Knowledge Discovery In Data. Van ad hoc data mining naar real-time predictieve analyse

KNOWLEDGE DISCOVERY IN DATA
VAN AD HOC DATA MINING NAAR REAL-TIME PREDICTIEVE ANALYSE

Johan BLOMME, 2005

contact : J. Blomme – Leenstraat 11 – 8340 Damme

info@dmreview.be

Knowledge discovery in data. Van ad hoc data mining naar real-time predictieve analyse
2/63

INHOUD

Inleiding 3

1. Verandering als uitdaging 3

2. Informatietechnologie 5

3. Gegevensanalyse 7

3.1. Datawarehousing 7

3.2. Multidimensionele gegevensanalyse 10

3.3.Kennisontdekking 13
3.3.1. Data mining 13
3.3.2. Data mining, statistiek en OLAP 14
3.3.3. Patroonherkenning 17

3.3.4.Data mining-technieken 19
3.3.4.1. Logistische regressie-analyse 21
3.3.4.2. Beslissingsbomen 22
3.3.4.3. Neurale netwerken 24

3.3.5. Data mining : een interatief proces 27
3.3.5.1. Opstartfase 29
3.3.5.2. Gegevensoriëntatie 29
3.3.5.3. Gegevenspreparatie 30
3.3.5.4. Modelontwikkeling 38
3.3.5.5. Evaluatie 41
3.3.5.6. Actie 45

3.4. Trends in business intelligence 48
3.4.1. Van ad hoc-rapportering naar predictieve analyse 48
3.4.2. Business intelligence en corporate performance management 52

4. Besluiten 54

Noten 56

Geraadpleegde literatuur 61

J. Blomme – Leenstraat 11 – B 8340 Damme – email : info@dmreview.be

3/63

Inleiding

Tegenwoordig functioneren organisaties in een zeer dynamische omgeving waarbij marktposities snel
kunnen veranderen. Klanten worden kritischer, producten lijken steeds meer op elkaar en
technologische ontwikkelingen volgen elkaar snel op. Het tijdig herkennen van en het snel kunnen
aanpassen aan deze veranderingen is van cruciaal belang.

Als bedrijven zich moeilijk kunnen diversifiëren op basis van producten alleen, wordt het
probleemoplossend vermogen een doorslaggevend verkoopsargument. Meer en meer wordt de klant
het middelpunt van elke bedrijfsactiviteit. Het besef groeit dat naast verkoop ook service, informatie
en advies belangrijk zijn. Klantenservice wordt een zelfstandig marketinginstrument, ja zelfs als
merk naar voren geschoven. Hierdoor kunnen ondernemingen een concurrentievoordeel opbouwen
of behouden. De vaststelling dat meer en meer de nadruk komt te liggen op bedrijfsactiviteiten die
een concurrentievoordeel opleveren, heeft tot gevolg dat informatietechnologie (die voorheen vooral
werd aangewend voor de automatisering van (deel)processen in de administratie en de productie),
gebruikt wordt om relevante bedrijfsinformatie te genereren. Het succes van relationele databases
heeft geleid tot een overweldigende hoeveelheid operationele en historische data waarover bedrijven
kunnen beschikken. Echter het ontsluiten van informatie op basis van operationele databases levert
allerlei problemen op, o.m. op het vlak van prestaties en veiligheid. Het is op dit punt dat de nieuwste
ontwikkelingen op het gebied van informatietechnologie kunnen ingezet worden om de juiste
informatie over markten en consumenten ter beschikking te stellen en om nieuwe vormen van
klantgericht denken en handelen te ondersteunen.

Tegen de achtergrond van het toenemend belang van kennis als economische productiefactor,
schetsen we in hetgeen volgt de betekenis van informatietechnologie voor gegevensanalyse. In het
bijzonder blijven wij stilstaan bij de ontwikkelingen die geleid hebben tot het gebruik van
toepassingen die gegroepeerd worden onder de noemer van bedrijfsintelligentie of business
intelligence. Met deze term wordt verwezen naar de processen en technieken om strategisch
bruikbare informatie en kennis aan gegevens te onttrekken. Door het inrichten van
gegevenspakhuizen (datawarehousing) worden data uit diverse bronnen samengebracht in een
centrale gegevensencyclopedie die voor de gebruiker snel en gemakkelijk toegankelijk is. M.b.t. de
betekenis van databasetechnologie voor beslissingsondersteuning wordt de aandacht gericht op
gebruikersgestuurde OLAP-technieken en het zoekproces dat aangeduid wordt als data mining.

1. Verandering als uitdaging

De afgelopen decennia ontwikkelden Westerse maatschappijen zich gestadig naar op dienstverlening
gerichte samenlevingen. De wereld is in economisch opzicht één grote markt geworden. “The market
place” wordt steeds meer “the market space”. Kenmerkend voor de overgang van arbeidsintensieve
naar kennisintensieve economieën is het steeds toenemend belang van kennis als economische
productiefactor. De explosieve ontwikkeling van de informatie- en communicatietechnologie fungeert
in dit opzicht als een katalyserende factor. Veranderingen die reeds op gang waren gebracht,
voltrekken zich door de stuwende kracht van nieuwe technologieën in een hoger tempo.


4/63

De veranderingen die lijken samen te komen in een beweging die leidt tot een in hoge mate door
technologie gedomineerde toekomst staan niet op zichzelf en zijn verstrengeld met andere
maatschappelijke transformatieprocessen. Niet alleen op economisch vlak, ook op cultureel vlak
vallen grenzen weg. De toegenomen welvaart heeft zich o.m. vertaald in een culturele diversificatie
met een pluriformiteit aan levensstijlen, culturele uitingen, vrijetijds- en consumptiepatronen. Deze
verscheidenheid tekent zich niet alleen af op maatschappelijk niveau. Culturele verscheidenheid leidt
eveneens tot een grotere verscheidenheid aan individuele identiteiten. Door het proces van
individualisering zien individuen zichzelf minder als onderdeel van vaststaande collectiviteiten en
meer als zelfstandige individuen met zelfgekozen sociale verbindingen en netwerken. De hier
genoemde processen, en in het bijzonder de vaststelling dat economieën steeds meer gedragen
worden door kennis, blijven niet zonder gevolgen voor de bedrijfsvoering.

Hoe is, onder invloed van de verschillende transformaties die onder de noemer van de
kennissamenleving schuilgaan, het vak marketing het laatste decennium veranderd ? Aan het begin
van de jaren negentig werd door de Gartner Group vooropgesteld dat het overwinnen van
veranderingen de hoofdtaak van de bedrijfsvoering zal uitmaken. Kortere productlevenscyclussen,
een toenemende concurrentiedynamiek en de vaststelling dat veel markten veranderd zijn van een
verkoopmarkt in een koopmarkt, zijn slechts enkele factoren die aangeven dat de marktsituatie voor
veel bedrijven een stuk moeilijker geworden is. De afgelopen jaren is veel geschreven over de
gewijzigde omgeving waaraan de marketing zich moet aanpassen. Individualisering, demassificatie,
marktversplintering, fragmentatie, graascultuur, e.a. zijn vaak gebruikte termen om de hedendaagse
consument te omschrijven. In een samenleving met vrijwel onbeperkte keuzemogelijkheden en
onvoorspelbare varianten wordt doelgroepselectie veel minder eenvoudig. De ongrijpbare consument.
Producten gaan steeds meer op elkaar lijken (en worden gemakkelijker gekopieerd) terwijl de
concurrentie heviger wordt.

Bepalend voor de veranderingen in het vak marketing is de afnemende rol van de traditionele
marketing mix-instrumenten (product, prijs, promotie, plaats). Deze blijken onvoldoende houvast te
bieden in snel veranderende markten. Bedrijven moeten zich in toenemende mate concentreren op
de wijze waarop zij hun dienstverlening organiseren. Een goed functionerende organisatie is immers
veel moeilijker te kopiëren. Kwaliteit zal in de hele (klanten)benadering kwantiteit als hoofdprioriteit
verdringen. In deze context heeft Schultz (1990 : 12) het over de noodzaak van een nieuw type
marketing :

“In the past, traditional marketeers, in an effort to organize their marketing activities, tried to
aggregate customer wants and needs. In other words, they tried to find common products and
concepts and areas which would appeal to large numbers of people who could be served economically
and efficiently with a product or service. Because customers and their social norms were rather
homogeneous, that management approach resulted in the development of the mass market for
consumer products. ... Today, there’s a new look at the marketplace. A new look to consumers. ...
Today, and increasingly tomorrow, the market for many consumer products is and will be driven by
time, not money. It is also driven by a desire by people to be different and unique, not more like
others. This dramatic upheaval in the marketplace has resulted in an equally dramatic change in
marketing. ... we’re moving from what was historically mass marketing to a new form of specialized
marketing”.

Wat uit het bovenstaande kan afgeleid worden, is dat het meer dan ooit belangrijk wordt om de markt
en de ondernemingsmissie duidelijk te definiëren. Schultz (1990 : 19) heeft het in dit opzicht over het
belang van strategisch management :

“Two basic principles guide the development of any strategic marketing plan. 1. The organization’s
planning view and orientation must be external, that is, toward customers and markets, not internal or


5/63

toward what has been done or what facilities or technologies are now available. 2. Strategic
marketing plans must be based on identifying and making use of some sustainable competitive
advantage”.

De nieuwe eisen overstijgen de combinatie van product-prijs-promotie-plaats. Om in te spelen op de
marktontwikkelingen moeten bedrijven zich met de hele organisatie richten op de markt.
Bedrijfsprocessen dienen de klant als vertrekpunt te nemen. Het managen van klantrelaties wordt
daarmee een essentieel onderdeel van marketing. Massamarketing is daarmee niet verdwenen, maar
wél van sterk afnemend belang geworden. Het ultieme doel van de marketeer wordt het op
individuele basis benaderen en bedienen van de klant. Dit brengt een fundamentele verandering
teweeg in de marktbewerking. Het gaat niet langer (alleen) om marktaandeel (market share) maar (in
toenemende mate) om aandeel in de bestedingen van klanten (share of wallet). Dit betekent dat niet
zozeer beoogd wordt om zoveel mogelijk producten aan eenieder te verkopen of af te zetten binnen
een bepaald marktsegment, maar om een relatie met een klant zodanig te ontwikkelen dat deze
zoveel mogelijk producten van een bepaalde leverancier afneemt. Hiermee verschuift het accent van
de marketingactiviteiten meer van het winnen van nieuwe klanten naar het behouden van bestaande
klanten (retention marketing). Aangezien het vervullen van behoeften van individuele klanten centraal
staat i.p.v. het verkopen van producten is het, met het oog op het kennen van de lifetime value van
een klant, belangrijk diens behoeften nauwkeurig in kaart te brengen. Een klant kan immers
beschouwd worden als een generator van een aantal transacties gedurende een bepaalde periode, en
het komt erop aan de behoeften van de klant te kennen en inzicht te verwerven omtrent welke
klanten (potentieel) winstgevend zijn of niet.

2. Informatietechnologie

De veranderingen aan de vraagzijde van de markt resulteren de afgelopen jaren in een steeds
nadrukkelijker wordende noodzaak tot klantgerichtheid. Hierdoor zijn ook de eisen t.a.v.
bedrijfsinformatiesystemen veranderd. Werden deze laatste vooral in verband gebracht met het
automatiseren van bedrijfsprocessen, waarbij automatisering rond de bestaande processen werd
gedrapeerd, dan wordt informatie meer en meer als een productiefactor beschouwd. In die zin krijgt
informatie een strategische betekenis aangezien het een middel wordt tot ondersteuning van de
besluitvorming. Het snel anticiperen op de wisselende behoeften van consumenten waardoor een
bedrijf een concurrentievoordeel kan verwerven, is afhankelijk van informatie. De revoluties die zich
voltrekken in de informatietechnologie, en daarmee samenhangend in de media, grijpen diep in in het
marketingproces. Het is daarbij niet dat de informatietechnologie voorschrijft wat wel en niet kan.
Veeleer moet informatietechnologie gezien worden als een enabling technology waardoor
bedrijfsprocessen (zoals de klantenadministratie) aansluiten op hetgeen vanuit klantenperspectief
wenselijk is (en niet omgekeerd) en besluitvormingsprocessen door informatie ondersteund worden.

De voorbije decennia werd automatisering vooral aangewend voor de ondersteuning van eerst de
administratieve en daarna de overige bedrijfsprocessen. Het resultaat ervan was de snelle verwerking
van gegevens en het gebruik van deze laatste voor het aansturen van de verschillende onderdelen
van het productie- en distributieproces. Door de technologie kregen bedrijfsprocessen en de daaruit
resulterende producten en diensten een informatiecomponent waardoor ‘waarde’ werd toegevoegd
aan de fysieke keten. Geheel in overeenstemming met de kenmerken van een aanbodgerichte
marktstrategie was de toegevoegde waarde van de informatiecomponent intern gericht en werd deze


6/63

voornamelijk aangewend voor het kwantitatief en kwalitatief optimaliseren van bestaande producten
en diensten om uiteindelijk het marktaandeel te vergroten.

Door de toepassing van direct marketing technieken bleek het mogelijk om de informatiecomponent
ook afzonderlijk te exploiteren. Door te sturen vanuit speciaal daartoe gebouwde marketing
databases, nemen de mogelijkheden tot effectieve marktbewerking aanzienlijk toe. Aan de hand van
de in een database opgeslagen informatie over prospecten en klanten, is het mogelijk om in grote
markten een individuele benadering toe te passen. Aanvankelijk ging het om gepersonaliseerde
massacommunicatie, waarbij eenzelfde boodschap wordt verstuurd aan individueel geadresseerde
personen. Maar ook massale persoonlijke communicatie vindt thans op grote schaal plaats. Hierbij
wordt de boodschap individueel afgestemd op de kenmerken die van de ontvanger bekend zijn. Met
de mogelijkheden die de informatietechnologie vandaag biedt, kunnen prospecten en klanten niet
alleen individueel benaderd worden, maar wordt het ook mogelijk om op massale schaal maatwerk te
leveren. Daardoor kan massamarketing in consumentenmarkten vervangen worden door één-op-één
marketing1.

De individuele relatie op basis van data in marketing databases kan niet alleen tot stand gebracht
worden omdat technologische mogelijkheden grootschalig datagebruik mogelijk maken, maar ook
omdat deze een nieuwe dimensie scheppen voor de communicatie tussen aanbieder en afnemer.
Werd in de tijd van de overheersende massamarketing een medium vooral als advertentiemedium
gebruikt, dan worden media in toenemende mate gebruikt om één-op-één relaties te leggen met
prospects en klanten. In de jaren negentig zijn het vooral de communicatiemogelijkheden die tot een
verandering leiden2. De massamedia zullen in de (direct) marketing een plaatsje moeten opschuiven
voor de intussen steeds drukker bereden informatiesnelweg. Niet in het minst omdat het een bij
uitstek interactief medium is, waardoor de gewenste direct response vanzelfsprekend wordt.
Multimedia, interactieve media, elektronische snelwegen en interactieve marketing zijn termen die
steeds vaker gebruikt worden om aan te geven dat de informatietechnologie nu gebruikt wordt als een
middel om op een nieuwe manier te communiceren3. De consument krijgt meer vormen en methoden
van communicatie tot zijn beschikking en ontwikkelt zo, op basis van zijn behoeften en wensen, een
eigen wijze van interactie met de omgeving. Afstand, plaats en tijd vormen geen belemmering meer
waardoor de informatiecomponent een eigen leven gaat leiden parallel aan en in interactie met de
fysieke waardeketen4. Hierdoor ook beweegt de informatiecomponent van back office- naar front
office-processen. Aan de voorkant van de organisatie komt een laagdrempelige klanteninterface te
staan. De oriëntatie verschuift van een product- naar een klantoriëntatie. Bedrijven moeten zich
meer en meer richten op het reactieve van de consument. Zij moeten zo bereikbaar mogelijk zijn,
zowel in medium als in tijd. Telematica-instrumenten zorgen voor een betere interactie met de
consument en zijn daarom belangrijke instrumenten in de (elektronische) distributieketen. Door
callcenters en internet ontstaan virtuele marktplaatsen waardoor gegevens over prospecten en
klanten ingewonnen worden. De uitgebreide communicatie-, databeheer- en analysemogelijkheden
laten toe een dieper inzicht in de markt en de eigen organisatie te verkrijgen. Dit verklaart het
toegenomen belang van de klantendatabase waarop informatietechnologie met succes kan toegepast
worden voor zowel het aanboren van informatie en kennis over klanten als het aansturen van
marketingacties.


7/63

3. Gegevensanalyse

De besproken ontwikkelingen blijven inderdaad niet zonder gevolgen voor de databasetechnologie.
De sterk gestegen aandacht voor datawarehousing (gegevenspakhuizen) en data mining
(gegevensdelving) houdt verband met het toegenomen belang van informatie ter ondersteuning van
beslissingen (decision support).

Zowel het feit dat veel gegevens van prospecten en klanten geautomatiseerd verzameld worden als de
vaststelling dat operationele systemen heel wat (verborgen) informatie in zich houden, verklaren de
belangstelling voor nieuwe technologieën die toelaten gegevens te ontsluiten en hieraan informatie te
onttrekken die een gerichte en directe benadering van bestaande en nieuwe klanten toelaten. De
ontwikkelingen op het vlak van databasetechnologie voor beslissingsondersteuning markeren in dit
opzicht een omslag, een technologische verschuiving ten opzichte van het relationele model dat in de
jaren tachtig opgang maakte.

Het relationele model is ontwikkeld in een periode dat databanken een andere functie in de
informatievoorziening van bedrijven hadden dan tegenwoordig het geval is. Relationele database
management systemen (RDBMS) richten zich bij uitstek op de ondersteuning van administratieve
processen (On Line Transaction Processing, OLTP). Sterk samenhangend met de administratie van
transactionele gegevens is ook de betekenis van normalisatieprocessen die de gegevensintegriteit
van relationele databases moeten verzekeren enerzijds en de structuur van de zoektaal SQL
anderzijds.

Het belang van informatie ter ondersteuning van beslissingen voert evenwel tot de conclusie dat een
operationele database niet meer volstaat. Vooral het feit dat beslissingsondersteuning de toegang tot
een brede verzameling gegevens vereist, is hiervan de oorzaak. Om die reden wordt de ontwikkeling
van gegevenspakhuizen (datawarehousing) door velen beschouwd als de spil van de hedendaagse IT-
architectuur. Terwijl transactionele gegevens (OLTP) zodanig georganiseerd zijn dat ze snel
opgeslagen en opgeroepen kunnen worden, zijn de gegevens in een gegevenspakhuis georganiseerd
op een wijze die uiteenlopende analyses mogelijk maken.

Het multidimensioneel modelleren van gegevens dat kenmerkend is voor OLAP (On Line Analytical
Processing) maakt het mogelijk door aggregatie en samenvatting snel toegang te krijgen tot gegevens
en deze vanuit verschillende gezichtspunten te benaderen. Naast de meer traditioneel op
hypothesentoetsing geënte verificatie-technieken bieden met name explorerende technieken voor
kennisontdekking (data mining) de mogelijkheid tot extractie van verborgen patronen in gegevens.

