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. SICK AG, Waldkirch bei Freiburg im Breisgau
  2. Viega Holding GmbH & Co. KG, Attendorn
  3. T-Systems International GmbH, Leinfelden-Echterdingen
  4. dSPACE GmbH, Paderborn


Anzeige
Top-Angebote
  1. für 449€ statt 708€
  2. 249,90€
  3. 159,90€

Folgen Sie uns
       

Anzeige
Whitepaper
  1. Data Center-Modernisierung für mehr Performance und


  1. Quartalsbericht

    Microsoft kann Gewinn durch Cloud mehr als verdoppeln

  2. Mobilfunk

    Leistungsfähigkeit der 5G-Luftschnittstelle wird überschätzt

  3. Drogenhandel

    Weltweit größter Darknet-Marktplatz Alphabay ausgehoben

  4. Xcom-2-Erweiterung angespielt

    Untote und unbegrenzte Schussfreigabe

  5. Niantic

    Das erste legendäre Monster schlüpft demnächst in Pokémon Go

  6. Bundestrojaner

    BKA will bald Messengerdienste hacken können

  7. IETF

    DNS wird sicher, aber erst später

  8. Dokumentation zum Tor-Netzwerk

    Unaufgeregte Töne inmitten des Geschreis

  9. Patentklage

    Qualcomm will iPhone-Importstopp in Deutschland

  10. Telekom

    Wie viele Bundesfördermittel gehen ins Vectoring?



Haben wir etwas übersehen?

E-Mail an news@golem.de


Anzeige
Kryptowährungen: Bitcoin steht vor grundlegenden Änderungen
Kryptowährungen
Bitcoin steht vor grundlegenden Änderungen
  1. Link11 DDoS-Angriffe nehmen wegen IoT-Botnetzen weiter zu
  2. Ethereum-Boom vorbei Viele gebrauchte AMD-Grafikkarten im Angebot
  3. Kryptowährung Bitcoin notiert auf neuem Rekordhoch

Indiegames Rundschau: Meisterdiebe, Anti- und Arcadehelden
Indiegames Rundschau
Meisterdiebe, Anti- und Arcadehelden
  1. Jump So was wie Netflix für Indiegames
  2. Indiegames-Rundschau Weltraumabenteuer und Strandurlaub
  3. Indiegames-Rundschau Familienflüche, Albträume und Nostalgie

IETF Webpackage: Wie das Offline-Internet auf SD-Karte kommen könnte
IETF Webpackage
Wie das Offline-Internet auf SD-Karte kommen könnte
  1. IETF 5G braucht das Internet - auch ohne Internet
  2. IETF DNS über HTTPS ist besser als DNS

  1. Re: Ich finds ja zum piepen

    AllDayPiano | 06:28

  2. Re: ÖR vs. private

    Pjörn | 04:44

  3. Re: Wurde überhaupt schon jemand damit infiziert?

    Pjörn | 04:30

  4. Re: Wer?

    Frotty | 03:57

  5. Re: Lohnt das

    Pjörn | 03:43


  1. 23:50

  2. 19:00

  3. 18:52

  4. 18:38

  5. 18:30

  6. 17:31

  7. 17:19

  8. 16:34


  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