Abo
  • Services:
Anzeige
SAP-Server
SAP-Server (Bild: SAP)

Next Generation MMDBMS

Mustererkennung für jedermann: Lookup - Learn - Investigate. Eine weitere Sichtweise zur Abschätzung des Erfolgs wirtschaftlicher Anwendungen auf Basis von MMDBMS ist das Verständnis des menschlichen Prozesses der Mustererkennung. Dieser explorative und iterative Prozess besteht aus dem Nachschlagen einzelner Fakten (lookup), dem Aggregieren und dem Vergleichen von Datenverteilungen (learn) und deren Analyse, also oft dem Finden von Nischen oder der Entdeckung neuer Zusammenhänge (investigate). Die typische Domäne für lookup waren lange Websuchmaschinen und bestimmte Anwendungen im Unternehmen (CRM, ERP). Für learn sind typische Domänen Data Warehouse und Reporting-Anwendungen. Investigate wurde bisher weitgehend dem Spezialisten - und seinem oder ihrem Bauchgefühl - überlassen.

Anzeige

Schier unbegrenzte Rekombinationsmöglichkeiten von Daten gestalten den Prozess zur Erstellung von Vorhersagemodellen noch relativ aufwendig. Hersteller von MMDBMS haben daher begonnen, den gesamten Prozess in Anwendungen zu automatisieren. In Kombination mit einfachen Anwendungen ermöglichen die geringen Antwortzeiten des MMDBMS jedermann im Unternehmen die Berechnung von Was-wäre-wenn-Szenarien in wenigen Sekunden. Dazu gehören Szenarien zur Preisentwicklung, zur Abschätzung der Verfügbarkeit knapper Ressourcen im Unternehmen wie Lager, Fuhrpark, Personal oder Strom, zur Vorhersage der Wirksamkeit von Marketingkampagnen oder zur Risikoabschätzung der Bonität von Kunden, Zulieferern oder ganzer Lieferketten. MMDBMS sind auch schnell genug, um interaktiv sogar vom Kunden aus der Anwendung Signale einzusammeln - zum Beispiel Klick-Streams, Sentiments, Feedback aus dem Call Center - oder um bessere Vorhersagemodelle zu erstellen, wie zum Beispiel bei der Empfehlung von Produkten im Onlineshop.

Die aktuelle Forschung orientiert sich an diesen Szenarien. Insbesondere bei der Erkennung von Merkmalen (Signalen aus Prozessen) und deren Gewichtung bieten MMDBMS genügend hohe Interaktionszeiten, um den explorativen Data-Mining-Prozess möglichst interaktiv auch auf einem sehr großen Sample (idealerweise N=alle) auszuführen. Ein Schwerpunkt ist daher die Parallelisierung von Data-Mining-Verfahren zur Bildung statistischer Modelle im MMDBMS wie zum Beispiel im SAP HANA Modul PAL (Predictive Analytics Library). Besonders attraktiv erscheint derzeit die Forschung an der Parallelisierung von Ensemble Lernern.

Diese Verfahren haben das Potenzial sowohl diskriminative Merkmale aus hochdimensionalen Daten weitgehend automatisiert zu identifizieren als auch ein akkurates Klassifikationsmodell zu trainieren. Eine weitere Form sind sogenannte Active Learner, also Lernverfahren, die den Aufwand beim Training des Modells deutlich reduzieren können, indem beispielsweise gezielt nur Datenausschnitte mit besonderer Unsicherheit einem menschlichen Experten gezeigt werden. Die statistischen Modelle können, wenn sie im Hauptspeicher gehalten werden, durch menschliche Interaktion mit neuen Daten in wenigen Sekunden erweitert und neu trainiert werden. Dadurch werden Trendvorhersagen aufgrund frischer, transaktionaler Daten möglich.

 Neue OptimierungsprinzipienHybride Speicherorganisationen garantieren schnelle Ausführungszeiten 

eye home zur Startseite
Quantium40 21. Okt 2014

Welche Anwendungsfälle sollen das sein?