3.1. Datawarehousing

De afgelopen jaren sterk gestegen belangstelling voor datawarehousing wordt onderbouwd door de
groeiende oriëntatie op klanten en, daarmee samenhangend, het strategisch belang van informatie
voor besluitvorming. Als een continu proces voorziet datawarehousing in het ter beschikking stellen
van gegevens om informatie voor beslissingsondersteuning te leveren. Datawarehousing is bedoeld
om productie-georiënteerde gegevensbestanden voor analysedoeleinden beschikbaar te maken. De
gegevens waarmee een datawarehouse wordt gevuld, zijn grotendeels afkomstig van de in de
organisatie geëxploiteerde operationele/transactionele systemen, de bronsystemen. Daarnaast


8/63

worden ook externe gegevens (bv. marktonderzoekgegevens en gegevens uit externe databanken) in
een datawarehouse opgenomen. Eén van de redenen voor het opzetten van een datawarehouse is
dat de operationele processen niet of zo weinig mogelijk verstoord worden door activiteiten die gericht
zijn op het genereren van managementinformatie. Daarom worden queries voor dit laatste doel bij
voorkeur niet rechtstreeks op de gegevens in productie-omgevingen uitgevoerd. Deze gegevens
worden daarom gekopieerd naar een omgeving waar zij zonder storende werking kunnen worden
geanalyseerd. Dit heeft (zoals o.m. het geval is met multidimensionele databases) het bijkomende
voordeel dat de gegevens op een wijze worden opgeslagen die meer geschikt is voor dit analysewerk.

In zijn veel geciteerde studie, Building the Data Warehouse (1996) , bakent W.H. Inmon een
gegevenspakhuis af van een relationele database door een gegevenspakhuis te definiëren als een
onderwerp gerichte, gëintegreerde, tijdsgebonden en statische verzameling van gegevens ter
ondersteuning van besluitvorming. Terwijl de gegevens in een operationele database transactie-
georiënteerd zijn, zijn de data in een gegevenspakhuis gericht op de behoeften van de eindgebruiker
en als zodanig gemodelleerd. Dit laatste houdt in dat gegevens over eenzelfde onderwerp (bv.
klantgegevens) die in een OLTP-omgeving in verschillende productiesystemen opgeslagen en verwerkt
worden, in een gegevenspakhuis samengebracht worden per onderwerp. De data zijn anderzijds
geïntegreerd, hetgeen betekent dat gegevens die in OLTP-omgevingen vaak in een verschillend
formaat worden beheerd, in een gegevenspakhuis zodanig geconsolideerd worden dat ze op
eenduidige wijze te benaderen zijn. Om die reden maakt het aanleggen van gegevensdefinities
(metadata, gegevens over gegevens) een cruciaal onderdeel uit van datawarehousing.

Een ander verschilpunt met gegevens opgeslagen in operationele databases is dat data in een
gegevenspakhuis tijdsgebonden zijn en derhalve een historische dimensie hebben. Weerspiegelen de
data in OLTP-systemen een momentopname, dan hebben analyses van data in gegevenspakhuizen
vaak tot doel verschuivingen en trends op te sporen. Alleen historische data laten toe veranderingen
in kaart te brengen.

Tenslotte zijn de data in een gegevenspakhuis duurzaam (statisch). Er worden, in tegenstelling tot
databases voor operationeel gebruik, geen gegevens veranderd, noch verwijderd ; er worden enkel
gegevens toegevoegd. In een operationele database fungeren normalisatie- en integriteitsregels als
condities voor het wijzigen, toevoegen en verwijderen van gegevens op recordniveau. Tegenover de
eisen voor update-optimalisatie in RDBMS, staat query-optimalisatie centraal in een datawarehouse-
omgeving.

Ten aanzien van de analyses die op de gegevens in een datawarehouse plaatsvinden, kan een
tweedeling gemaakt worden tussen op verificatie gerichte analyses en analyses gericht op het
ontdekken van nieuwe kennis. Het onderscheid tussen beide benaderingen kan verduidelijkt worden
door de behoeften op het vlak van beslissingsondersteuning weer te geven. In de eerste plaats is het
belangrijk te weten wat er in de markt gebeurt. Dergelijke wat-vragen (bv. Wat is de evolutie van het
marktaandeel van de eigen producten t.o.v. concurrerende producten gedurende de afgelopen vijf
jaren ?) worden beantwoord aan de hand van vraaggestuurde data-analyses, geïnduceerd door
gebruikers die aan de hand van op voorhand geformuleerde hypothesen de gegevens in een
datawarehouse benaderen. Zowel traditionele queries als OLAP-technieken ondersteunen deze op
verificatie gebaseerde gegevensanalyse.


9/63

Figuur 1 : Datawarehousing

Behalve het antwoord op wat-vragen heeft de bedrijfsvoering ook behoefte aan analyses die een
antwoord geven op de vraag waarom ontwikkelingen zich voordoen in de markt en hoe hierop kan
gereageerd worden. Het antwoord op waarom- en hoe-vragen vereist inzicht in de markt en kennis
van het gedrag van klanten om te kunnen voorspellen hoe deze zich in de toekomst zullen gedragen
en hoe de verworven inzichten kunnen vertaald worden in een strategisch voordeel.

Bedrijfsbehoeften

Hoe ?

Wat ?

Complexiteit

Figuur 2 : Vraagstellingen bij beslissingsondersteuning

In tegenstelling tot de gebruikersgerichte aanpak die centraal staat in traditionele querying en OLAP,
hebben de kennisontdekkende algoritmen die onder de noemer ‘data mining’ worden ondergebracht
een gegevensgestuurd karakter. Gegevens worden zonder vooraf geformuleerde hypothesen
doorzocht op ongekende/onverwachte verbanden en patronen. Kennisontdekkende technieken
werken autonoom (zonder begeleiding) en de relaties en patronen die erdoor aan de oppervlakte
gebracht worden, leiden tot nieuwe inzichten en het nemen van de daarbij passende beslissingen en
acties.


10/63

3.2. Multidimensionele gegevensanalyse

Uit de omschrijving van een gegevenspakhuis kan afgeleid worden dat de organisatie van een
datawarehouse verschilt van een operationele database. Aangezien de inhoud van een operationele
database door de gebruiker wordt gewijzigd, is het gegevensmodel van een operationele database
gericht op het ondersteunen van transacties die vele malen dezelfde bewerkingen op gegevens
uitvoeren. Om die reden ligt de nadruk bij de modellering van operationele databases op normalisatie
om redundantie en verstoring van de database-integriteit te voorkomen. De onderliggende
genormaliseerde structuur wordt voor de gebruiker verborgen gehouden. De door normalisatie
ingebouwde beveiligingsmechanismen schermen de fysieke gegevensstructuur van een operationele
database af tegen directe benadering door eindgebruikers. In het geval van het gebruik van een
gegevenspakhuis wijzigt de gebruiker geen gegevens en wordt de toegang tot de gegevens
gedefinieerd vanuit het gezichtspunt van de gebruiker. De ontwerpfilosofie van een datawarehouse
bestaat er dan ook in een open toegang tot gegevens te bieden ter ondersteuning van een breed scala
van queries. Bij de analyse van gegevens die in een datawarehouse opgeslagen liggen, neemt de
multidimensionele modellering van gegevens een belangrijke plaats in.

De techniek die bekend staat als het multidimensionele stermodel sluit aan bij het uitgangspunt om
de gegevens in een datawarehouse te modelleren vanuit het perspectief van de eindgebruiker. In het
stermodel worden feiten zoals verkopen, facturen, betalingen, e.d. gekwalificeerd langs meerdere
dimensies. Het centrum van de ster wordt de feitentabel (fact table) genoemd. In de
(gedenormaliseerde) feitentabel worden naast de eigenschappen van het centrale object ook de
verwijzende sleutels (foreign keys) naar de dimensietabellen bijgehouden. Dimensietabellen
bevatten attributen die de dimensiewaarden beschrijven (en worden in SQL-opdrachten vaak als
zoekcriteria gebruikt).

In figuur 3 wordt een voorbeeld gegeven van een eenvoudig stermodel5. In de feitentabel worden
bijvoorbeeld gegevens opgeslagen over de verkoop van producten in een supermarktketen. In de
centrale feitentabel worden naast gegevens over aantal verkochte artikelen en omzet ook de
verwijzende sleutels bijgehouden naar dimensietabellen (mogelijke dimensies zijn tijd, (winkel)locatie,
product en klant).

Een benadering die toelaat een potentiële feitentabel en kandidaten voor dimensies in het
datawarehouse te identificeren, is het zgn. Starnet-model. Een dergelijk model geeft aan welke de
verschillende dimensies (en de onderdelen ervan) zijn die bij ieder aandachtsgebeid horen. Op die
manier vormt het Starnet-model een uitgangspunt voor het modelleren van het datawarehouse. Het
Starnet-model is ook vanuit het standpunt van gegevensanalyse een belangrijk hulpmiddel. Het
Starnet-model wordt gebruikt om de behoeften te formuleren m.b.t. de samenvoeging van gegevens
ten einde het aantal te analyseren dimensies te verminderen en de mate waarin gegevens op een
lager dan wel hoger aggregatieniveau geanalyseerd worden.


11/63

Figuur 3 : Weergave van een sterschema

De methode die bekend staat als On Line Analytical Processing (OLAP) is gebaseerd op de
multidimensionele analyse van gegevens, onafhankelijk van de wijze waarop de gegevens fysiek zijn
opgeslagen. Wat dit laatste betreft, kan een onderscheid worden gemaakt tussen multidimensionele
en relationele opslag. In het geval van multidimensionele opslag, die bekend staat onder de naam
MOLAP, worden frequent benaderde gegevens uit het datawarehouse door voorberekening,
samenvatting en aggregatie naar meerdere dimensies opgeslagen in de multidimensionele
opslagcapaciteit van de OLAP-server. Deze laatste is hierbij dikwijls ingericht als een data mart, d.w.z.
een datawarehouse met een beperkt functioneel of organisatorisch aandachtsgebied, zoals een
business unit. In het geval van relationele OLAP (ROLAP) presenteert de OLAP-server de gegevens die
relationeel opgeslagen liggen in een datawarehouse onder de vorm van een multidimensioneel model.

Zoals kan afgeleid worden uit het hierboven beschreven stermodel, worden bij meerdimensionele
analyses meerdere gegevensdimensies onderscheiden. Binnen deze laatste kunnen vaak ook nog
hiërarchieën aangebracht worden. Illustratief hiervoor is de tijdsdimensie die toelaat gegevens per
dag, per maand, per kwartaal, enz. te analyseren. Het is gebruikelijk om in het geval van OLAP
gegevens te aggregeren. Detailgegevens verliezen immers hun waarde in de tijd en de naar meerdere
dimensies geconsolideerde gegevens bevorderen zowel de efficiënte opslag van data als snelle
responstijden.


12/63

DIMENSIES RELATIES

region
region
product

product time

time

DRILL DOWN
ROLL UP
HIERARCHIE year

semester
PIVOT
SLICE & DICE
quarter

week
AGGREGATE

FUNCTIES

Figuur 4 : Multidimensionele gegevensanalyse

OLAP-toepassingen voorzien in een aantal navigatietechnieken. Behalve de mogelijkheid om
gegevens vanuit meerdere dimensies te analyseren (pivoting) en hierbij meerdere
gegevensdoorsnijdingen te gebruiken (slice en dice) wordt met drill down verwezen naar analyses
waarbij gegevens (stapsgewijs) vanuit een hoger aggregatieniveau op een lager, meer detaillistisch
niveau worden bestudeerd. Het tegenovergestelde wordt roll up genoemd. Een OLAP-tool voorziet in
de mogelijkheid om snel gegevens te analyseren vanuit meerdere invalshoeken. Stel bijvoorbeeld dat
verkoopcijfers worden geanalyseerd naar het soort product, de regio en de tijdsdimensie. Zoals
hieronder afgebeeld (a) kunnen verkoopcijfers gerapporteerd worden per product, over alle regio’s en
alle tijdsdimensies. De afzet kan anderzijds ook beschouwd worden in een bepaalde periode, over
alle producten en regio’s (b). Tenslotte (c) kan de afzet in een bepaalde regio, voor alle producten en
periodes, gerapporteerd worden.
(a) (b) (c)
regio regio regio

product product product

tijd tijd tijd

Figuur 5 : OLAP


13/63

3.3. Kennisontdekking

3.3.1. Data mining

Vaak in één adem genoemd met OLAP maar niettemin wezenlijk verschillend ervan is het zoekproces
dat aangeduid wordt als data mining. In het algemeen kan data mining omschreven worden als het
destilleren van onbekende informatie uit grote gegevensbestanden :

“Data mining is the process of discovering meaningful new correlations, patterns and trends by sifting
through large amounts of data stored in repositories, using pattern recognition technologies as well as
statistical and mathematical techniques” (Gartner Group).

knowledge
value

information

data

volume

Figuur 6 : Data volume / knowledge value

Dat de aandacht voor data mining en in het bijzonder de mogelijkheden ervan om informatie aan te
wenden voor het verwerven van een concurrentieel voordeel steeds meer onderkend worden, is o.m.
toe te schrijven aan de convergentie van een drietal technologische ontwikkelingen. In de eerste
plaats maakt datawarehousing het mogelijk om op massale basis data op te slaan en deze data
toegankelijk te maken voor eindgebruikers. In combinatie met een eveneens sterk toegenomen
verwerkingscapaciteit (parallelle databasetechnologie) en het gebruik van kennisontdekkende
algoritmen, biedt data mining een geschikte oplossing voor de analyse van grote hoeveelheden
gegevens waarvoor querymethoden minder geschikt zijn.

Ook data mining markeert een omslag t.o.v. het relationele model. Het in dit laatste centraal staande
begrip ‘sleutel’ leidde tot het formuleren van verschillende normaalvormen die als leidraad dienen
voor het ontwerp van relationele databases. Deze normaalvormen fungeren als constraints, o.m. om
update- en verwijderanomalieën te vermijden (sleutels identificeren records uniek)6. Vanuit het
perspectief van data mining gaat de aandacht niet naar het extraheren van unieke records maar naar
het aantal keer dat objecten of events voorkomen. Het gaat er niet langer om functionele
afhankelijkheden te gebruiken voor het ontwerpen van databases maar om ongekende


14/63

afhankelijkheden vanuit statistisch oogpunt te traceren in de gegevens7. Dit impliceert eveneens dat
in het geval van data mining geen genormaliseerde maar gedenormaliseerde tabellen het startpunt
van analyse uitmaken.

3.3.2. Data mining, statistiek en OLAP

Zoals vermeld kan data mining omschreven worden als het op geautomatiseerde wijze zoeken naar
patronen en verbanden in grote gegevensverzamelingen. In dit opzicht wordt bij data mining gebruik
gemaakt van de inzichten uit de statistiek, de kunstmatige intelligentie en machine-leren. De meeste
data mining-technieken ontlenen aan de statistiek het begrippenkader en de methoden aan de hand
waarvan variabelen en relaties tussen variabelen geanalyseerd kunnen worden (bv.
standaardafwijking, variantie,betrouwbaarheidsintervallen, e.a.). Terwijl steekproefonderzoek de
basis vormt voor statistische analyse (inferences from data, inferentiële statistiek) worden data
mining-technieken aangewend om patronen op te sporen in meestal volledige gegevensverzamelingen
die veelvouden van gigabytes groot kunnen zijn (VLDB, very large databases). Een hiermee verbonden
verschilpunt is dat de analist-gebruiker van statistische technieken verondersteld wordt een idee te
hebben van de vorm van het model dat zal gebouwd worden, en dus een inzicht heeft in zowel de
variabelen die hiertoe zullen gebruikt worden als de combinaties tussen deze laatste. Aan de basis
van de analyse van VLDB ligt daarentegen juist de doelstelling om (langs exploratieve weg) ongekende
verbanden en patronen aan de oppervlakte te brengen. Ook omdat traditionele statistische
technieken vaak niet goed kunnen omgaan met zeer grote gegevensbestanden, de verwerking van
duizenden velden hiermee niet mogelijk is en deze technieken gevoelig zijn voor afwijkende gevallen
(outliers) in zeer grote databestanden, wordt in het geval van data mining gebruik gemaakt van zgn.
adaptieve technieken die – zonder tussenkomst van de gebruiker – toelaten te achterhalen welke
variabelen invloedrijk zijn en welke de belangrijke combinaties zijn.

Adaptieve technieken vinden hun oorsprong in het domein van de kunstmatige intelligentie (artificial
intelligence), een onderzoeksdomein waarin onderzocht wordt hoe de menselijke denkwijze en het
leerproces door machines kan gereproduceerd worden. Door de enorme rekenkracht die
toepassingen van AI opeisen, bleven commerciële successen ervan uit. Aan het eind van de jaren
tachtig, toen de prijs-prestatie verhouding van computers gunstiger werd, werden de technieken die
ten grondslag liggen van AI geïmplementeerd binnen het gebied van het machine-leren. Dit laatste
kan beschouwd worden als een voortzetting van de inzichten uit het domein van de kunstmatige
intelligentie waarbij grondbeginselen uit de statistiek ingebouwd worden in geavanceerde algoritmen
voor patroonherkenning.


15/63

mathematics heuristics

artificial
statistics
intelligence

machine
learning

DATA
MINING

Figuur 7 : Data mining

Aan de basis van data mining ligt de toepassing van een geheel van kennisontdekkende algoritmen.
Om die reden wordt data mining niet zelden vereenzelvigd met Knowlegde Discovery in Databases
(KDD), waarvan het evenwel een onderdeel vormt (zie figuur 8). KDD is een iteratief proces dat begint
met het bepalen van de te beantwoorden vraagstelling. Vervolgens vindt gegevensselectie plaats uit
een datawarehouse maar ook databases met transactiegegevens kunnen als bronbestanden dienen
(assemble). Aangezien de kwaliteit van de gegevens van essentieel belang is, worden de gegevens
veelal in meerdere stappen voorbewerkt (opschonen, transformatie, datatype-conversies, aggregatie,
denormalisatie). Nadat de gegevens geconsolideerd zijn, kunnen ze door een (geschikte) techniek
onderzocht worden op trends en patronen (analyze). Deze dienen eerst geïnterpreteerd en op de
bruikbaarheid ervan gevalideerd te worden. Op basis van de nieuw aangeboorde informatie worden
o.m. productverbeteringen en klantprofielen ontwikkeld die in een volgende fase tot marketingacties
leiden (act). Deze laatste resulteren op hun beurt in klantcontacten die nieuwe klantgegevens
genereren die terug in de centrale gegevensbank geïntegreerd worden waar ze o.m. gebruikt worden
voor het bijsturen van modellen en profielen waarop marketingacties gebaseerd zijn8.


