Wie läuft ein Datenanalyse-Projekt ab?

CRISP-DM als Standard

CRISP-DM (Cross-Industry Standard Process for Data Mining) ist der etablierte Prozess-Standard für Datenanalyse-Projekte. Sechs Phasen, iterativ. Zwischen Phasen kann man jederzeit zurückspringen. Wird in IBM-, Microsoft-, SAP-Trainings genutzt und ist branchenübergreifend. Wer CRISP-DM kennt, spricht mit jedem Data-Team die gleiche Sprache.

Phase 1+2: Verstehen

Business-Verständnis: Was ist die geschäftliche Frage? Welche Entscheidung soll getroffen werden? Wer ist Stakeholder? Daten-Verständnis: Welche Daten gibt es? Wie wurden sie erhoben? Was fehlt? Diese Phasen werden oft übersprungen. Folge: Analyst löst falsches Problem oder nutzt schlechte Daten.

Phase 3: Datenvorbereitung (60-70% der Zeit)

Datenbereinigung, Transformation, Feature Engineering, Joining verschiedener Quellen. Diese Phase ist die zeitintensivste, weil Daten in der Realität selten sauber sind. Wer hier nachlässig arbeitet, produziert Garbage-In-Garbage-Out. Anfänger unterschätzen den Aufwand und planen 80% der Zeit für Modellierung.

Phase 4-6: Modellieren, Evaluieren, Deployen

Modellierung: passende Methode wählen (Statistik, ML, Visualisierung). Evaluation: Ergebnisse mit Business-Kriterien validieren, Genauigkeit allein reicht nicht, Business-Wirkung muss klar sein. Deployment: Ergebnisse produktiv nutzen (Dashboard, automatische Entscheidung, Bericht). Ohne Deployment ist die Analyse Selbstzweck.