Quantium40 21. Okt 2014

Es gibt durchaus Szenarien, in denen solch scheinbarer Blödsinn durchaus sinnvoll sein...

holgerscherer 17. Okt 2014

Die gewisse Vorliebe hat ja auch gute Gründe ;-) -h

deefens 15. Okt 2014

An manchen Stellen evtl. ein bischen knapp gefasst, aber im Kern sehr informativ. Was...



Anzeige

Stellenmarkt
  1. Landeshauptstadt München, München
  2. OPITZ CONSULTING Deutschland GmbH, verschiedene Standorte
  3. cab Produkttechnik GmbH & Co. KG, Karlsruhe
  4. MBtech Group GmbH & Co. KGaA, Stuttgart


Anzeige
Spiele-Angebote
  1. 8,49€
  2. 19,49€
  3. 9,99€

Folgen Sie uns
       


  1. Fahrdienst

    London stoppt Uber, Protest wächst

  2. Facebook

    Mark Zuckerberg lenkt im Streit mit Investoren ein

  3. Merged-Reality-Headset

    Intel stellt Project Alloy ein

  4. Teardown

    Glasrückseite des iPhone 8 kann zum Problem werden

  5. E-Mail

    Adobe veröffentlicht versehentlich privaten PGP-Key im Blog

  6. Die Woche im Video

    Schwachstellen, wohin man schaut

  7. UAV

    Matternet startet Drohnenlieferdienst in der Schweiz

  8. Joint Venture

    Microsoft und Facebook verlegen Seekabel mit 160 Terabit/s

  9. Remote Forensics

    BKA kann eigenen Staatstrojaner nicht einsetzen

  10. Datenbank

    Börsengang von MongoDB soll 100 Millionen US-Dollar bringen



Haben wir etwas übersehen?

E-Mail an news@golem.de


Anzeige
Parkplatz-Erkennung: Bosch und Siemens scheitern mit Pilotprojekten
Parkplatz-Erkennung
Bosch und Siemens scheitern mit Pilotprojekten
  1. Community based Parking Mercedes S-Klasse liefert Daten für Boschs Parkplatzsuche

Optionsbleed: Apache-Webserver blutet
Optionsbleed
Apache-Webserver blutet
  1. Apache-Sicherheitslücke Optionsbleed bereits 2014 entdeckt und übersehen
  2. Open Source Projekt Oracle will Java EE abgeben

Lenovo Thinkstation P320 Tiny im Test: Viel Leistung in der Zigarrenschachtel
Lenovo Thinkstation P320 Tiny im Test
Viel Leistung in der Zigarrenschachtel
  1. Adware Lenovo zahlt Millionenstrafe wegen Superfish
  2. Lenovo Smartphone- und Servergeschäft sorgen für Verlust
  3. Lenovo Patent beschreibt selbstheilendes Smartphone-Display

  1. Re: Was hat das mit "Die PARTEI" zui tun?

    Zeroslammer | 10:43

  2. Re: Und bei DSL?

    sneaker | 10:42

  3. Re: Der starke Kleber

    ArcherV | 10:36

  4. Re: und die anderen 9?

    ArcherV | 10:34

  5. Re: 197 MBit/s über vodafone.de Speedtest - 30...

    DerDy | 10:24


  1. 15:37

  2. 15:08

  3. 14:28

  4. 13:28

  5. 11:03

  6. 09:03

  7. 17:43

  8. 17:25


  1. Themen
  2. A
  3. B
  4. C
  5. D
  6. E
  7. F
  8. G
  9. H
  10. I
  11. J
  12. K
  13. L
  14. M
  15. N
  16. O
  17. P
  18. Q
  19. R
  20. S
  21. T
  22. U
  23. V
  24. W
  25. X
  26. Y
  27. Z
  28. #
 
    •  / 
    Zum Artikel