16/63

Figuur 8 : Data mining als een onderdeel van KDD9

In vergelijking met OLAP en traditionele statistische technieken waarbij het beantwoorden van tevoren
gestelde vragen een zeker inzicht in de gegevensstructuur veronderstelt – en de analyse derhalve
gebruikersgestuurd is – wordt het zoekproces naar onderliggende patronen en verbanden in het geval
van data mining uitgevoerd zonder veel bemoeienis van de gebruiker. De analyse is
gegevensgestuurd. Een belangrijke randvoorwaarde hierbij is dat de gebruiker voldoende
domeinkennis heeft van het bedrijfsproces dat geanalyseerd wordt. De gebruiker moet in staat zijn
om voor de te beantwoorden vraagstelling de relevante gegevens te verzamelen. Deze gegevens
dienen veelal eerst bewerkt te worden om ze geschikt te maken voor analyse. Pas daarna vindt
analyse plaats, waarbij voor de interpretatie van de resultaten eveneens deskundigheid op het
toepassingsgebied een vereiste is.

Bij data mining wordt een inductieve werkwijze gevolgd die ook bekend staat als exploratieve data-
analyse (EDA)10. Het verschil met de hypothetisch-deductieve methode die gevolgd wordt voor de
toetsing van verbanden kan verduidelijkt worden aan de hand van een empirische cyclus. In een
eerste fase van deze cyclus, waartoe ook data mining kan gerekend worden, worden waarnemingen
en verbanden tussen waarnemingen onder een gemeenschappelijke noemer geplaatst. Dit proces
wordt inductie genoemd. Het resultaat ervan is een theorie, d.w.z. een geheel van uitspraken waarvan
het geldigheidskarakter evenwel nog niet vaststaat. Het afleiden van hypothesen uit de abstracte
gedeelten van de theorie wordt deductie genoemd. Ondanks de verschillen tussen data mining en


17/63

OLAP zijn beide ook complementair aan elkaar. De hypothesen die gegenereerd worden uit het data
mining- proces kunnen met behulp van OLAP-tools geverifieerd worden.

OLAP
explanatief onderzoek :
toetsen hypothesen
zekerheidsniveau
ontdekte kennis

DATA MINING

exploratief
onderzoek :
opstellen
hypothesen

tijd
Figuur 9 : Empirische onderzoekscyclus

Een belangrijk verschil tussen data mining en exploratieve data-analyse is dat de doelstelling van data
mining er niet in bestaat de interrelaties tussen variabelen inzichtelijk te maken of te verklaren.
Veeleer is het de bedoeling op basis van het samenspel van variabelen tot een predictie te komen.
Vandaar ook dat heel wat toepassingen van data mining gebaseerd zijn op scoringsmodellen.
Scoringsmodellen zijn voorspellende modellen. Het doel ervan is een afhankelijke variabele te
voorspellen aan de hand van een aantal onafhankelijke variabelen. Op grond van deze laatste
kenmerken kunnen klantscores bepaald worden die een voorspellende waarde hebben. Zo kunnen
klantprofielen opgesteld worden die de waarschijnlijkheid weergeven dat een prospect of klant
reageert op een mailing of een product aankoopt. Banken en verzekeringsmaatschappijen maken
o.m. gebruik van credit-scoringsmodellen om de kredietwaardigheid van hun klanten te beoordelen.

3.3.3. Patroonherkenning

Hoewel data mining wordt toegepast voor het beantwoorden van een breed scala aan vraagstukken,
hebben vrijwel alle toepassingen gemeenschappelijk dat gezocht wordt naar patroonherkenning. De
methoden die hierbij gebruikt worden, kunnen in een viertal categorieën onderverdeeld worden, nl.
segmentatie (clustering), associatie, classificatie en regressie. Het onderscheid tussen deze
methoden houdt in de eerste plaats verband met het al of niet aanwezig zijn van een opdeling tussen
afhankelijke (te verklaren) en onafhankelijke (verklarende) variabelen (zie figuur 11, blz. 20).


18/63

In het geval van de toepassing van segmentatie en associatieve technieken wordt geen onderscheid
gemaakt tussen afhankelijke en onafhankelijke variabelen. Het doel van de toepassing van
interdependentietechnieken zoals deze ook genoemd worden, is het opsporen van relaties tussen
variabelen om een mogelijk aanwezige, maar nog niet bekende structuur in de gegevens te
ontdekken. Segmentatie-analyses worden aangewend om relaties te identificeren tussen gegevens
ten einde groepen te kunnen onderscheiden. Een vaak gebruikte techniek hierbij is clusteranalyse,
die tot doel heeft groepen (segmenten) te construeren op basis van kenmerken. Elementen die deel
uitmaken van een groep zijn zo homogeen mogelijk ten aanzien van de beschrijvende kenmerken
terwijl tussen de groepen een maximale heterogeniteit naar deze kenmerken bestaat. Clusteranalyse
is o.m. een geschikte techniek voor het afbakenen van doelgroepen en het opstellen van
klantprofielen.

DATA MINING TAXONOMIE

DESCRIPTIEVE PREDICTIEVE
MODELLEN MODELLEN

segmentatie associatie classificatie regressie

Figuur 10 : Data mining taxonomie

Associatie- of affiniteitsanalyses worden gebruikt om te bepalen welke kenmerken of gebeurtenissen
in samenhang voorkomen. Op grond hiervan worden regels opgesteld die deze samenhangen
beschrijven. Dergelijke regelinductietechnieken worden veel toegepast in het geval van market
basket-analyses, waarbij onderzocht wordt welke producten door klanten in samenhang worden
afgenomen. Regelinductietechnieken worden ook gebruikt voor cross-selling analyses. Aan de hand
van gegevens over historisch klantgedrag wordt bepaald welke combinaties van klantkenmerken en
producten leiden tot interesses voor andere producten. Deze profielen kunnen o.m. gebruikt worden
om tijdens klantcontacten gerichte aanbiedingen te doen.

Een belangrijke reden voor het succes van data mining ligt in het feit dat de patronen die erdoor aan
de oppervlakte gebracht worden, voorspellingen toelaten in consumentengedrag. Veel toepassingen
van data mining hebben dan ook betrekking op het ontwerpen van predictieve modellen.
Dependentietechnieken hebben tot doel de invloed van één of meerdere onafhankelijke variabelen
(predictoren) na te gaan op een afhankelijke variabele (criteriumvariabele). Met predictieve modellen
wordt beoogd ofwel het behoren tot een klasse (classificatie) ofwel een waarde te voorspellen
(regressie) (zie hierover Brand & Gerritsen, 1998b). In het geval van classificatie is de klasse een
categoriale variabele die uit twee of meerdere elkaar uitsluitende categorieën bestaat.
Scoringsmodellen die voorzien in de predictie van de respons op een mailing, voorspellen het behoren
van prospecten of klanten tot de klasse “ja” of “nee”. Op analoge wijze kunnen klanten in kaart


19/63

gebracht worden die de grootste kans hebben om binnen een bepaalde termijn te vertrekken
(attrition, churning). Door de klanten die binnen dit profiel passen extra aandacht te geven kan het
verloop teruggedrongen worden. Regressie wordt toegepast in het geval de te verklaren waarde (de
afhankelijke variabele) een veelheid aan (numerieke) waarden kan aannemen (continue variabele).
Een voorbeeld hiervan is het voorspellen van de beursnotering van aandelen.

mining-technieken
3.3.4. Data mining-technieken

Sinds geruime tijd worden statistische technieken gebruikt om patronen in gegevensverzamelingen op
te sporen. Veel gebruikte technieken zijn clusteranalyse, factoranalyse en regressie-analyse. Zoals
vermeld, wordt clusteranalyse toegepast om segmenten of profielen te construeren aan de hand van
kenmerken. Een voorbeeld hiervan is het opdelen van een klantenbestand in groepen en het
beschrijven van de profielen van deze klantgroepen in termen van socio-demografische kenmerken,
lifestyle-gegevens en aankooppatronen.

Ook factoranalyse is een exploratief-beschrijvende techniek om de dimensionaliteit in de data te
analyseren. Het doel van factoranalyse is een hoeveelheid variabelen samen te vatten in een kleiner
aantal onderliggende dimensies, die alle een lineaire combinatie zijn van de oorspronkelijke
variabelen. Factoranalyse biedt o.m. de mogelijkheid om onderling sterk samenhangende variabelen
te reduceren, hetgeen de interpretatie van de onderzoeksbevindingen ten goede komt.

Regressie-analyse is een predictieve techniek die gebruik maakt van het optimaliseringsprincipe dat
bekend staat als de methode van de kleinste kwadraten. De bedoeling hiervan is de waarde van een
continue variabele te voorspellen aan de hand van een lineaire combinatie van onafhankelijke
variabelen. Het verschil tussen de verwachte en geobserveerde waarden van de afhankelijke
variabele geldt als criterium voor de beoordeling van het regressiemodel. Een bezwaar dat aan de
toepassing van regressie-analyse kleeft, is dat de gegevens die ermee gemodelleerd worden vaak niet
voldoen aan de lineariteitsassumptie van de techniek. Het oplossen van de problemen die hiermee
gepaard gaan, vereist statistische expertise. Bovendien blijken heel wat gegevens in de
marketingpraktijk eerder van categoriale dan van parametrische aard te zijn. Voor het induceren van
modellen uit grote gegevensverzamelingen worden om die reden technieken toegepast die voorzien in
de niet-lineaire analyse van variabelen11. In hetgeen volgt geven we van deze laatste een overzicht.


20/63

Figuur 11 : Symmetrische en asymmetrische analysetechnieken12


21/63

3.3.4.1. Logistische regressie-analyse
regressie-

Een tegenwoordig veel gebruikte classificatiemethode is logistische regressie. Deze techniek wordt
toegepast voor het voorspellen van categoriale variabelen. Behalve de toepassing ervan bij
responsanalyse, wordt de techniek van logistische regressie door banken verzekeringsinstellingen
vaak aangewend voor het opstellen van modellen voor kredietacceptatie (credit scoring). De
doelstelling hierbij is het optimaliseren van het percentage geaccepteerde aanvragen zodat het
maximaal toegestane infectiepercentage niet wordt overschreden. Aan de hand van klantgegevens
(geslacht, leeftijd, beroep, e.d.), het product (doorlopend krediet, persoonlijke lening) en gegevens van
in het verleden verstrekte kredieten waarbij voor ieder krediet ook de afloop is vastgelegd, stelt het
algoritme van logistische regressie de gebruiker in staat om profielen te ontdekken met een sterk
verlaagde of verhoogde kans op wanbetaling. De kansen op wanbetaling worden afgeleid uit het
logistische model dat de vorm aanneemt van een regressievergelijking. Door de waarden van de
variabelen die in het model opgenomen zijn, te wegen overeenkomstig de parameters van de
regressievergelijking worden logitscores bekomen. De logaritmische transformatie van deze laatste
laat toe logitscores te vertalen in waarschijnlijkheden. De resultaten van een logistische regressie-
analyse kunnen teruggeschreven worden naar de prospecten- of klantendatabase om deze te
verrijken, waardoor voor iedere prospect of klant op basis van zijn/haar karakteristieken een kans op
wanbetaling wordt berekend.

Nemen we het voorbeeld van de opbouw van een model ter voorspelling van de respons op een direct
marketing-actie. Stel dat een bedrijf op basis van steekproefonderzoek over gegevens beschikt van
geslacht, leeftijd en de reactie van respondenten op een eerder toegestuurde mail. Op basis hiervan
kan een logistisch model opgesteld worden. Veronderstel dat onderstaande schattingen voor de twee
predictoren (geslacht en leeftijd) van respons bekomen worden :

R = -10,83 + 2.30(geslacht) + 0.28(leeftijd)

Voor een mannelijke klant van 45 jaar oud krijgen we op die manier een logitscore van R = -10.83 +
(2.30 x 0) + (0.28 x 45) = 1,77. Om betekenisvolle conclusies uit de logitscore van 1,77 af te leiden,
is het noodzakelijk deze waarde om te zetten in een responswaarschijnlijkheid. Met een logit van
1,77 correspondeert een responswaarschijnlijkheid van P = e1,77/1 + e1,77 = 0.85, hetgeen betekent
dat voor een vijfenveertigjarige mannelijke klant een kans van 85 % responswaarschijnlijkheid
bestaat.

Model Y = cte + A x VarX1 + B x VarX2 + C x VarX3 + …..

tussen 0 en 1
parameters


22/63

kans

predictor

Figuur 12 : Responsmodellering door logistische regressie-analyse

Een nadeel van logistische regressie is dat het opbouwen van een model sterk gebruikersgestuurd is.
De kwaliteit van het uiteindelijke model hangt sterk af van de inhoudsdeskundigheid van de
onderzoeker. Het is aan de onderzoeker om vast te stellen welke variabelen in aanmerking komen
om in het model te worden opgenomen. Zoals dit het geval is bij lineaire regressie-analyse dienen
interacties tussen variabelen door de gebruiker opgespoord en in de regressie-vergelijking opgenomen
te worden. Een zwak punt is ook de beperkte schaalbaarheid van de techniek. Bij een toenemend
aantal predictoren gaat de kwaliteit van de modellen achteruit en wordt het eveneens aan de
gebruiker overgelaten om de problemen die daarmee gepaard gaan (bv. multicollineariteit) te
ondervangen.

3.3.4.2. Beslissingsbomen

Veel minder gebruikersafhankelijk is het regelinductiemechanisme van beslissingsbomen. Een
beslissingsboom is te vergelijken met een scoringsmodel waarbij de inputvariabelen (predictoren)
gebruikt worden om waarnemingen te splitsen in verschillende groepen die discrimineren naar de te
verklaren variabele (doelvariabele). Het gegevensbestand wordt opgedeeld in elkaar uitsluitende
segmenten op basis van een doelvariabele. Deze segmentatie komt tot stand door na te gaan welke
variabele en welke samenvoeging van waarden binnen deze variabele het hoogst mogelijk
onderscheidend vermogen heeft t.a.v. de doelvariabele. Dit proces wordt iteratief toegepast totdat er
geen onderverdeling meer te maken is die voldoende onderscheidend vermogen bezit.

In tegenstelling tot regressie-analyse, worden bij de toepassing van boomstructuren geen
vooronderstellingen gemaakt over de functionele vorm van de relatie tussen de onafhankelijke
variabelen en de afhankelijke variabele. Een voordeel van beslissingsbomen is dat de meest
belangrijke variabelen en de combinaties (en interacties) ertussen voor de voorspelling van de
doelvariabele gedetecteerd worden13. Op basis van beslissingsbomen worden regels opgesteld die
aangeven aan welke voorwaarden een waarneming dient te voldoen om in een bepaald segment
terecht te komen. Het segment geeft de voorspellende waarde aan voor de waarnemingen die


23/63

daarbinnen vallen (te bedenken valt evenwel dat met boomstructuren enkel groepsvoorspellingen en
geen individuele prognoses kunnen gemaakt worden).

Responsvoorspelling is met voorsprong de meest populaire toepassing van data mining voor direct
marketing. Als illustratie nemen we het voorbeeld van een case waarbij het de bedoeling was op
kostenefficiënte wijze de markt voor een verzekeringspolis te vergroten (Van Der Putten & Den Uyl,
2000). De doelstelling was een voorspellingsmodel te bouwen dat nieuwe klanten kan identificeren
onder de bestaande klanten van een verzekeraar. Om kansrijke prospects te kunnen selecteren werd
een model gebouwd om de variabele ‘bezit van een caravanpolis’ te voorspellen. Hierbij werd gebruik
gemaakt van interne, bedrijfseigen variabelen over het productportfolio van de individuele gebruiker
enerzijds en externe socio-demografische gegevens die op postcode-niveau verzameld werden
anderzijds. Een random steekproef werd getrokken uit het klantenbestand en aan de hand van de
variabelen werd een voorspellingsmodel opgesteld. De interne variabelen kregen doorgaans een
zwaarder gewicht (hetgeen voor de hand ligt aangezien toekomstig gedrag zich beter laat voorspellen
vanuit historisch gedrag dan vanuit socio-demografische kenmerken). Het voorspellingsmodel werd
ook getest op een tweede steekproef, een testverzameling. Het model moet immers niet slechts
goede resultaten geven op de groep klanten waarmee het is getraind maar moet dit ook doen voor
nieuwe klanten.

De dataset zoals beschreven door Van Der Putten en Den Uyl is door ons geanalyseerd met behulp
van SPSS-CHAID. De beschikbare gegevens van 5822 klanten zijn opgedeeld in een training- en
testset van resp. 70 % en 25 % van de klanten. In figuur 13 is een gedeelte van de beslissingsboom
voor de trainingset weergegeven. Hieruit kan o.m. opgemaakt worden dat terwijl de totale respons
6,1 % bedraagt, dit stijgt naar 23,6 % door gebruikmaking van de beschikbare informatie in het
klantenbestand.


24/63

Figuur 13 : Beslissingsboom trainingset (eigen bewerking dataset
Van Der Putten & Den Uyl,2000 ; analyse uitgevoerd met behulp van SPSS Anwer Tree®)

De visualisering van de resultaten en de hoge interpreteerbaarheid van beslissingsbomen hebben
ertoe geleid dat deze techniek tegenwoordig veel gebruikt wordt. Zowel voor classificatie als voor
regressie is de techniek van beslissingsbomen een aangewezen analysemiddel14. Maar ook als
hulpmiddel voor het exploreren van gegevens bewijst deze techniek zijn nut, o.m. vanwege de
mogelijkheid ervan interacties tussen de verklarende variabelen op te sporen om deze naderhand als
input te gebruiken voor logistische regressie-analyse.

3.3.4.3. Neurale netwerken

Een techniek met een breed toepassingsgebied is neurale netwerken. Omdat neurale netwerken niet-
lineaire relaties modelleren en hierbij een veelheid aan variabelen kunnen gebruiken, zijn de
voorspellingen via deze methode in de regel accurater dan bij traditionele regressie-analyse. Een
neuraal netwerk is een input-output model . De inputvariabelen zijn aan de outputvariabele


25/63

gekoppeld door één of meer verborgen lagen (hidden layers). In elke laag bevinden zich neuronen.
De neuronen staan in contact met elkaar via verbindingen. Deze hebben een bepaalde sterkte, ook
gewicht genoemd. Het neuraal netwerk berekent voor een gegeven input een voorspelling van de
afhankelijke variabele. Voor het trainen van het netwerk wordt de dataset gesplitst in een trainingset
en een testset. Tijdens de eerste iteratie worden de waarnemingen uit de trainingset aan het netwerk
aangeboden. Per waarneming wordt de netwerk-output vergeleken met de gewenste waarde. Op
basis van het verschil worden de gewichten aangepast (backpropagation). Bij een volgende iteratie
zal het netwerk een kleinere fout maken bij dezelfde input. De training stopt zodra de gemiddelde
fout niet meer afneemt. Nadat het model voor de trainingset is ontwikkeld, wordt het verder
gevalideerd door de toepassing van de modelparameters op de waarnemingen van de testset15.

Figuur 14 : Neuraal netwerk

Een gekend toepassingsdomein van neutrale netwerken is het opstellen van modellen die de
kredietwaardigheid van toekomstige klanten voorspellen. Gebaseerd op de kenmerken en het
terugbetalingsgedrag van klanten uit het verleden wordt betracht modellen te construeren die de kans
op succesvolle terugbetaling van potentiële klanten zo nauwkeurig mogelijk berekenen (credit
scoring). In onderstaande figuur worden de resultaten weergegeven van een modelschatting voor het
voorspellen van de kredietwaardigheid (Baesens e.a., 2003).


