieser Daten Klarheit herrschen. Die dazu angelegten Metadaten bilden neben dem Data Warehouse den „Single Point of Truth“, an dem die verwendeten Informationen auf ihre Qualität hin überprüft werden können.
Mit deutlichem Abstand folgen die SAP NetWeaver Data Mining Workbench und KNIME. Beide Werkzeuge zeigen vor allem durch das Fehlen der Sequenzanalyse deutliche Lücken beim Funktionsumfang und bieten nur eine sehr rudimentäre Unterstützung bei der Ergebnisinterpretation. Zudem ist die Dokumentation stark ergänzungsbedürftig, was die Einarbeitung erschwert. KNIME landet bei der Ausführungsgeschwindigkeit auf dem letzten Platz - verursacht durch die zeitraubende Datenvorverarbeitung für das ungewöhnliche BitVector-Format.
Reifegrad von Data-Mining-Tools wächst
Dennoch ist unübersehbar, dass sich der Reifegrad von Data-Mining-Lösungen insgesamt deutlich erhöht hat. Dank eines immer vielfältigeren Produktangebotes und neuen Ansätzen wie Self-Acting Data Mining gibt es mittlerweile für nahezu jede (unternehmens-)spezifische Analyseaufgabe das passende Data-Mining-Werkzeug. Gerade die Assoziations- und Sequenzanalyse eignet sich aufgrund ihrer eingängigen Warenkorbmetapher, der geringen Datenanforderungen und der vielfältigen Anwendungsmöglichkeiten besonders gut als Einstieg in die explorative Datenanalyse.