(openPR) Berlin, 10. September 2008 — Das auf Business Intelligence und analytisches CRM spezialisierte Analysten- und Beratungshaus mayato GmbH stellt auf der CRM-expo 2008 in Halle 10, Stand C40 erstmals seine aktuelle Data-Mining-Studie 2009 vor. Insgesamt zehn DM-Suiten und Werkzeuge wurden anhand von Testszenarien auf ihre Einsatztauglichkeit geprüft. Darüber hinaus informiert mayato über analytische Lösungen, die operative CRM-Systeme (Customer Relationship Management) ergänzen. Weitere Messethemen der BI-Spezialisten sind automatisiertes Data Mining (Self-Acting Data Mining) mit Tools wie KXEN, Strategien für die optimale Verzahnung von Business Analytics und Geschäftsprozessen sowie Anwendungsbeispiele rund um SAP BW und SAS.
Die neue Studie der mayato GmbH beleuchtet zehn führende Data-Mining-Werkzeuge in einem Featurevergleich. Neben kommerziellen Data-Mining-Suiten wie beispielsweise dem SAS Enterprise Miner oder Clementine von SPSS kamen mit Rapidminer, KNIME und Weka ebenso drei Open-Source-Tools auf den Prüfstand. Untersucht wurde zudem das Self-Acting Data Mining Werkzeug von KXEN. Auch die integrierten Lösungen einiger BI-Anbieter wurden geprüft, darunter Oracle Data Mining, SAP BI Netweaver und die Analysis Services des Microsoft SQL-Server. Vier Lösungen unterzog mayato einem detaillierten Praxistest. Auf der CRM-expo ist eine Kurzfassung der Data Mining Studie am Stand erhältlich. Ab Anfang November können Interessierte das komplette Werk auch in gedruckter Form unter www.mayato.com zu einem Preis von 3.799,- Euro zzgl. MwSt bestellen.
Schwerpunkt auf dem CRM-expo-Stand von mayato ist zudem das Thema Self-Acting Data Mining. Gerade im Bereich des Kundenbeziehungsmanagements ist ein starker Bedarf an analytischen Lösungen zu verzeichnen. Für Analysen zum Abwanderungsverhalten, zum Risikomanagement und zu Lebenszyklen von Kundenbeziehungen eignen sich insbesondere prädiktive Data-Mining-Werkzeuge. Das klassische Data Mining konfrontiert Anwender jedoch mit einem hohen Aufwand in der Datenvorbereitung und setzt Statistikexpertise voraus. Hinzu kommt, dass der Erfolg nach einer aufwändigen Modellerstellung nicht gesichert ist – wenn beispielsweise die Daten keine relevanten Muster beinhalten. „Self-Acting Data Mining optimiert Parametereinstellungen und Eingangsdaten weitgehend automatisch und kann Data-Mining-Projekte erheblich verkürzen. Damit sinken Kosten und Risiken von Data Mining deutlich“, bestätigt Dr. Marcus Dill, Geschäftsführer von mayato. In Nürnberg informiert das Beratungshaus über automatisierte DM-Lösungen, mit denen Data Mining auch Business-Anwendern für den Alltagsgebrauch als Grundlage für fundierte Entscheidungen zugänglich gemacht werden kann.