26/63

Figuur 15 : Neuraal netwerk voor het voorspellen van kredietwaardigheid (Baesens e.a., 2003)

Een voor de hand liggend criterium bij de beoordeling van een scoringmodel is de nauwkeurigheid van
het ontwikkelde model. De accuraatheid van het model uitgedrukt in termen van het aantal correct
geclassificeerde klanten in een onafhankelijke testset is uiteraard belangrijk. Toch kleven een aantal
tekortkomingen aan dit criterium. Slechts een klein aantal klanten zal wanbetaler zijn, hetgeen ervoor
zorgt dat een weinig informatieve regel zoals “elke klant is een goede klant” reeds een goede
prestatie oplevert. Er moeten derhalve ook andere factoren, zoals de kosten verbonden aan
misclassificatie, in beschouwing genomen te worden. Dergelijke kosten zijn doorgaans moeilijk te
kwantificeren. Een ander aandachtspunt is het gegeven dat de geëxtraheerde modellen bij
toepassing van neurale netwerken wel accuraat maar moeilijk interpreteerbaar zijn. Het black box-
karakter van neutrale netwerken is een factor die een terughoudendheid tegenover het gebruik ervan
in de hand werkt. Om die reden worden de modellen bekomen door toepassing van neutrale
netwerken tegenwoordig vaak aangevuld met regelextractiemethoden. In onderstaande figuur worden
de “als-dan”-regels die geëxtraheerd werden uit het netwerk zoals voorgesteld in figuur 15
gevisualiseerd onder de vorm van een beslissingstabel die eenvoudig te interpreteren is.

Figuur 16 : “Als-dan” regels geëxtraheerd uit het neuraal netwerk in figuur 15 (Baesens, 2003)


27/63

De hier besproken technieken blijken doorgaans onderling weinig te verschillen in piekprestatie.
Verschillen tekenen zich wel af m.b.t. snelheid, gebruiksgemak en inzichtelijkheid.

Gesteld kan worden dat technieken die voorzien in de niet-lineaire analyse van variabelen, en met
name technieken van regelinductie en neurale netwerken, doorgaans beter in staat zijn tot
patroonherkenning als het gaat om interne bestanden met omvangrijke gegevens over klanten en de
historiek van klantbestedingen. Naarmate de transitie van list-based marketing naar customer-based
marketing zich verder aftekent, zullen niet alleen klantgegevens (verzameling gegevens over klanten)
maar vooral klantmodellen (weergaven van kenmerken en behoeften van klanten) centraal komen te
staan. Voor het opbouwen en onderhouden van klantmodellen moeten analysetaken met een hoge
frequentie uitgevoerd worden. Het ligt daarom in de lijn van de verwachtingen dat een deel van de
analysetaken zal overgelaten worden aan zelflerende, adaptieve technieken16.

3.3.5. Data mining : Een iteratief proces

Data mining heeft veel meer dan enkel met technische kwesties te maken. De opvatting als zou data
mining een automatisch proces zijn, is allerminst juist (er kan alleen gesteld worden dat data mining-
algoritmen zelf automatisch verlopen voor zover er geen assumpties gelden m.b.t. de behandelde
data zoals normaliteit, lineariteit, e.a.). In het geval van data mining komt het er in de eerste plaats op
aan een beleidsprobleem te vertalen naar een onderzoekbaar probleem. Hiermee wordt afgebakend
wat men waarom wil analyseren. In veel publicaties wordt de illusie gewekt dat deze taak
automatisch kan worden uitgevoerd door data mining-systemen. Het definiëren van een
‘onderzoekbaar’ probleem blijft een creatief proces waarbij vooral inzicht en ervaring een belangrijke
rol spelen. De grote kracht ligt daarbij in de beperking en de juiste afbakening van het probleem. Dit
veronderstelt de nodige achtergrondkennis van de organisatie en de processen die daarbinnen
plaatsvinden.

Wanneer het eenmaal duidelijk is wat men waarom wil onderzoeken, kan begonnen worden met het
inventariseren welke gegevens noodzakelijk zijn om de vragen te beantwoorden. Eenmaal de
gegevens samengevoegd zijn tot een werkbestand, dienen deze nog te worden gecontroleerd,
getransformeerd en bewerkt (bv. dubbele records, verouderde gegevens, afwijkende codes,
ontbrekende waarden). Vervolgens is het tijd voor het uitvoeren van aanvullende berekeningen en het
toevoegen van nieuwe variabelen. Is het analysebestand klaar, dan kunnen de geschikte technieken
toegepast worden. En vooraleer de bevindingen kunnen gerapporteerd worden, dienen de
analyseresultaten teruggekoppeld te worden naar de oorspronkelijke vraagstelling. Aan het vertalen
van de door data mining bekomen inzichten in de operationaliteit gaat derhalve een proces vooraf
waarbij het niet uitgesloten is dat op eerdere stappen wordt teruggekomen. Data mining is een
iteratief proces.


28/63

Figuur 17 : Data mining als iteratief proces

Een belangrijke ontwikkeling die de acceptatie van data mining kan vergroten, is het afspreken van
standaarden in de vorm van een procesmodel waardoor de kans van een succesvolle toepassing van
data mining in een bedrijfscontext toeneemt. Vaak wordt immers geconstateerd dat een draagvlak
voor data mining in de organisatie ontbreekt. Een industrie- en tool-onafhankelijke standaard die de
kwaliteit van de uitvoering van data mining verbetert, is CRISP-DM (CRoss Industry Standard Process
for Data Mining ; voor een bespreking : zie Shearer, 2000).

Figuur 18 : CRISP-DM procesmodel voor data mining

CRISP-DM voorziet in een methodiek die het hele data mining-proces beschrijft vanaf de fase van
‘’business understanding’’ tot en met het toepassen van de resultaten van data mining. Het data
mining-proces in de context van een lerende organisatie laat zich beschrijven aan de hand van
onderstaand procesmodel, dat bestaat uit een zestal stappen.


29/63

3.3.5.1. Opstartfase

business data data
modeling evaluation deployment
understanding understanding preparation

Zoals hierboven reeds werd aangegeven, is het van cruciaal belang om een data mining-exercitie
steeds te beginnen met het vastleggen van de bedrijfsdoelstellingen die eraan ten grondslag liggen.
Specifieke data mining-doelstellingen dienen altijd een rechtstreekse afgeleide te zijn van
bedrijfsdoelstellingen. Het is derhalve raadzaam een projectplan op te stellen met een omschrijving
van het probleem, een kosten/baten-analyse en de succescriteria. Een data mining-exercitie begint
derhalve met de herkenning van een organisatorisch probleem, zoals een te duur acquisitieproces,
het vasthouden of verhogen van de klantwaarde van bestaande klanten, het beoordelen van de
kredietwaardigheid van (potentiële) klanten, het voorkomen van frauduleuze transacties, e.d. Het
gaat om problemen die betrekking hebben op de uitkomsten van bepaalde processen of het verhogen
van de effectiviteit of efficiëntie van deze processen, met als doel het verbeteren van de resultaten
voor de organisatie. Een voorbeeld hiervan is : voorspel het klantprofiel van de top 25 %
respondenten die zullen reageren op een direct mailing ten einde de acquisitiekosten in vergelijking
met voorgaande acties met minstens 15 % te verminderen.

3.3.5.2. Gegevensoriëntatie

business data data

De fase van de gegevensoriëntatie behelst het selecteren van de gepaste data om de gestelde
bedrijfsdoelstelling(en) te analyseren, het beschrijven van de data en het uitvoeren van de nodige
bewerkingen om ‘’gevoel te krijgen’’ met de gegevens. In de eerste plaats dient bepaald te worden
welke data noodzakelijk zijn voor het data mining-proces. Deze vraagstelling heeft betrekking op de
relevantie en de informatiewaarde die gegevens dienen te bezitten om opgenomen te worden in het
data mining-proces. Eveneens moet nagegaan te worden of deze data al of niet in de organisatie
beschikbaar zijn. Indien niet, dient nagegaan te worden of deze data extern beschikbaar zijn en of de
organisatie desgevallend bereid is de data aan te schaffen.

Bij het toegankelijk maken van relevante gegevens kunnen data-extractie en koppelingsprobleem
optreden, bijvoorbeeld om gegevens die in administratieve systemen opgeslagen zijn, te gebruiken
voor marketingdoeleinden. Ook wanneer gegevens geïntegreerd zijn in een data warehouse, kunnen
dergelijke problemen opduiken.


30/63

Figuur 19 : Scenario’s voor gegevensverzameling in het DM-proces17
(Bron : Barth, 1998)

3.3.5.3. Gegevenspreparatie

business data data

De fase van de voorbewerking van gegevens behelst de behandeling van uiteenlopende vormen van
datavervuiling zoals verdubbeling, veroudering en ontbrekende gegevens (missing values). Eveneens
wordt bepaald welke variabelen (features) zullen meegenomen worden in het eigenlijke mining-
proces. Variabelen worden tijdens de fase van de voorbewerking van data bestudeerd en
gevisualiseerd naar de verdeling ervan, hetgeen wenselijk is om extreme waarden (outliers) op te
sporen waarbij de gegevensdistributie van variabelen passend wordt aangepast. Tijdens de fase van
de gegevenspreparatie worden eveneens vaak variabelentransformaties uitgevoerd zoals de bepaling
of wijziging van het meetniveau van variabelen (discretization), het samenvoegen van variabelen die
eenzelfde gegeven indiceren (variabelenreductie door bv. factoranalyse) en het coderen van gegevens
ten einde er naderhand de gewenste behandelingen op toe te kunnen passen (bv. het coderen van
tijdreeksgegevens naar seizoen wanneer de vraag onderzocht zal worden of seizoensinvloeden al of
niet aanwezig zijn). De fase van de gegevenspreparatie dient gerekend te worden tot de meest
tijdsintensieve van het hele data mining-proces.


31/63

Figuur 20 : Aandeel van dataverzameling, –bewerking en modellering in het DM-proces18

Ter illustratie van de fase van de gegevensvoorbereiding nemen we het voorbeeld van de eerder
vermelde case waarbij het de bedoeling was op kostenefficiënte wijze de markt voor een
verzekeringspolis te vergroten (Van der Putten & Den Uyl, 2000). M.b.t. de socio-demografische
variabelen zullen we aan de hand van een clusteranalyse nagaan in hoeverre een trainingset
(N=5822) kan ingedeeld worden in een aantal segmenten die intern zo homogeen mogelijk zijn en
onderling zoveel als mogelijk verschillen vertonen naar de socio-demografische kenmerken.
Anderzijds zullen we m.b.t. de bedrijfsinterne gegevens over het productgebruik onderzoeken hoe
deze variabelenset kan gereduceerd worden. In beide gevallen ligt aan de variabelenreductie de
doelstelling ten grondslag de interpreteerbaarheid van de onderzoeksresultaten te bevorderen door zo
weinig als mogelijk van de informatie vervat in de oorspronkelijk beschikbare variabelen te verliezen.


32/63

3.3.5.3.1. Variabelenreductie door clusteranalyse

Zoals vermeld is het de bedoeling om aan de hand van clusteranalyse de overeenkomsten en
verschillen in waarden van de invoervariabelen (in het hierna uit te werken voorbeeld socio-
demografische kenmerken verzameld op postcode-niveau) te bepalen. Er is gebruik gemaakt van k-
means clusteranalyse, een iteratieve optimaliseringsprocedure die rechtstreeks in de data naar
clusters zoekt. Voor iedere cluster wordt gestart met een willekeurig gemiddelde, waarna iedere case
wordt toegekend aan het meest nabije gemiddelde. Iteratief worden vervolgens nieuwe gemiddelden
berekend en worden de cases aan het meest nabije gemiddelde toegekend, totdat ze niet meer
worden opgeschoven naar andere clusters. Er is dan een stabiele situatie bereikt. Omdat het
optimale aantal clusters echter niet vooraf bepaald kan worden, zijn meerdere classificaties, met een
oplopend aantal clusters berekend. De keuze van het optimaal aantal clusters kan gebeuren met
behulp van drie hulpmiddelen, nl. de berekening van het percentage verklaarde variantie (R2), de
pseudo F-statistic19 en de interpreteerbaarheid van de oplossing. In onderstaande tabel zijn de
berekende waarden voor R2 en de pseudo F-statistic weergegeven voor de oplossing met resp. 2, 3, 4
en 5 clusters.

cluster metric 2 clusters 3 clusters 4 clusters 5 clusters
R2-overall 0,127 0,193 0,229 0,261
pseudo F-statistic 846,67 689,29 586,92 501,92

Tabel 1 : Resultaten k-means clusteranalyse (eigen bewerking op socio-demografische variabelen
dataset Van Der Putten & Den Uyl,2000)

De waarde van de pseudo F-statistic (die een indicator is voor de homogeniteit binnen clusters) heeft
de hoogste waarde in het geval van een 2 cluster-oplossing, hetgeen betekent dat een oplossing met
2 clusters de meest optimale is. Uit tabel 1 lezen we echter ook onmiddellijk af dat de R2-waarde voor
de 2 cluster-oplossing ver beneden de R2-waarde ligt voor de oplossing met 3 of meer clusters.
Rekening houdend met deze hogere R2-waarden gaat de voorkeur in dit opzicht uit naar een 3- of 4-
clusteroplossing. Een kruistabulatie van beide oplossingen toont aan dat de eerste cluster uit de 3
cluster-oplossing in het geval van een 4-clusteroplossing wordt afgesplitst in ongeveer twee gelijke
groepen. Van de twee andere clusters is het aantal eenheden die naar een andere cluster opschuiven
veel kleiner. Eenzelfde kruistabel voor de verschillen tussen resp. de 4-clusteroplossing en de 5-
clusteroplossing wijst uit dat de verschuivingen tussen beide clusteroplossingen veeleer te maken
hebben met de toepassing van de clusterprocedure dan met werkelijke verschillen tussen de
clusteroplossingen. Om die reden gaat de voorkeur uiteindelijk naar de 4-clusteroplossing.


33/63

variable cluster mean square df error mean square df F sig.
cilohtac namoR 6 149,141 3 0,930 5818 160,351 0,000
... tnatsetorP 7 380,926 3 2,749 5818 138,558 0,000
noigiler rehtO 8 61,617 3 1,004 5818 61,367 0,000
noigiler oN 9 202,453 3 2,449 5818 82,654 0,000
deirraM 01 1595,028 3 2,826 5818 564,504 0,000
rehtegot gniviL 11 142,958 3 0,860 5818 166,274 0,000
noitaler rehtO 21 1127,242 3 2,388 5818 472,087 0,000
selgniS 31 1183,255 3 2,631 5818 449,689 0,000
nerdlihc tuohtiw dlohesuoH 41 180,364 3 2,533 5818 71,215 0,000
nerdlihc htiw dlohesuoH 51 974,827 3 3,521 5818 276,894 0,000
noitacude level hgiH 61 1734,046 3 1,741 5818 995,871 0,000
noitacude level muideM 71 1781,770 3 2,184 5818 815,773 0,000
noitacude level rewoL 81 5936,948 3 2,223 5818 2670,970 0,000
sutats hgiH 91 2204,747 3 2,099 5818 1050,495 0,000
ruenerpertnE 02 66,772 3 0,567 5818 117,844 0,000
remraF 12 139,674 3 1,046 5818 133,576 0,000
tnemeganam elddiM 22 1014,156 3 2,863 5818 354,202 0,000
sreruobal dellikS 32 1372,634 3 2,290 5818 599,518 0,000
sreruobal delliksnU 42 1409,837 3 2,140 5818 658,733 0,000
A ssalc laicoS 52 2364,284 3 1,751 5818 1350,455 0,000
1B ssalc laicoS 62 548,841 3 1,489 5818 368,703 0,000
2B ssalc laicoS 72 256,193 3 2,208 5818 116,034 0,000
C ssalc laicoS 82 2706,189 3 2,353 5818 1150,134 0,000
D ssalc laicoS 92 833,185 3 1,270 5818 656,301 0,000
esuoh detneR 03 13223,702 3 2,730 5818 4843,810 0,000
srenwo emoH 13 13264,474 3 2,712 5818 4890,476 0,000
rac 1 23 361,316 3 2,226 5818 162,307 0,000
srac 2 33 225,617 3 1,332 5818 169,409 0,000
rac oN 43 1230,531 3 1,926 5818 638,941 0,000
ecivreS htlaeH lanoitaN 53 3176,402 3 2,279 5818 1393,593 0,000
ecnarusni htlaeh etavirP 63 3199,792 3 2,280 5818 1403,430 0,000
000.03 < emocnI 73 2575,478 3 3,026 5818 851,107 0,000
000.54-03 emocnI 83 481,623 3 3,298 5818 146,040 0,000
000.57-54 emocnI 93 1754,888 3 2,813 5818 623,805 0,000
000.221-57 emocnI 04 296,154 3 1,200 5818 246,762 0,000
000.321> emocnI 14 43,729 3 0,282 5818 155,165 0,000
emocni egarevA 24 1184,258 3 1,127 5818 1050,997 0,000
ssalc rewop gnisahcruP 34 2780,118 3 2,597 5818 1070,434 0,000

Tabel 2 : F-ratio’s voor de 4-cluster-oplossing (eigen bewerking op socio-demografische variabelen
dataset Van Der Putten & Den Uyl, 2000)

In tabel 2 is voor de 4 cluster-oplossing de F-ratio weergegeven (ratio van de variantie binnen de
clusters en de variantie tussen de clusters) voor elk van de inputvariabelen. De F-waarden zijn een
aanduiding voor het bepalen van de onderling grootste contrasten tussen de clusters m.b.t. deze
variabelen. Uit de tabel valt af te lezen dat de voornaamste socio-demografische verschillen tussen
de 4 clusters in eerste instantie samenhangen met het eigenaarschap van een woning dan wel het
huren van een woning (v31 : home owners vs v30 : rented house), het niveau van genoten onderwijs
(v18 : lower level education) en publieke sociale zekerheidsvoorzieningen dan wel bijkomende private
verzekeringen (v35 : national health service vs v36 : private health insurance). In figuur 21 worden de
verschillen van de vier clusters m.b.t. de gemiddelde score ervan op elk van deze variabelen
gevisualiseerd.


34/63

Figuur 21 : Grafische voorstelling van clusterverschillen m.b.t. socio-demografische variabelen (eigen
bewerking dataset Van Der Putten & Den Uyl,2000)

Ten behoeve van de interpreteerbaarheid van de 4 cluster-oplossing zijn de cluster centroids van de
38 socio-demografische variabelen als input gebruikt voor een correspondentie-analyse20 waarvan de
resultaten grafisch voorgesteld worden in figuur 22.


