Databases Reference
In-Depth Information
5
Knowledge Discovery in Databases im Anwendungskontext
Änderungsmanagement
Auf Basis der bislang dargestellten Resultate wird in diesem Kapitel aufgezeigt, wie das Do-
mänenwissen sowie derzeitige Methoden des KDD zur Analyse von Daten aus dem Ände-
rungsmanagement genutzt werden können. Aus Wissenschaftsperspektive interessant ist, dass
in der bisherigen Literatur so gut wie keine empirischen Ergebnisse zu den hier behandelten
Fragestellungen veröffentlicht sind.
Zunächst werden die Zielsetzungen der Analysen dargestellt, die sich aus den Gegebenheiten
und den Restriktionen der Produktentwicklung in der Literatur und der Praxis eines Automo-
bilherstellers ableiten. Als Ergänzung dazu wird das Datenmodell des betrachteten Aus-
schnitts des Änderungsmanagements vorgestellt sowie das methodische und praktische
Vorgehen bei der Implementierung der eingesetzten Methoden des Knowledge Discovery in
Databases im vorliegenden Anwendungsfall beschrieben. Dem folgen die Darstellungen der
Ergebnisse der jeweiligen Analyseprozesse, welche als Grundlage für die Ableitungen der
entdeckten Muster und deren Darstellung in Kapitel 6 dienen.
5.1
Domänenspezifische Zielsetzung
Die Durchführung der empirischen Analyse zur Erlangung eines Business Understanding hat
die Absicht, erste Ziele für ein Domain Driven Data Mining zu identifizieren. Dies geschieht
in diesem Fall durch die Schaffung eines Verständnisses für die Domäne Änderungsmanage-
ment. Hierzu wurde die Ist-Situation erhoben sowie erste Potentiale hinsichtlich der Organisa-
tion, der Prozesse und der Daten eruiert. In diesem Zuge wurden grundlegende Formen von
zukünftigen Unterstützungsmöglichkeiten im Änderungsmanagement durch die Nutzung der
Datenhistorie diskutiert. Auf Basis dieser Ergebnisse werden die Ziele an ein sich anschlie-
ßendes Datenanalysevorhaben abgeleitet.
Durch die Analyse der empirischen Daten wurde festgestellt, dass insbesondere Interesse an
der Untersuchung der textuellen Daten in Form der Problembeschreibungen, Lösungsbe-
schreibungen und Nutzenbeschreibungen existiert. Die Frage die sich dabei stellt ist, ob aus
diesen Daten Muster und Zusammenhänge in der Änderungshistorie identifiziert werden kön-
nen. Konkret geht es darum, ob durch die Untersuchung Cluster z. B. hinsichtlich ähnlicher
Probleme oder ähnlicher Lösungen gebildet werden können. Die Identifikation von Schlüssel-
thematiken und somit häufig auftretender Änderungen wurde in diesem Zuge als eine relevan-
te Fragestellung genannt, speziell da die Textanalysen bislang in der Domäne nicht mit Hilfe
der Methoden des KDD durchgeführt wurden.
Weiterhin besteht die Vermutung, dass auch hinsichtlich des technischen Umfangs Klassen
oder Muster entdeckt werden können, die bislang nicht bekannte Strukturen und Zusammen-
hänge feststellen lassen. So können Wirkzusammenhänge zwischen Bauteilen entdeckt wer-
den, die in einem nächsten Schritt als Grundlage für die Verbesserung der Entwicklungs-
prozesse dienen können. Durch diese neuen Informationen können Abstimmungen in der