35/63

Figuur 22 : Plot van de relaties tussen clusters en socio-demografische kenmerken
(toepassing van correspondentie-analyse met SPSS Categories®)

Uit de plot blijkt dat de vier clusters verdeeld worden over de kwadranten van het assenstelsel.
Aangezien de eerste (horizontale) dimensie de meest verklarende is21, zien we de sterkste verschillen
m.b.t. de socio-demografische variabelen optreden tussen clusters 1 en cluster 4, waarbij clusters 2
en 3 een tussenpositie innemen. De horizontale dimensie kan omschreven worden als een dimensie
waarbij de verschillen tussen de clusters vooral kunnen afgemeten worden aan sociale klasse- en
inkomensverschillen. De (geringere) verschillen tussen de clusters die door de tweede (verticale)
dimensie aangegeven worden, hebben in eerste instantie te maken met socio-demografische
variabelen die de gezinssamenstelling indiceren. In dit opzicht treden de sterkste verschillen op
tussen cluster 2 en cluster 3.

3.3.5.3.2. Variabelenreductie door principale componentenanalyse

Voor het opbouwen van een voorspellingsmodel wordt meestal gebruik gemaakt van interne
klantgegevens die het gedrag van klanten indiceren. In het geval van voorliggende case zijn dit
variabelen die het productportfolio van bestaande klanten aangeven. Deze bedrijfseigen informatie
maakt het mogelijk het feitelijk gedrag van klanten te meten. Vooraleer deze data te betrekken in het
opbouwen van een predicitef model is het eveneens noodzakelijk de dimensionaliteit van de gegevens
te onderzoeken. Het beschikken over meerdere variabelen die klantgedrag aangeven houdt immers
het gevaar in dat de onderling sterke samenhang tussen verschillende variabelen (ook
multicollineariteit genoemd) de interpretatie van de analyseresultaten bemoeilijkt. Daarom wordt
getracht om de informatie die vervat is in meerdere variabelen te combineren tot één of meerdere
schalen. Een schaal kan bv. geconstrueerd worden door iedere categorie van een variabele een
waarde te geven en de som van alle waarden geeft dan de schaalwaarde aan. Een eis bij deze


36/63

methode is dat alle items minstens op intervalniveau gemeten zijn. Dit is niet steeds het geval. Er
kan niet worden aangenomen dat bijvoorbeeld de afstanden tussen vijf waarden op een variabele
zoals koopfrequentie allemaal even groot zijn. Bovendien zijn niet alle variabelen waarvan de
waarden opgeteld worden noodzakelijk op dezelfde wijze gemeten waardoor de waarden niet zomaar
mogen gesommeerd worden tot een schaal. Een datareductiemethode voor (ordinaal) gemeten
waarnemingen ligt meer voor de hand.

In het voorbeeld van de bedrijfsinterne gegevens die het productgebruik indiceren van potentiële
klanten voor een verzekeringspolis, hebben we de relaties tussen de verschillende variabelen
onderzocht met behulp van categoriale principale componentenanalyse. Deze analysetechniek kan
ordinale en zelfs nominaal gemeten gegevens verwerken. Kenmerkend voor categoriale principale
componentenanalyse is dat er gezocht wordt naar een zo klein mogelijk aantal nieuwe variabelen ter
vervanging van de oorspronkelijke variabelen. Hierdoor treedt datareductie op zonder dat veel
verklarende variantie verloren gaat. De procedure verloopt als volgt. In een eerste stap worden de
categorieën van de variabelen optimaal gekwantificeerd.

Tranformatiegrafieken (zie figuur 23 voor enkele voorbeelden van de optimale kwantificatie van de
bedrijfsinterne productgegevens) geven aan of de waarden van variabelen een ordinaal dan wel een
intervalniveau representeren22. De tweede stap is die van het samenvatten van de verschillende
variabelen in één of meerdere dimensies. Hiervoor wordt door de techniek van categoriale principale
componentenanalyse voor elke variabele een gewicht bepaald. In tabel 3 zijn de principale
componentenladingen vermeld voor de productkenmerken. Deze zijn te lezen als correlaties tussen
de oorspronkelijke variabelen en de dimensies. De componentenladingen zijn eenvoudig te
interpreteren. Hoe groter de lading in absolute zin, hoe sterker de relatie tussen de oorspronkelijke
variabele en de dimensie. Als twee of meer variabelen hoog laden op dezelfde dimensie, dan hangen
deze variabelen ook onderling sterk samen. Variabelen die nagenoeg onafhankelijk zijn van elkaar
laden nooit hoog op dezelfde dimensie. In tabel 3 is ook Cronbach’s alfa vermeld, een maat die de
betrouwbaarheid van de dimensies weergeeft. Bij een hoge alfa-waarde kunnen de metingen op de
verschillende variabelen gezien worden als herhalingen van elkaar. Er wordt in de regel uitgegaan van
een alfa-waarde vam minimaal 0,60.


37/63

Figuur 23 : Tranformatiegrafieken door toepassing van categoriale principale componentenanalyse op
bedrijfsinterne productgegevens
(eigen bewerking op dataset Van Der Putten & Den Uyl,2000)

dim 1 dim 2
44 Contribution private third party insurance 0,732 -0,416
46 Contribution third party insurane (agriculture) 0,286 0,840
47 Contribution car policies 0,384 0,060
52 Contribution tractor policies 0,280 0,825
55 Contribution life insurances 0,312 -0,127
59 Contribution fire policies 0,809 -0,112
65 Number of private third party insurance 0,730 -0,416
67 Number of third party insurane (agriculture) 0,285 0,838
68 Number of car policies 0,378 0,074
73 Number of tractor policies 0,281 0,828
76 Number of life insurances 0,312 -0,129
80 Number of fire policies 0,796 -0,134

Cronbach's alfa 0,736 0,852

Tabel 3 : Componentenladingen van bedrijfsinterne productgegevens per dimensie


38/63

3.3.5.4. Modelontwikkeling

business data data

Tijdens de fase van de modelontwikkeling worden de data geanalyseerd en wordt voor het
ontwikkelen van een model een data mining-algoritme op de gegevens losgelaten. Wat
gegevensanalyse betreft, dient een onderscheid gemaakt te worden tussen predictieve en
descriptieve data mining23. In het geval van predictieve data mining is het doel een voorspellend
model op te stellen (bv. het opstellen van een respons scoring-model in het geval van mailing, het
voorspellen van kredietwaardigheid voor leningaflossing, het voorspellen van het omzetpotentieel van
klanten, e.a.). Descriptieve of beschrijvende data mining is geschikt om klantprofielen in kaart te
brengen, doelgroepsegmenten te ontdekken, e.a. Omdat het ontwikkelen van voorspellende modellen
met voorsprong de meest populaire toepassing is van data mining voor zakelijke toepassingen, heeft
onze bespreking van gegevensmodellering in hoofdzaak betrekking op predictieve data mining.

3.3.5.4.1. Deductie en inductie

M.b.t. de fase van de gegevensmodelling dient een onderscheid gemaakt te worden tussen de
deductieve en de inductieve werkwijze, waarbij data mining-systemen die gebaseerd zijn op deze
laatste werkwijze zich laten onderscheiden van kennissystemen. Kennissystemen, ook
expertsystemen genoemd, zijn doorgaans computerprogramma’s die zijn opgebouwd uit ‘’if-then-
else’’-instructies die menselijke deskundigen hebben bedacht. Het systeem leert niet direct van de
gegevens, maar van de kennis die afkomstig is van menselijke deskundigen. In het geval van
kennissystemen wordt voor de modellering van gegevens de deductieve werkwijze gehanteerd, d.w.z.
gegevens worden gemodelleerd op basis van de kennis die vervat is in het systeem. Daartegenover
staat dat in data mining-systemen op inductieve wijze tewerk gaan, d.w.z. de gegevensmodellering is
gebaseerd op patronen (en de herkenning ervan) die in de gegevens zelf besloten ligt.

expert system

knowledge
deduction classification
domain experts acquisition
knowledge decision for
knowledge engeneers
base for new cases

data mining system

inductive decision
classification
learning rules
past decision for
cases Model for new cases

Figuur 24 : Expertsysteem vs. data mining-systeem


39/63

3.3.5.4.2. Patronen en modellen

Kenmerkend voor data mining-algoritmen is dat ze patronen kunnen ontdekken en modellen kunnen
bouwen. Modellen verwerken gegevens om uiteindelijk efficiënte acties te kunnen ondernemen. Een
model kan gedefinieerd worden als een beschrijving van de (historische database) waarbij de
patronen (op basis van dewelke het model gebouwd is) toegepast kunnen worden op nieuwe
gegevens ten einde een voorspelling te maken van verwachte waarden. Patronen zijn gebeurtenissen
of combinaties van gebeurtenissen in een database die vaker plaatsvinden dan verwacht. Patronen
zijn slechts interessant als ze met succes in nieuwe situaties kunnen toegepast worden. Het grootste
verschil tussen een model en een patroon is dat patronen vaak minder complex zijn en dat er
doorgaans veel van zijn. Een model van klantengedrag kan bijvoorbeeld zeer complex zijn en kan
honderden patronen bevatten die uit de database zijn gehaald.

3.3.5.4.3. Steekproeven

Modellen maken per definitie een deel uit van een groter geheel waarin gebeurtenissen plaatsvinden.
Daarom gaan modelleren en steekproeven nemen hand in hand. Als elke mogelijke situatie in de
database verzameld zou kunnen worden, is het niet nodig een voorspellend model te bouwen. Het
zou dan voldoende zijn om in de database de specifieke situatie op te zoeken en het antwoord te
vinden. Omgekeerd worden steekproeven gebruikt om de omvang van de database te beperken
waarin de voorspellende patronen zich bevinden. Neem het voorbeeld van een creditcard-
maatschappij met miljoenen klantenrecords. Het beste statistische model dat kan gebouwd worden,
zou op alle records gebaseerd moeten zijn maar dit zou heel lang kunnen duren en veel kosten. Door
het nemen van steekproeven kan een betrouwbaar antwoord verkregen worden dat, met gebruik van
veel minder records, toch vaak heel dichtbij het optimale antwoord ligt (law of diminishing returns).

Een goed doordacht en correct uitgevoerd experimenteel ontwerp is belangrijk voor het slagen van
data mining. Een experimenteel ontwerp refereert naar de manier waarop de gegevens die voor
analyse nodig zijn, verzameld en getransformeerd worden. Soms heeft de analist weinig controle over
de manier waarop de gegevens verzameld zijn en/of getransformeerd. Soms is controle hierover
mogelijk zodat een beter voorspellend model kan worden gebouwd. Het is eenvoudiger een goed
voorspellend model te bouwen wanneer een willekeurige steekproef is uitgevoerd dan met een
steekproef die op een bepaalde manier beperkt is en niet de populatie weergeeft die uiteindelijk
gemodelleerd zal worden.

Behalve toevalssteekproeven (random sampling) wordt ook vaak gebruik gemaakt van gelaagde
steekproeven (stratified sampling). Dit is met name het geval wanneer een waarde van de te
voorspellen variabele waarvoor gemodelleerd wordt, in zeer lage concentraties voorkomt. Een
respons van één procent is niet ongebruikelijk bij een direct mail-campagne waarin 100.000
(potentiële) klanten een aanbod toegestuurd krijgen. Als er een model wordt gecreëerd met behulp
van een steekproef van 1000 eenheden, zijn er slechts 10 records die informatie bevatten over
klanten die gereageerd hebben. In een dergelijk geval is het beter om meer records te gebruiken van
klanten die gereageerd hebben ten einde een beter model te kunnen bouwen. In dit geval zou het
zinvol zijn om 500 records te gebruiken van klanten die gereageerd hebben en 500 records waarop
geen antwoord is gekomen. Als het model eenmaal gebouwd is, is er nog een stap waarin het model
wordt gecorrigeerd naar de oorspronkelijke concentraties van respons en niet-respons records.


40/63

Een andere vorm van gelaagde steekproeven is de cluster steekproef, waarin de oorspronkelijke
database wordt gegroepeerd en er vervolgens gelijke aantallen records uit elke cluster worden
gehaald, zodat alle belangrijke subgroepen binnen de database voorkomen. Als er veel van deze
subgroepen zijn, en sommige van die groepen bevatten slechts enkele records, moet deze methode
zeker gebruikt worden om te kunnen garanderen dat alle groepen in de steekproef voldoende
vertegenwoordigd zijn.

3.3.5.4.4. Modelvalidatie

Om de nauwkeurigheid van een model te beoordelen, wordt gebruik gemaakt van een trainingsset en
een testset. Als het voorspellende model wordt gebouwd, wordt hierbij de voorspelling op de
trainingset gebaseerd en het model wordt vervolgens op de testset toegepast. Een vereiste hierbij is
dat beide datasets onafhankelijk van elkaar zijn (d.w.z. geen enkel record bevindt zich in beide
databases). In dit geval zal de performantie van het voorspellende model op de testverzameling een
indicatie geven van de nauwkeurigheid van het model.

Een specificatie van de wijze waarop aan de hand van klantgegevens een marketingactie kan
opgesteld worden, bestaat erin de respons van klanten in te delen in decielen op basis van hun
responskans, vertrekkend van de best scorende groep tot de slechtst scorende groep. In figuur 25 is
een dergelijke ‘’lift’’-grafiek weergegeven voor de gegevens uit de eerder beschreven training- en
testset (zie blz. 25) die we gebruikten voor het opstellen van een beslissingsboom24. Uit de grafiek
valt o.m. af te lezen dat 40 % van de steekproef met scoring in zowel het geval van de trainingset als
de testset ruim twee derde (resp. 69,4 % en 64 %) van de respons genereert. Aan de hand van de
scoringsanalyse is het mogelijk de optimale mailingdiepte te berekenen, d.w.z. het aantal mailings dat
aan de best responderende groepen toegestuurd dient te worden zonder daarbij onder het break
even-niveau te zakken.

120

100

80 deciel
respons zonder scoring
60
respons trainingset
40 respons testset

20

0
1 2 3 4 5 6 7 8 9 10

Figuur 25 : Respons-analyse en scoring


41/63

Het opstellen van een scoringsmodel kan tot een aanzienlijke kostenbesparing leiden. Door de
respondenten in een mailing te betrekken waarvoor overeenkomstig het scoringmodel een grotere
respons kan verwacht worden, wordt een belangrijke kostenbesparing gerealiseerd. Dit veronderstelt
evenwel ook dat nadat een model opgesteld is de database in staat moet zijn om de resultaten van
het model te implementeren op prospecten en klanten ten einde hieruit de geschikte respondenten te
extraheren voor een mailingactie.

Als een voorspellend model gebouwd wordt, is het belangrijk dat de patronen in de gegevens die de
volgende keer dat het model wordt toegepast ook nog van kracht zijn, worden gevonden. Een
probleem dat zich kan voordoen bij het opbouwen van een model is het effect dat overfitting wordt
genoemd. Nemen we het voorbeeld van een model dat op basis van een neuraal netwerk is gebouwd.
Een neuraal netwerk ‘’leert’’ door herhaaldelijk voorbeelden van de voorspellende variabelen en de
voorspellingen (de onafhankelijke variabele en de afhankelijke variabele) voorgeschoteld te krijgen.
Als het netwerk meer en meer voorbeelden te zien krijgt, wordt subtiel een verbinding gelegd tussen
de verschillende gegevens die binnenkomen (input) en het gevraagde antwoord (output). Hierdoor
maakt het netwerk steeds minder en minder fouten bij de voorspelling van de afhankelijke variabele.
In sommige gevallen zal het netwerk helemaal geen fouten meer maken, nadat de traininggegevens
verschillende keren door het netwerk zijn gedraaid. De performantie van het model op de
validatiegegevens laat echter een ander gedrag zien. Dit effect wordt overfitting genoemd. Naarmate
het netwerk steeds meer onthoudt, loopt de kans op fouten in de trainingset steeds meer terug. Dit
betekent dat het netwerk patronen begint te ontdekken die niet voorspellend zijn voor het probleem
dat aan het netwerk aangeboden wordt, en dat de gevonden patronen enkel voorspellend zijn
vanwege enkele typerende kenmerken in de trainingset.

3.3.5.5. Evaluatie

business data data

Een belangrijke overweging bij de evaluatie van een data mining-exercitie is dat het resultaat ervan
niet enkel beoordeeld wordt op de voorspellende nauwkeurigheid ervan maar dat de bijdrage die data
mining oplevert voor het hele bedrijfsproces beoordeeld wordt. Tijdens de evaluatiefase wordt
derhalve een terugkoppeling gemaakt naar de bedrijfsdoelstellingen die aan de basis liggen van de
data mining-exercitie. De evaluatie van een data mining-exercitie kan plaatsvinden vanuit het
gezichtspunt van de sterke en zwakke punten van het toegepaste algoritme, d.w.z. onafhankelijk van
de toepassing waarvoor het algoritme gebruikt wordt (zie tabel 4). Nauwkeurigheid is hierbij een
belangrijke maatstaf, maar ook andere criteria spelen een rol. Wat hebben we immers aan
nauwkeurigheid als het algoritme niet kan omgaan met gegevens die tot op zekere hoogte onzuiver
zijn of ontbrekende waarden hebben ? Anderzijds is het mogelijk dat een data mining-algoritme snel
een voorspellend model kan opbouwen, maar dit voordeel verzwakt fel als blijkt dat de voorbewerking
van gegevens een hele tijd in beslag neemt.


42/63

beoordelingselement omschrijving
nauwkeurigheid hoe nauwkeurig is het toegepaste algoritme voor het verkrijgen van
een juiste voorspelling ?
duidelijkheid hoe duidelijk is het algoritme in het verklaren van het voorspellend
model dat ermee gebouwd wordt ?
vervuilde gegevens kan het algoritme omgaan met ontbrekende en/of vervuilde
gegevens ?
dimensionaliteit hoe goed kan het algoritme werken met veel voorspellende
variabelen ?
onbewerkte gegevens kan het algoritme werken met de voorspellende variabelen zoals ze
in de oorspronkelijke database of steekproef voorkomen, of moeten
er voorafgaandelijk bewerkingen uitgevoerd worden ?
RDBMS is de data mining-techniek geschikt om direct in RDBMS te worden
opgenomen ?
schaalbaarheid werkt het algoritme of grote aantallen records ?
snelheid is het algoritme (in termen van de tijd die nodig is om een model te
bouwen) snel of langzaam ?
validatie ondersteunt het algoritme mogelijkheden om het voorspellende
model te valideren ?

Tabel 4 : Eisen voor beoordelingen van data mining-technieken op algoritmescorelijst
(Bron : Berson & Smith, 1997 : 349)

Om een data mining-techniek en de op basis daarvan ontwikkelde voorspellende modellen te
beoordelen op de waarde ervan voor een bedrijf worden andere criteria gehanteerd (zie tabel 5).
Hierbij wordt in eerste instantie niet naar snelheid gekeken. Een eerste element voor het
bedrijfsmatig succes heeft te maken met het gebruiksgemak en de automatische werkwijze van een
data mining-techniek. De techniek moet anderzijds ook begrijpelijke antwoorden verstrekken
waarmee een bedrijf iets kan doen. Ten slotte moet de techniek ook een antwoord kunnen geven dat
omgezet kan worden in een ROI-analyse.

beoordelingselement omschrijving
automatische is de techniek relatief automatisch en gemakkelijk te gebruiken
werkwijze of is er veel ervaring met data mining noodzakelijk ?
duidelijkheid zijn de resultaten die voortkomen uit het gebruik van de data
mining-techniek duidelijk en begrijpelijk of zijn ze complex en
niet-intuïief ?
ROI kan de techniek gebruikt worden voor winst- en verliesresultaten
en verbeterd rendement op geïnvesteerd kapitaal ?

Tabel 5 : Eisen voor beoordeling van data mining-technieken op bedrijfsscorelijst
(Bron : Berson & Smith, 1997 : 347)


43/63

Ongeacht een data mining-techniek beoordeeld wordt overeenkomstig de algoritmescorelijst of de
bedrijfsscorelijst, gelden drie aspecten als voornaamste evaluatie-criteria, nl. nauwkeurigheid,
verklaring en integratie.

3.3.5.5.1. Nauwkeurigheid

Bij data mining gaat het in de eerste plaats om voorspellende nauwkeurigheid, d.w.z. een data mining-
techniek moet in de eerste plaats een model produceren dat zo nauwkeurig mogelijk is. Voor
ongerichte data mining (zoals clustering) zijn directe beoordelingen moeilijker dan in het geval een
techniek gebruikt wordt voor gerichte data mining.

Als een techniek wordt gebruikt voor voorspelling, kan de nauwkeurigheid op verschillende manieren
vastgesteld worden. Zo kan nauwkeurigheid vastgesteld worden als het totaal aantal correcte
voorspellingen. Voor een binaire voorspelling kan de correctheid of incorrectheid direct berekend
worden25 en voor een voorspelling met meerdere waarden kan de nauwkeurigheid berekend worden
als de gemiddelde gekwadrateerde fout (mean squared error). De verhoging (lift, zie figuur 25 blz. 40 )
meet in hoeverre een voorspellingsmodel de responsdichtheid voor een bepaalde deelverzameling
van een database verhoogt t.o.v. hetgeen zonder model (willekeurige selectie) zou bereikt worden.
Om te vermijden dat er interferentie ontstaat tussen het opstellen van een classificatieregel en het
valideren ervan, wordt naast een training- en testset gebruik gemaakt van een evaluatieset waarbij
het ontwikkelde model toegepast wordt ter voorspelling van de waarde van de afhankelijke variabele.
M.b.t. het hiervoor uitgewerkte voorbeeld van de voorspelling van de klantenrespons op een
verzekeringspolis, is het ontwikkelde model toegepast op een evaluatieset van 4.000 klanten waarbij
de waarde van de (binaire) afhankelijke variabele voorspeld werd aan de hand van de
classificatieregels. In figuur 26 worden de resultaten van deze analyse grafisch voorgesteld. Hieruit
kan opgemaakt worden dat de ontwikkelde classificatieregels bij toepassing ervan op een
evaluatieset goed standhouden, al moet eraan toegevoegd worden dat de responsdichtheid lager ligt
in de evaluatieset.

120,0

100,0

80,0
respons trainingset
60,0 respons testset
respons evaluatieset
40,0

20,0

0,0
1 2 3 4 5 6 7 8 9 10

Figuur 26 : Respons-analyse en scoring : vergelijking tussen training-, test- en evaluatieset


44/63

Een andere mogelijkheid om de nauwkeurigheid vast te stellen bestaat erin de maximale winst of het
rendement op het geïnvesteerde kapitaal uit het voorspellende model te berekenen.

120.000

100.000

opbrengst
80.000

60.000
kost
€ 40.000

20.000
ROI

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14

-20.000

-40.000

aantal mailings x 1000

Figuur 27 : ROI-analyse

Bij een gekende mailingdiepte met bijhorende responsverwachting kunnen kosten, opbrengsten en
return on investment grafisch voorgesteld worden. Uit het (fictieve) voorbeeld in figuur 27 kan
afgeleid worden dat de grootste ROI bereikt wordt bij een mailinggrootte van 5.000.

3.3.5.5.2. Verklaring

M.b.t. het door een data mining-tool ontwikkelde model moet de eindgebruiker op een duidelijke
manier kunnen verklaren hoe het model werkt. Het gaat erom dat inzichtelijkheid dient opgebouwd te
worden. Eveneens moet de winst of de ROI-berekening op een duidelijke wijze uitgelegd worden.

3.3.5.5.3. Integratie

Data mining-tools en de resultaten en modellen die erdoor bekomen worden, moeten kunnen
geïntegreerd worden in de bestaande gegevens- en informatiestromen en de bedrijfsprocessen (zie
hierover verder onder 3.3.5.6.).


45/63

3.3.5.6. Actie

business data data

De resultaten van een data mining-exercitie dienen uiteindelijk ook daadwerkelijk gebruikt te worden
in de bedrijfspraktijk. Waar het om essentie om draait, is dat er twee processen zijn die een gesloten
kringloop moeten vormen waardoor de onderneming klantgeoriënteerd en dynamisch, d.w.z. met een
korte time-to-market kan reageren.

Aan de ene kant staat het integreren van gegevensstromen waardoor de grondstoffen voor handen
zijn om kennis te extraheren aan data. Aan de andere kant volgt het implementeren van deze kennis
in de bedrijfsprocessen. Wat betreft dit laatste, kunnen data mining-tools ingedeeld worden in
generieke systemen die een brede range van toepassingsgebieden ondersteunen en applicatie-
specifieke systemen, die ontwikkeld zijn voor een specifiek toepassingsgebied. Deze laatste kennen
de afgelopen jaren een sterke opgang. Het ontwikkelen van gerichte oplossingen wordt ook
verticalisatie genoemd (zie ook blz. 51).

In figuur 27 worden de twee genoemde kringloopprocessen, nl. gegevensintegratie en daarop
gebaseerde (predictieve) analyse die resulteert in het implementeren van de resultaten in
bedrijfsprocessen grafisch voorgesteld.

OPERATIONAL DATA PREDICTIVE BUSINESS MESSAGE CUSTOMER
DATA SOURCES INTEGRATION ANALYSIS PROCESS DELIVERY FACING
INTEGRATION SYSTEMS

mail
interactive layer / enterprise portal

E Web
legacy systems T
OLTP L DW
reporting campaign email
& analysis management

call centre
ERP – CRM - SCM
E
A
I data mining
personalization sales force
& modeling

clickstream data

DATA INTEGRATION & ANALYTICAL APP BP-INTEGRATION & OPERATIONAL EFFICIENCY

Figuur 27 : Integratie van databaronnen, predictieve analyse en implementatie in operationele
toepassingen


46/63

Verschillende ontwikkelingen zoals multi-channel management en e-business leiden tot een
toenemende behoefte aan recente en geëintegreerde data voor zowel analytische als operationele
toepassingen. Een voorbeeld is een toepassing waarbij in het customer contact center of op de
website aan cross-selling wordt gedaan. Het klantprofiel is dan essentieel. Dit profiel is enerzijds
gebaseerd op eerdere aankopen maar is anderzijds afhankelijk van ander klantgedrag dat (zeer)
recent heeft plaatsgevonden, zoals klikgedrag op de website van het bedrijf. Om het klantprofiel te
bepalen, is derhalve meer nodig dan (historische) informatie uit het datawarehouse. Zoals dit het
geval is voor data-integratie in een traditioneel datawarehouse, dienen recente gegevens uit diverse
operationele systemen opgenomen te worden. Is het inrichten van een ETL-proces in een DW-
omgeving al complex, dan is het oppikken van real-time transacties dit in verhevigde mate omdat voor
dit laatste een batchproces geen optie is aangezien de transactionele data zo snel mogelijk na het
plaatsvinden ervan opgepikt moeten worden. Om te voorzien in zowel recente als geïntegreerde data,
is een aantal benaderingen mogelijk. Eén ervan bestaat erin gebruik te maken van message brokers
die op recordniveau zorgen voor real-time communicatie tussen applicaties. Het gebruik van message
brokers in projecten voor applicatie-integratie (EAI : Enterprise Application Integration) komt hierop
neer dat informatiecomponenten (zoals bijvoorbeeld naam, leeftijd, aankoopbedrag, e.a.) binnen één
toepassing gewijzigd worden en via een message queue doorgegeven worden aan alle andere
relevante toepassingen (zie hierover Kamst, 2002). Met het oog op de analyse ervan met andere
data, komen de aldus behandelde transacties terecht in een afzonderlijke database die doorgaans
aangeduid wordt onder de naam operational data store (ODS). Aangezien het gewenst is dat de data
zo snel mogelijk in het ODS worden opgenomen, worden op gegevens in het ODS nauwelijks
transformaties en aggregaties uitgevoerd. En vermits het ODS steeds up-to-date wordt gehouden,
kan ook de laadfrequentie van het datawarehouse opgevoerd worden (zie o.m. Den Hamer, 2001).

Het komt er echter niet alleen op aan om data (historische en recente) te integreren en nieuwe kennis
te onttrekken aan gegevens. Het gaat er ook om deze kennis ook aan te wenden. Het doel van
predictieve analyse bestaat erin om data om te zetten in inzicht zodat beslissingsprocessen op
operationeel, tactisch en strategisch niveau ondersteund worden en dat tijdig kan geanticipeerd
worden op gedrag en gebeurtenissen. Het implementeren van de resultaten van predictieve analyse
in bedrijfsprocessen komt de efficiëntie en de effectiviteit van deze laatste ten goede. Grijpen we
terug naar het voorbeeld over cross-selling dan kan een inkomend gesprek in het customer contact
center aan de hand van een DM-applicatie geanalyseerd worden in combinatie met gegevens over de
klanthistorie en andere klantinformatie uit verschillende kanalen. Het systeem evalueert op deze
wijze de slagingskans van cross-sell en retentie-aanbiedingen en bepaalt eveneens op basis van
business rules welke aanbieding de hoogste kans heeft door de klant geaccepteerd te worden én de
meeste omzet genereert voor het bedrijf. De specifieke aanbieding wordt, samen met bijhorende
verkoopadviezen, zichtbaar gemaakt op het scherm van de call center-medewerker. Door de
combinatie van real-time technologie en predictieve analyse worden de slaagkansen van
aanbiedingen verhoogd. Real-time gegevensintegratie zorgt ervoor dat aanbevelingen gebaseerd zijn
op de meest actuele klantinformatie (zoals gegevens verkregen via andere kanalen). Aan de hand
van predictieve analyse worden de voorkeuren en behoeften van klanten voorspeld en kunnen de
geschikte doelgroepen voor aanbiedingen afgebakend en geselecteerd worden en aan de hand van
‘’best practice’’-scenario’s wordt de complexiteit van data en modellen onttrokken aan de beslissers
en worden de resultaten van analyse omschreven in begrijpelijke termen die eigen zijn aan het
bedrijfsproces.


47/63

predictive channel event campaign
analysis optimization marketing optimization

select the best contact each select the best
select the best
channel for customer at the offer for each
customers
each customer right time customer

Data Data Mining Process Customer
Administrator Analyst Owner Service

Telco User Interface User Interface User Interface User Interface
Database
Data Model Prediction Evaluate Select Customer
Admin Analysis Review Customer Targeted Prediction
Profiles Customers Queries

Data Analysis Churn Model Customer Prediction
and Build and Predict Profile List Call Center
Datamining Assessment Evaluation
Churners Analysis Mgmt Database
Campaign
Management
Database

Figuur 28 : Predictieve analyse en target marketing


48/63

3.4. Trends in business intelligence

hoc-
3.4.1. Van ad hoc-rapportering naar predictieve analyse

Data mining maakt deel uit van een proces dat bekend staat onder de naam Knowledge Discovery in
Databases (KDD). Het doel van KDD is het afleiden van nieuwe informatie en kennis door middel van
analyse van in databases opgeslagen gegevens. Het proces van KDD is gebaseerd op de
veronderstelling dat databases veel verborgen informatie bevatten. Met KDD probeert men deze
verborgen informatie aan de oppervlakte te brengen. Behalve het opsporen van deze verborgen
informatie brengt KDD de resultaten van verfijnde analyses ook binnen het bereik van eindgebruikers.
Zo stelt Fayyad : ‘’The idea is to put effective analysis-tools in the hands of end-users that are typically
not statisticians, or machine learning researchers’’ (Fayyad, 1996 : 11). Hiermee wordt een eerste
trend in de toepassing van bedrijfsintelligentie aangegeven, nl. de opkomst van voorspellende
analyses in plaats van rapportering en de directe inzet van de resultaten van voorspellende analyses
door de integratie ervan in operationele systemen.

Het toegenomen belang van analyse in het algemeen en predictieve (voorspellende) analyse in het
bijzonder dient geplaatst te worden tegen de achtergrond van de verschuiving die zich de afgelopen
jaren heeft voltrokken van het efficiënt communiceren met klanten naar het kennen van de
individuele klantbehoeften en voorkeuren en het toepassen van deze kennis in de klantcommunicatie.
Op het moment dat klantkennis het uitgangspunt is voor commerciële klantactiviteiten, verandert ook
de focus van het marketing- en verkoopproces. Was er voorheen een productfocus, dan moet deze nu
veranderen naar een klantfocus. De doelstellingen zullen dan ook niet meer op productniveau liggen
maar op klantniveau.

Klanten zijn veeleisend en willen gericht benaderd worden met aanbiedingen die aansluiten bij hun
individuele behoeften. Klanten verwachten ook een onmiddellijke reactie op hun behoeften. Internet
heeft de serviceverwachting van klanten verhoogd : ze verwachten een directe respons op hun
serviceverzoek. Klanten verwachten ook consistente communicatie over de verschillende kanalen.
Een naadloze integratie van alle kanalen, met de beschikbaarheid over real-time klantinformatie, biedt
hier een oplossing.

Personalisering van klantcontacten en real-time analyses zijn derhalve belangrijke elementen in de
klantcommunicatie. Voor het uitvoeren van analyses dienen dan ook recente operationele data
beschikbaar te zijn (cfr. supra). Historische informatie (aanwezig in het datawarehouse) wordt
gecombineerd met real-time gegevens. Voor real-time analyse is real-time integratie vereist. Een
overgrote meerderheid (95 %) van de informatie die voor een dergelijke integratie in aanmerking
komt, wordt onttrokken en geladen in een typisch ETL-batchproces. Het restant van up-to-date
bedrijfsinformatie wordt via EAI-message queues onttrokken aan ERP-, SCM en CRM-applicaties en
samen met de historische informatie uit het datawarehouse geïntegreerd in een ODS (cfr. supra). De
ODS functioneert dus als een centrale opslagplaats voor bedrijfsinformatie van waaruit toepassingen
geïntegreerde informatie kunnen onttrekken26.


49/63

business value

analytical
applications
OLAP &
data mining
ad hoc query

Jaren 80 Jaren 90 3 rd generation BI

RDBMS

data warehousing Web based

Figuur 29 : Trends in business intelligentie

Data
Business Queries/ Data mining
mining
question reports OLAP & deployment
What were on-line
on-
History
sales last month?

What were on-line
on-
Drill down
sales by product?
What products are
likely to be bought Adds prediction
together
What Should I offer
Depth, prediction and personalization
this customer today?

Figuur 30 : Evolutie vraagstellingen voor bedrijfsintelligentie
(Bron : Purcell, 2002)


50/63

bulk data complex
transformation

data integration

real-time batch

application integration

no/simple
transformation
transactional data

Figuur 31 : De convergentie tussen data integration en application integration

De basisvraag luidt hoe de informatie die vele organisaties en bedrijven verzamelen (via
klantenkaarten, klik- en koopgedrag op websites, demografische informatie, respons op mailings,
marktonderzoek, e.d.) kan omgezet worden in direct toe te passen activiteiten. Inmiddels is gekend
dat data mining voor veel organisaties en bedrijven een middel is om maximaal rendement te halen
uit de opgeslagen informatie. Er zijn evenwel nog veel organisaties die de vruchten van diepgaande
analyse nog niet plukken. Zo duurt het krijgen van resultaten en vooral de integratie van resultaten in
operationele processen vaak zo lang dat het te laat is om nog van de resultaten gebruik te maken.
Om die reden worden tools voor predictieve analyse tegenwoordig steeds vaker ingebed in analytische
applicaties waardoor het analyseproces veel dichter aansluit bij het operationele proces dan voorheen
mogelijk was. Zoals blijkt uit onderstaande tabel is een analytische tool in meerdere opzichten anders
dan een analytische applicatie.


51/63

Criterium ANALYTISCHE ANALYTISCHE APPLICATIE
TOOL
oriëntatie generiek gebruik van specifieke bedrijfsprocessen
analytische technologieën
doelgroep ‘’power users’’ ‘’business users’’
analytische technologie smal en diep breed en meestal minder diep
(integratie van alle relevante
technologie : ETL, data opslag,
reporting, data mining)

analytisch proces wordt aan de gebruiker ingebouwd
overgelaten
inzetbaarheid brede inzetbaarheid gerichte inzetbaarheid
integratie in operationele doe het zelf volledig en
systemen voorgeprogrammeerd

Tabel 6 : Analytische tool vs analytische applicatie

Een belangrijke ontwikkeling binnen data mining is verticalisatie, d.w.z. het ontwikkelen van
maatwerk-producten met een focus op een specifieke doelstelling. Analytische applicaties zorgen
voor een terugkoppeling van de analyseresultaten naar de (operationele) processen waardoor ze
bijdragen tot het uitvoeren van acties binnen de directe context van bedrijfsprocessen. Het
analyseren van bijvoorbeeld klantgegevens is geen doel op zich. Waar het om gaat is dat de
conclusies van analyses (in combinatie met kennis over de profitabiliteit van de klant) wordt
teruggebracht naar direct en indirecte verkoopkanalen. Op deze wijze kunnen bedrijfsprocessen
aangestuurd worden vanuit de resultaten van analyses.

Operationele processen zoals marketing en verkoop (operationele CRM) worden ondersteund en
gestuurd vanuit opgebouwde klantenkennis (analytische CRM). In dit opzicht wordt gesproken over
cross-channel of multi-touchpoint personalisatie die ervoor zorgt dat klantgegevens op de juiste
plaats, op het juiste moment en in de juiste vorm en kwaliteit beschikbaar en toegankelijk zijn. De
met behulp van data mining uitgevoerde klantsegmentaties en opgestelde scoringsmodellen kunnen
geïntegreerd worden in marketing- en verkoopacties. Binnen het kader van campaign management
kunnen klantprofielen en scores geëxporteerd worden naar operationele applicaties waarbinnen de te
benaderen populaties gedefinieerd worden. De door personalisering gerealiseerde verhoging van de
conversie kan hierbij aanzienlijke financiële voordelen opleveren. Naast de toepassing van campaign
management kunnen de resultaten van analyses ook geïntegreerd worden in andere
communicatiekanalen, zoals call center en Internet. Wanneer een klant zich bij het call center of op
de website aanmeldt, worden de actueel beschikbare klantgegevens on-line vergeleken met de door
data mining vastgelegde profielen. Op basis van het resultaat van deze vergelijking wordt de voor de
klant meest effectieve boodschap gegenereerd en aangeboden via het call center of de website.

Waar data mining voorheen als ad hoc-proces bedoeld werd, wordt data mining zoals hierboven
beschreven steeds vaker toegepast in verticale applicaties en on-line gebruikt. In het geval van on-
line data mining is een belangrijk deel van het data mining proces reeds voltooid vooraleer de mining
vraag is gesteld. De database wordt geanalyseerd en regels worden opgeslagen in een
patroonbestand (zie hierover o.m. Parsaye, 1999). Een onmiskenbaar voordeel van on-line data
mining is dat het meer geïntegreerd is in het bedrijfsproces en dat de doorlooptijd (heel) kort is.


52/63

De evolutie van data mining van de ad hoc- naar de on-line variant loopt parallel met het toegenomen
belang van enterprise information portals (EIP) voor de verspreiding van informatie. Via deze laatste
hebben gebruikers toegang tot informatie die voor hen beschikbaar is op eigen verzoek, automatisch
op vaste tijdstippen of event-driven (waarbij de gebruiker de informatie pas ontvangt als zich een
bepaalde gebeurtenis voordoet). Op basis van deze informatie kunnen de gebruikers beslissingen
nemen en de acties die daaruit voortvloeien direct in transactiesystemen uitvoeren. De
ontwikkelingen op IT-gebied maken het ook mogelijk om beslissingssystemen op te zetten die in staat
zijn om op basis van regels, zelfstandig beslissingen te nemen en acties uit te voeren in de
operationele systemen (zie hierover o.m. Schipper, 2001 ; Allen Bonde Group, 2002, Bates, 2003,
Blomme, 2003 ; Rudin & Cressy, 2003)27.

3.4.2. Business intelligence en corporate performance management
performance

Een tweede belangrijke trend die zich aftekent m.b.t. business intelligence is dat BI-systemen zeer
frequent actuele informatie over de prestaties van de organisatie (of organisatieonderdelen) bieden,
waardoor business intelligence niet alleen een technisch begrip is maar ook een concept is dat zich
richt op het ondersteunen van kritische bedrijfsprocessen op basis van tijdige, juiste en volledige
informatie. Business intelligence wordt meer en meer aangewend als middel om een
resultaatgerichte bedrijfsvoering te ondersteunen, zowel door de performatie van bedrijfsprocessen te
meten als door de indicatoren van de bedrijfsvoering te delen met partners uit de waardeketen.

Omdat bedrijfsintelligentie niet alleen vanuit een technische hoek moet benaderd worden maar ook
vanuit een organisatorische, procesmatige invalshoek wordt BI ook steeds vaker in één adem
genoemd met managementstrategieën zoals corporate performance management (deze strategie
richt zich op procesverbetering voor efficiënter en slagvaardiger opereren van de organisatie, hetgeen
de gestegen belangstelling voor dashboards en scorecards verklaart) en knowledge management
(kennismanagement : het integreren van kennis- en ervaringsbronnen zowel binnen als buiten de
onderneming). Om die reden kan BI als volgt gedefinieerd worden : ‘’Business intelligence is a
process to monitor key performance indicators about business environment, customers, investors,
partners, suppliers, regulators, competitors, industry trends, and their impact on business strategy to
help define and improve a profitable business model’’ (Hashmi, 2003).

Figuur 32 : De uitbreiding van business intelligence tot het ecosysteem van de onderneming (Bron :
Altius Consulting, 2001)


53/63

Sterk samenhangend met het belang van BI ter ondersteuning van bedrijfsprocessen is de uitbreiding
van bedrijfsintelligentie tot het ecosysteem van de organisatie. In dit opzicht dient het onderwerp van
bedrijfsintelligentie gekoppeld te worden aan het door de Gartner Group gelanceerde begrip zero
latency enterprise en de organisatie van wat omschreven wordt als the extended enterprise. De ZLE
kan gedefinieerd worden als een onderneming die in staat is gegevens en informatie in zeer korte tijd
(zero latency) te laten stromen naar de plek waar ze nodig zijn om bedrijfsprocesen te stroomlijnen,
kostenreducties te realiseren en een hoge response te verwezenlijken met partijen buiten de
onderneming (klanten, leveranciers).

De extended enterprise is een organisatie die zich bewust is van het op de juiste manier
communiceren met zijn externe relaties. In de extended enterprise is een technische infrastructuur
ontworpen die er zorg voor draagt dat de eigen informatiesystemen kunnen communiceren met die
van de relaties. Relaties met partijen, klanten en leveranciers zullen meer en meer gemanaged
worden door een E-business infrastructuur.

Extended enterprise-toepassingen waarop zero latency zijn vruchten afwerpt zijn supply chain
management (SCM) en customer relationship management (CRM). De kritische succesfactoren van
SCM zijn de zichtbaarheid waar processen en gegevens zich bevinden in de keten en de snelheid
waarmee producten en gegevens/informatie zich bewegen door de keten. Zero latency op het vlak
van CRM kan worden bereikt door de medewerkers van de organisatie die in contact staan met de
klant op het juiste moment van de juiste gegevens te voorzien.


54/63

4. Besluiten

In marketing is een ontwikkeling gaande van een massabenadering naar een gesegmenteerde
aanpak en verder naar een individuele benadering. De lange tijd dominerende push-benadering
maakt meer en meer plaats voor een pull-benadering waarbij het initiatief niet langer bij de producent
maar steeds meer bij de klant komt te liggen. De toenemende invloed van de klant en de intensiever
wordende concurrentie eisen dat het aanbod nauwkeurig wordt afgestemd op de wensen en de
verwachtingen van de klant. Bedrijfsprocessen dienen zodanig ingericht te worden dat deze zo
effectief en zo efficiënt mogelijk gericht zijn op het opbouwen en onderhouden van duurzame relaties
met klanten.

De ontwikkeling van een klantgerichte marketingstrategie (customer relationship management, CRM)
is afhankelijk van de invulling van zowel een interactieve als informatieve dimensie. De omslag van
een aanbod- naar een vraaggeoriënteerde benadering impliceert in de eerste plaats dat bedrijven in
staat moeten zijn om interactieve media aan te wenden in de communicatie met prospecten en
klanten. Het principe van klantgerichtheid houdt in dat de onderneming elke klant individueel
benadert en aan de individuele wensen van de consument tegemoet komt met een op maat gesneden
aanbod. Dit is alleen mogelijk als de onderneming voldoende inzicht heeft in de voorkeuren van
prospecten en klanten. Waar het in toenemende mate over gaat, is kennis te verwerven in de zeer
dynamische omgeving van de organisatie en deze om te buigen in een competitief voordeel.

De vaststelling dat klantcommunicatie in de toekomst grotendeels elektronisch zal geschieden en het
gegeven dat het behoud van een competitief voordeel wel eens zou kunnen afhangen van het kleine
verschil in markten klantinformatie, bewerkstelligen een toenemende vervlechting tussen informatie-
technologie en bedrijfsprocessen. Wat dit laatste betreft, kunnen datawarehousing en data mining
aangeduid worden als belangrijke ontwikkelingen ter ondersteuning van de beschikbaarheid van
gegevens en de extractie van kennis aan deze laatste.

Mede door de invloed van het Internet en E-commerce die een stimulerend effect hebben op het
genereren en opslaan van “clickstream data” zal het belang van data mining in de komende jaren nog
toenemen. Tegenwoordig zijn de meeste producten voor data mining nog toegesneden op
expertgebruikers, zoals statistici. De resultaten van data mining krijgen pas waarde als er zinvolle
actie op ondernomen kan worden. Een belangrijke voorwaarde voor de acceptatie van data mining is
het integreren van data mining in zgn. verticale applicaties, d.w.z. toepassingen gericht op een
specifieke bedrijfsfunctie. Rekening houdend met het strategisch belang van data mining maar ook
met de mogelijkheden om data mining direct toe te passen in het operationele domein, kan in de
nabije toekomst verwacht worden dat de technologie van data mining in bedrijfsprocessen zal ingezet
worden voor specifieke doelstellingen zoals lening- en polisacceptatie in de banken
verzekeringswereld, basketanalyse en voorraadbeheer in retail marketing, loyaliteitsanalyses op basis
van betaalgedrag in de telecommunicatie, e.a.. Data mining is dan niet langer een proces dat ad hoc
wordt uitgevoerd, maar is één van de bouwstenen om real-time marketing uit te voeren aan de hand
van de combinatie van historische data en gegevens van de on-line gebruiker. Om hieraan inhoud te
geven, wordt niet alleen gewerkt met klantbestanden (verzamelingen gegevens over klanten) maar
ook met klantmodellen. Deze laatste zijn een weergave van de kenmerken, attitudes en mogelijke
behoeften van een klant en laten derhalve toe om marketingacties op één-op-één basis aan te sturen.
Data mining is hierbij eveneens een hefboom in de ontwikkeling van een lerende organisatie : een
hulpmiddel om alle kennis die in een bedrijf aanwezig is gecontroleerd en efficiënt te gebruiken en om
leerprocessen te versterken. Nauw samenhangend met de evolutie van database management naar
kennismanagement, is het onderwerp van het beheer en de distributie van kennis binnen
organisaties via intra/internet, groupware en intelligent agents 28.


55/63

De hier besproken ontwikkelingen blijven tenslotte ook niet zonder gevolgen voor het marktonderzoek.
Met het in de plaats treden van klantconcepten voor productconcepten, zullen ook marktonderzoekers
meer te maken krijgen met de analyse van klantgegevens en -modellen. Een hiermee verbonden
ontwikkeling is dat het opstellen van klantprofielen en clusters naar aankoopgedrag samen met
analyses van de klantlevenscyclus zullen primeren boven het verzamelen van steekproefgegevens.
Het type informatie verschuift van opgegeven informatie naar gedragsinformatie29. Anderzijds
vervangt informatie op individueel prospect- of klantniveau de meer generieke modellen en
veronderstellingen. Klantsegmentaties zullen meer bottum-up gebeuren door samenvoeging van
vrijwel identieke cases en minder top-down vanuit de opdeling van markten in homogene
subgroepen. In hun geheel genomen hebben deze ontwikkelingen tot gevolg dat de
marktonderzoeksfunctie in toenemende mate integreert met business intelligence en schuift het
marktonderzoek op in de richting van informatiemanagement.


56/63

Noten

1 Zie hierover Peppers & Rogers, 1993.

2 Het is evenwel niet alleen de versnelde technologische vooruitgang die het ontwikkelingspad van de nieuwe
media bepaalt. Ook de demassificatie van de consumentenmarkt drukt zijn stempel op de ontwikkeling van de
nieuwe media. De door Faith Popcorn (1995) beschreven cocooning als een belangrijke trend in het
hedendaagse consumentengedrag, vormt een gunstige voedingsbodem voor de groei van nieuwe interactieve
media. Van ‘nieuwe’ media in de echte zin van het woord kan niet gesproken worden. De meeste nieuwe
interactieve mediavormen zijn ontstaan als uitbouw of integratie van de bestaande communicatievormen :
televisie, telefoon en computer. Vandaar dat men de nieuwe media ook wel multimedia noemt. Met nieuwe
media wordt dus verwezen naar elk medium dat een directe, interactieve communicatie toelaat tussen de
prospect of klant en de onderneming. Interactieve media worden in de eerste plaats gekenmerkt door
informatieverstrekking op maat. De gebruiker gaat alleen in op datgene dat hem of haar interesseert. Een ander
kenmerk van interactieve media is de vrijheid van timing. De gebruiker wordt niet op ongewenste momenten met
een boodschap geconfronteerd. Het gebruik van het medium vindt plaats op het moment dat de gebruiker het
zelf wil of op het moment dat daarvoor het meest geschikt is. Een interactief medium kan tenslotte de door
gebruikers opgegeven input opslaan. Het medium wordt dan een krachtig instrument om meer te weten te
komen over het gedrag van prospecten of klanten. Kenmerkend voor de hedendaagse kenniseconomie is de
paradigmatische omslag waarbij de productoriëntatie (oude economie) geruild wordt voor informatie als centraal
sturend element (nieuwe economie). Door de toegenomen connectiviteit in de netwerkmaatschappij dient
informatie niet langer de lineaire stroom van de fysieke waardeketen te volgen (oude economie) maar kan
informatie zich onafhankelijk van de goederenstroom voortbewegen (nieuwe economie) (Evans & Wurster, 2000).
Een gevolg hiervan is dat de ‘’make and sell’’-aanpak uit de oude economie de plaats ruimt voor een ‘’sense and
respond’’-benadering waarin het creeëren van klantwaarde vooropstaat (zie hierover o.m. Marcos, 2003).

3 Lester Wunderman die in de jaren zestig het begrip ‘direct marketing’ introduceerde als uitbreiding van het
direct mail-concept, heeft het in dit opzicht over het gebruik van het wereldwijde internet (De Standaard, 3 mei
1996). De voortschrijdende ontwikkeling van direct marketing , o.m. via internet, is in de visie van Wunderman
een veruitwendiging van een nieuw sociaal-economisch model, nl. dat van de informatiemaatschappij waar we
opnieuw tot een producent-consument relatie komen zoals we die hadden vóór de industriële revolutie. De
markten waren toen klein, zowel in omvang als in geografische uitgestrektheid. Dit maakte dat producenten en
verkopers nauwkeurig de koopgewoonten van elke klant kenden. Aan dit op landbouw geënte economisch model
kwam na 1840 een einde met de uitvinding van de machines. Die stelden de producent in staat op grote schaal
te mechaniseren. Het gevolg was seriewerk, daling van de prijzen, en uiteindelijk de ontwikkeling van
grootschalige distributiesystemen zoals supermarkten en winkelketens en de aanwending van de massamedia
om het aanbod bij een groot publiek kenbaar te maken.

4 Voor een heldere uiteenzetting over de betekenis van telematica voor bedrijfsprocessen verwijzen wij naar een

bijdrage van De Wit (1996).

5 Een uitbreiding van het sterschema is het zgn. sneeuwvlokschema. In een sneeuwvlokschema worden de

dimensietabellen die deel uitmaken van een stermodel genormaliseerd. Doordat queries in het geval van een
sneeuwvlokschema kunnen uitgevoerd worden op kleinere, genormaliseerde tabellen in plaats van grote
ongenormaliseerde tabellen, wordt een betere query-performance bekomen dan dit het geval is met een
sterschema (zie hierover Gill & Rao, 1996, hfst. 5).

6 Zie hierover Blomme (1997).

7 Zie hierover Adriaans, Knobbe & Van der Hulst, 1996.

8 Belangrijke producenten van software voor data mining zoals SAS en SPSS ontwikkelen een eigen methodologie
die als raamwerk fungeert voor toepassing van data mining-technieken. In het geval van SAS wordt het proces
van kennisontdekking opgedeeld in een vijftal stappen die onderdeel uitmaken van de zgn. SEMMA-methodologie
(Sample, Explore, Modify, Model, Assess). Op analoge wijze wordt het KDD-proces door SPSS omschreven met
behulp van hetgeen de 5A-benadering wordt genoemd (Assess, Access, Analyze, Act, Automate). Verder werd in


57/63

1998 door een Special Interest Group van een honderdtal leveranciers en consultants een standaard, genaamd
CRISP-DM (Cross Industry Standard Process for Data Mining ; voor een bespreking : zie Shearer, 2000),
ontwikkeld. Het afspreken van standaarden en procesmodellen is een factor die de acceptatie van data mining
kan vergroten. Vaak gaat de aandacht bij data mining uit naar verkeerde factoren en wordt veelal aandacht
geschonken aan de tools die kunnen/zullen worden ingezet. Het succes van data mining wordt slechts
gedeeltelijk bepaald door de ingezette tools. Belangrijker in eerste instantie is de vraag welke de specifieke
behoefte is aan kennis in de organisatie. Het proces van data mining moet worden voorafgegaan door de zgn.
business vraag en een kosten-baten analyse. CRISP-DM is een aanzet om het data mining proces te laten
vertrekken door het stellen van de business vraag. Tijdens de opstartfase (business understanding) wordt een
projectplan opgesteld waarin het probleem nader omschreven wordt, samen met een kosten-baten analyse en de
specificatie van de doelen en succescriteria. De fase van de gegevensoriëntatie (data understanding) behelst het
selecteren van de data om het probleem te analyseren en op te lossen. Tijdens deze fase worden de gegevens
geselecteerd, beschreven en verkend. In de daaropvolgende fase (data preparation) worden de gegevens
voorbereid voor de werkelijke analyse- en modelleringsfase. Gegevens dienen opgeschoond te worden (bv.
behandeling van missing values) en vaak worden transformaties uitgevoerd (bv. variabelenreductie d.m.v.
factoranalyse). Tijdens de modelleringsfase (modelling) wordt het algoritme op de gegevens toegepast. Hierbij
wordt in veel gevallen gebruik gemaakt van een trainingset waarop modellen uitgeprobeerd worden en met een
testset kan vervolgens nagegaan worden in hoeverre een geselecteerd model voldoet. Tijdens de evaluatiefase
(evaluation) wordt nagegaan of het vereiste doel behaald is of niet. Data mining is een iteratief proces, hetgeen
impliceert dat stappen kunnen worden herhaald. De zesde en laatste fase (deployment) betekent dat acties
worden ondernomen om het probleem dat aan de basis lag van de data mining-exercitie op te lossen. Rekening
houdend met het toenemend gebruik van verticale applicaties wordt de kennis opgedaan in het data mining
proces geïntegreerd in bedrijfsprocessen (bv. door de toepassing van workflow-systemen). Data mining in de
online variant maakt deel uit van primaire processen en vergt derhalve een andere inbedding dan de ad hoc-
variant.

9 Bron : Holsheimer, M. & Molenaar, C., 1998.

10 Zie hierover Tukey (1977).

11 Voor een uitgebreide beschrijving van data mining-technieken verwijzen wij naar Berry & Linoff (1997) en Brand

& Gerritsen (1998a,b).

12 A.I.D. staat voor Automatic Interaction Detection of contrastgroepenanalyse, tegenwoordig gekend als

beslissingsbomen (decision trees). Een asymmetrische probleemstelling, een groot aantal variabelen en geen
afgeronde hypothesen over de verwachte relaties tussen de variabelen kenmerken de situatie waarbij de
behoefte aan exploratieve data-analyse aanwezig is en waarin contrastgroepenanalyse kan voorzien.

13 In het geval van onderling sterk samenhangende onafhankelijke variabelen wordt het vertakkingsproces wel

instabiel.

14 Beslissingsbomen die gebruikt worden voor de predictie van categoriale variabelen worden “classification
trees” genoemd. In het geval de predictie betrekking heeft op een continue afhankelijke variabele wordt
gesproken van “regression trees” (zie Breiman e.a., 1984 ; voor een heldere beschrijving van classificatie- en
regressietechnieken, zie Brand & Gerritsen, 1998b).

15 Het “black box”-karakter van neurale netwerken waardoor een verklaring voor de gevonden verbanden

achterwege blijft, wordt vaak aangevoerd als een zwak punt van deze techniek.

16 Zie hierover Den Uyl & Langendoen (1997).

17 Zie ook Jackson, 2002.

18 Zie hierover ook Baragoin e.a., 2001, pp. 44.
19 Zie hierover Calinski & Harabasz, 1974.

20 Een correspondentie-analyse is toegepast op de gemiddelde waarden (final cluster centers) van de socio-

demografische variabelen binnen elk van de vier clusters. Uit de analyse blijkt dat een tweedimensionele


58/63

voorstelling 95,7 % van de variantie verklaart (resp. 76,4 % voor de eerste dimensie en 19,3 % voor de tweede
dimensie).

21 Het relatieve belang van beide dimensies blijkt eveneens uit de correlatieratio (singular value) die 0,309

bedraagt voor de horizontale dimensie en daalt tot 0,156 voor de verticale dimensie.

22 Uit de tranformatiegrafiek voor v46 kan opgemaakt worden dat de waarden van deze variabele een ordinale

schaal uitmaken. Het ordinale meetniveau is eveneens van toepassing op v49 en v68, maar in beide gevallen
kunnen meerdere categorieën gehercodeerd worden (voor v49 is dit het geval voor de categorieën 2 tot en met 6
en voor v68 voor de categorieën 3 tot 5 en de categorieën 6 en 7). De lineaire tranformatiegrafiek voor v62 geeft
aan dat deze als een numerieke variabele kan beschouwd worden.

23Data mining kan op twee manieren ontdekkend zijn, nl. gericht en ongericht. Gericht wil zeggen dat een

bepaalde variabele wordt voorspeld, terwijl bij ongerichte data mining er vooraf geen te voorspellen variabele
wordt meegegeven. In plaats hiervan wordt een algoritme op de data losgelaten dat een bepaalde structuur in de
data tracht te vinden. Bij verzekeringsmaatschappijen kan gerichte data mining zorden gebruikt om de kans te
voorspellen dat een klant, gegeven een bepaalde historie (zoals andere verzekeringspolissen die de klant bij deze
verzekeraar heeft) een bepaalde nieuwe verzekering zal nemen. De klanten met de hoogste waarschijnlijkheid
tot het nemen van deze nieuwe verzekering kunnen dan worden gemaild of gebeld. Dit kan het aantal
respondenten op een dergelijke actie (ook ’lift’ genoemd), aanzienlijk doen toenemen. Ongerichte data mining
kan worden uitgevoerd om klanten in te delen in segmenten. Een tool kan dan de clusters ontdekken van
klanten die heel interessant kunnen zijn. Een bank kan zo op het spoor komen van een cluster klanten die zowel
een zakelijke als een persoonlijke rekening hebben, waarbij deze klanten ook vaker een hypotheeklening bij de
bank afsluiten. Op grond hiervan kan de hypothese opgesteld worden dat die klanten eerder een hypotheek
nemen om het vrijgekomen kapitaal te gebruiken voor het opstarten van een eigen zaak. De verschillende
soorten data mining worden vaak in combinatie met elkaar gebruikt. Zo wordt in veel gevallen een ongerichte
techniek op de data losgelaten, om daarna een gevonden cluster verder te onderzoeken met een gerichte data
mining-algoritme.

24 Een uitbreiding van deze validatiemethode bestaat erin de database niet alleen op te splitsen in twee delen,

maar deze opdeling ook verscheidene keren willekeurig te herhalen waarbij de nauwkeurigheid van het
voorspellende model na elke opdeling vastgesteld wordt. Elke keer dat de beschikbare records willekeurig in
twee groepen worden verdeeld, wordt het voorspellende model op het ene deel gebouwd en wordt de
nauwkeurigheidstest op het andere deel uitgevoerd. Deze methode wordt kruisvalidatie (cross validation)
genoemd.

25 In het geval van de toepassing van logistische regressie-analyse kan de performantie van de classificatieregels
direct afgelezen worden uit de confusion matrix.

26 EAI-producten worden ontwikkeld vanwege de behoefte aan transactie-integratie tussen diverse
bedrijfsapplicaties. Zo moet een nieuw order in het ERP-systeem doorgegeven worden aan het financiële systeem
en moet het ook ingevoerd worden in het verkoop informatie systeem. EAI is gericht op het propageren van
berichten (transacties) met het doel om acties teweeg te brengen en niet zozeer op het verzamelen en
transformeren van grote hoeveelheden data voor analyse. EAI-producten zijn gebaseerd op gebeurtenissen
(events) waarbij hoofdzakelijk kleine hoeveelheden data in real time worden doorgegeven (transactie per
transactie) van de ene applicatie naar een of meerdere andere applicaties (zie hierover Oosterhof, 2002). Een
onderscheid dient gemaakt te worden tussen real time data warehousing (RTDW) en active data warehousing
(ADW). RTDW verwijst naar het geheel van operaties, uitgevoerd met behulp van ETL- en EAI-software, om het
datawarehouse te voorzien van historische en vooral de meest recente data. Hoewel ADW verwant is met RTDW
verwijst ADW niet naar een technologie om het datawarehouse up-to-date te houden naar is het een concept dat
verwijst naar de rol van het datawarehouse in de organisatie. Wat het ADW echt ‘actief’ maakt, is dat het verwijst
naar de essentiële rol van het datawarehouse, in real time, met andere operationele systemen zoals CRM, ERP en
SCM. Het gegeven dat recente data geladen worden in een datawarehouse (RTDW) impliceert niet onmiddellijk
dat met die recente gegevens gewerkt wordt. Daartegenover staat dat in het geval van ADW de meest recent
beschikbare data aangewend worden in operationele toepassingen waarbij deze gegevens mede de basis vormen
voor event-gedreven beslissingen (zie hierover Raden, 2003). ADW wordt ook aangeduid als business activity
minitoring (BAM) : ‘’The need for real-time visibility and immediate response capabilities has given rise to
business activity monitoring (BAM), a process by which key operational business events are monitored for


59/63

changes or trends indicating opportunities or problems, and enabling business managers to take corrective
action. … For example, a BAM system in a customer service environment might quickly alert a manager to a top
customer’s call. … By contrast, a non-BAM (or batch) system requires extra, time-comsuming steps to perform the
correlation, and the manager might not be alerted to the issue until hours later, when the customer has been lost.
… BAM systems won’t replace data warehouses. By definition, a data warehouse is a place to accumulate or
aggregate data for subsequent analysis. Typically, users look to data warehouses for historical analysis and
planning functions within a business. As a result, the data warehouse generally contains fixed data models and
permanent data storage, available for user-specified analytical ‘’roll-ups’’. However, for operational functions (e.g.
supply chain, customer interaction, logistics) within a company, the need for up-to-date information and business
rules governing event-specific action becomes very important, requiring a BAM solution that is designed to serve
operational needs’’ (Nesamoney, 2004).

27 De evolutie waarvan de de distributie van kennis via een portaalstructuur het voorlopige eindpunt is, kan meer

in het algemeen ingepast worden in de ontwikkeling van functionele naar netwerkende organisaties (zie hierover
o.m. Van Der Zee, 2000 ; Molenaar & Molenaar, 2003).

dimension DP era IT era network era
primary role of IT data (transaction) information provision knowledge distribution
processing
technology focus Mainframe distributed IT (ERP) omnipresent and ubiquitous
(Web connected)
restructuring tools TQM (improving BPR (restructuring restructuring industry chains
functions) processes)
business objectives cost reduction service improvement customer satisfaction
(efficiency) (effectiveness) (flexibility)
organization focus Functions business processes extended enterprise
(intra-enterprise)

Tot in de jaren tachtig van vorige eeuw had automatisering een hoofdzakelijk interne oriëntatie. Kenmerkend
voor de automatisering van de hiërarchisch-functionele organisatie was de nadruk op kostenefficiëntie en het
inrichten van de verschillende bedrijfsfuncties (inkoop, logistiek, verkoop) rond product-marktcombinaties. De
verkoopsorganisatie was transactie-georiënteerd en werd IT-matig ook als zodanig ondersteund. De
technologische ontwikkelingen maakten het vanaf de jaren tachtig mogelijk om informatie voor meerdere functies
beschikbaar te stellen. In het tijdperk van de gedistribueerde IT (dat langzamerhand ten einde loopt) staan niet
langer bedrijfsfuncties centraal maar vormt automatisering de basis voor de structurering en reorganisatie van
bedrijfsprocessen (BPR, Business Process Reengeneering). De ontwikkelingen op IT-vlak (met name de
gedistribueerde verwerkingskracht) maakten het immers mogelijk om sneller in te spelen op maatschappelijke
veranderingen. Door het toenemend belang van het vermogen tot innovatie (nieuwe producten en diensten,
nieuwe distributiekanalen) werd automatisering de basis van het structureren van processen over
bedrijfsfuncties heen. En dat dit alles gebeurt met inachtneming van de verwachtingen van de klant duidt op het
strategisch belang van informatie. In het netwerktijdperk neemt de verstrengeling van IT met het zakendoen en
vooral de omgeving waarin dit gebeurt nog verder toe. De grenzen van de individuele organisatie vervagen. In de
netwerkorganisatie grijpt een toenemende vervlechting plaats tussen IT en producten, diensten,
distributiekanalen, werkprocessen en organisatiestructuren waardoor de samenwerking tussen de eigen
organisatie en leveranciers, partners en klanten de kenmerken aanneemt van een virtuele organisatie waarin de
toegankelijkheid en beschikbaarheid van (klanten)kennis centraal staat.

28 De toenemende vraag naar een individuele klantbenadering en faciliterende trends zoals een betere
gegevensverzameling, snellere computers en goedkopere software spelen een belangrijke rol bij de stijgende
populariteit van data mining. Als we deze trend consequent voortzetten, ligt het voor de hand te voorspellen wat
er de komende jaren zal veranderen aan de toepassing van data mining : het wordt een instrument van de klant.
Een instrument om zelf de behoefte te kunnen bepalen, het juiste productaanbod bij de vraag te zoeken en te
onderhandelen over prijs en productspecificaties. Het valt te verwachten dat op elektronische marktplaatsen van
de toekomst intelligent agents de klant zullen helpen bij het zoek-, selecteer- en onderhandelingswerk. Namens


60/63

de klant zullen deze assistenten interessante product- of behoefte-ideeën genereren en gaan onderhandelen met
de best matchende aanbieders met de best matchende producten om tot shortlists te komen waaruit de klant
een keuze kan maken. Als de koop gesloten is en het product gebruikt wordt, geeft de agent melding van service
momenten en slaat de ervaringen met het product op. Naarmate meer en meer koopprocesen doorlopen zijn,
leert de agent zijn ‘’baasje’’ steeds beter kennen. Ook bij dit leergedrag zal data mining, als intelligente methode
om kennis uit data te destilleren, een belangrijke rol spelen. Er is dus sprake van synergie tussen elektronische
marktplaatsen, data mining en intelligent agents (zie hierover Van Der Putten & Den Uyl).

29 Ondanks de verschillen tussen marktonderzoek (Waarin vooral attitudinale kenmerken het voorwerp van

analyse uitmaken) en data mining (waarin klantgedrag central staat), komen de inzichten van beide disciplines
elkaar ten geode en verdient het zonder meer aanbeveling om zowel attitudes als gedrag als basis voor
predictieve analyse te gebruiken (zie hierover Elliott, Scionti & Page, 2003 ; SPSS Magazine, 2004).


61/63

Geraadpleegde Literatuur

Adriaans, P., Knobbe, A. & Van Der Hulst, M.P., Data mining and fuzzy databases, Syllogic (Nl.), 1996.

Alan Bonde Group, Real-world business intelligence and enterprise reporting : Key trends and best practices,
Research Study, april 2002.

Altius Consulting, , The changing face of business intelligence, UK Compass 2001 World Tour, 2001.

Atre, S. & Malhotra, D., Real-time analysis and data integration for BI, DM Review, February 2004.

Baesens, B., Mues, Chr. & Vanthienen, J., Knowledge discovery in data, Informatie, januari-februari 2003, pp. 30-
35.

Baragoin, C., Andersen, Ch.M., Bayerl, S., Bent, G., Lee, J. & Schommer, Ch., Mining your own business in
banking,IBM Redbooks, 2001.

Barth, T., Guidelines for the data mining process, Critikal Consortium, University of Stuttgart, 1998.

Bates, J., Business in real time. Realizing the vision, DM Review, may 2003.

Berry, M.J. & Linoff, G. , Data mining techniques for marketing, sales and customer support, New York, John Wiley
& Sons, 1997.

Berson, A. & Smith., S.J., Datawarehousing, datamining en OLAP, Schoonhoven, Academic Service, 1997.

Blomme, J., Het relationele model en normalisatie, Damme, 1997.

Blomme, J., E-business integration. Enabling the real-time enterprise, Damme, 2003.

Brand, E. & Gerritsen, R., Data mining and knowledge discovery, DBMS, vol. 11, nr. 9, 1998a, pp. 52-55.

Brand, E. & Gerritsen, R., Classification and regression, DBMS, vol. 11, nr. 9, 1998b, pp. 56-61.

Breiman, L., Friedman, J., Olshen, R. & Stone, C., Classification and regression trees, Belmont, CA, Wadsworth,
1994.

Calinski, T. & Harabasz, J., A dendrite method for cluster analysis, Communication in Statistics, vol. 3, 1974, pp.
1-27.

Den Hamer, P., Enterprise information portals en realtime datawarehousing. Kraakverse data uit éé loket,
Database Magazine, mei 2001, nr. 3, pp. 16-18.

Den Uyl, M.J. & Langendoen, E., De inzet van adaptieve analysetechnieken in direct marketing, in A.E. Bronner
e.a. (red.), Recente ontwikkelingen in marktonderzoek, Jaarboek 1997 van de Nederlandse Vereniging voor
Marktonderzoek en Informatiemanagement, Haarlem, Uitgeverij de Vrieseborch, 1997, pp. 107-121.

De Wit, R.M., Het creëren van toekomst voor uw business met telematica, Beam’IT Position Paper, 1996.

Elliott, K.E., Scionti, R. & Page, M., The confluence of data mining and market research for smarter CRM, SPSS
Inc & The Kantar Group, april 2003.

Evans, Ph. & Wurster, Th.S., De nieuwe economie, Amsterdam, Business Contact, 2000.

Fayyad, U., Piatetsky-Shapiro, G. & Smyth, P., From data mining to knowledge discovery in databases, American
Association for Artificial Intelligence, 1996.


62/63

Fransen, E., Analytic applications : Derde generatie business intelligence, CIBIT Business Intelligence Whitepaper,
juni 2003.

Gill, H.S. & Rao, P.C., De client/server gids voor data warehousing, Schoonhoven, Academic Service, 1996.

Hashmi, W., Business intelligence in collaborative business model and business performance, Information
Frameworks, october 2003.

Holsheimer, M. & Molenaar, C., Marketing and data mining produce a client profile, 1998.

Hostmann, B. & Buytendijk, F., Management update : Effective BI approaches for today’s business world, Gartner
Note (IGG-04142004-01), 14 april 2004 .

Inmon, W.H., Building the data warehouse, New York, John Wiley & Sons, 1996.

Jackson, J., Data mining : A conceptual overview, Communications of the Association of Information Systems, vol.
8, 2002, pp. 267-296.

Kamst, F., Trends in ETL-tools, Database Magazine, juni 2002, nr. 4, pp. 23-27.

Klemenhagen, B., Business intelligence – The missing link, Cherry Tree & Co., july 2000.

Kohavi, R., Rothleder, N.J. & Simoudis, E., Emerging trends in business analytics, Communications of the ACM,
vol. 45, no. 8, 2002, pp. 45-48.

Malhotra, Y., Knowledge management for E-business performance : Advancing information strategy to ‘’Internet
Time’’, Information Strategy, vol. 16, nr. 4, summer 2000, pp. 5-16.

Marcos, A., A new maketing paradigm in the knowledge economy, 2003.

Michielsen, T., Internet voert ons terug naar de preïndustriële tijd, De Standaard, 3 mei 1996.

Mohanty, S., Multitier architecture for high performance data mining, DM Direct Special Report, july 2004.

Molenaar, C., Interactieve marketing. Het einde van de massamarketing, Brussel, Management Bibliotheek,
1992.

Molenaar, C. & Molenaar, S., De impact van de ik-cultuur op maatschappij, marketing en organisatie, Amsterdam,
Pearson Education, 2003.

Moncla, B., The convergence of E-business and business intelligence : The I-business hurricane, ThinkFast
Consulting, 2000.

Nesamoney, D., BAM : Event-driven business intelligence for the real-time enterprise, DM Review, march 2004.

Oosterhof, B., EAI en ETL : De integratie-uitdaging, Beyond, jrg. 7, nr. 4, september 2002, pp. 33-37.

Ortiz, S., Is business intelligence a smart move ?, Industry Trends, july 2002.

Parsaye, K., From data management to pattern management, DM review, january 1999.

Peppers, D. & Rogers, M., The one-to-one future. Building business relationships one customer at a time,
London, Piatkus, 1993.

Popcorn, F., Trends van overmorgen, Amsterdam, Contact, 1995.

Postma, P., Het nieuwe marketing tijdperk, Amsterdam, Contact, 1996.


63/63

Pursell, D., Turning information into knowledge, SPSS, june 2002.

Raden, N., Exploring the business imperative of real-time analytics, Hired Brains, Inc, october 2003 (E2231
1103).

Rudin, K. & Cressy, D., Will the real analytic application please stand up ?, DM Review, march 2003.

Shearer, C., The CRISP-DM model : The new blueprint for data mining, Journal of Data Warehousing, fall 2000, pp.
13-22.

Schipper, H., De informatiecirkel gaat sluiten, Database Magazine, november 2001, pp. 40-47.

Schultz, D.E., (1990), Strategic newspaper marketing, I.N.M.A., Reston, Virginia.

Data mining en marktonderzoek : blijven het twee gescheiden stromen of komen ze samen ?, SPSS Magazine, 2,
2004, pp. 10-11.

Thearling, K., (1998), Increasing customer value by integrating data mining and campaign management
software, Boston, Exchange Applications.

Tukey, J., Exploratory data analysis, Cambridge, MA, Addison Wesley, 1977.

Van Der Putten, P. & Van Someren, M. (eds.), COIL challenge 2000 : The insurance company case, Sentient
Machine Research, Amsterdam, 2000.

Van Der Putten, P. & Den Uyl, M., Mining E-markets. IT Monitor, march 2001.

Van Der Zee, H.T.M., Business Transformatie en IT, Rede, Katholieke Universiteit Brabant, 2000.
Van Lent, R. & Zwietering, D., Technical integration of data mining, DM Review, september 2002.

Van Nieuwenhuysen, W. & Smulders, T., Dataminingtechnieken verplichten eens te meer tot nadenken, Beyond,
Jrg. 4, nr. 4, december 1999.


Knowledge Discovery In Data. Van ad hoc data mining naar real-time predictieve analyse

More Related Content

Similar to Knowledge Discovery In Data. Van ad hoc data mining naar real-time predictieve analyse (20)

More from Johan Blomme (12)

Knowledge Discovery In Data. Van ad hoc data mining naar real-time predictieve analyse