Was CRISP-DM ist
CRISP-DM steht für CRoss-Industry Standard Process for Data Mining und ist ein herstellerneutrales, dokumentiertes und frei verfügbares Vorgehensmodell für Datenprojekte. Shearer beschreibt es 2000 als branchen-, werkzeug- und anwendungsneutral — entwickelt von Branchenvertretern mit dem Beitrag von mehr als 200 Anwendern sowie Werkzeug- und Dienstleistungsanbietern.
Entstanden ist es Ende 1996 auf Initiative von vier Akteuren des damals jungen Data-Mining-Marktes, darunter Daimler-Benz und Integral Solutions Ltd.; ein Jahr später formierte sich ein Konsortium mit dem Ziel, CRISP-DM zu entwickeln. Dass ein Vorgehensmodell aus den neunziger Jahren heute noch trägt, liegt an seiner Unabhängigkeit von Werkzeugen: Es beschreibt Arbeitsschritte, keine Software.
Die sechs Phasen — und wo die Zeit hingeht
CRISP-DM gliedert den Ablauf in sechs Phasen: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment. Interessanter als die Liste sind die Zeitanteile, die Shearer als in der Branche allgemein akzeptiert angibt:
Die Zahl, an der sich Projekte messen lassen sollten, ist die dritte: 50 bis 70 Prozent des Aufwands entfallen auf die Datenaufbereitung, weitere 20 bis 30 Prozent auf das Verstehen der Daten. Für das Modellieren bleiben 10 bis 20 Prozent. Wer einen Aufwandsplan sieht, in dem das Verhältnis umgekehrt ist, sieht keinen Plan, sondern eine Hoffnung.
Das Modell ist nicht das Ergebnis
Zwei Phasen werden regelmäßig übersprungen. Die Evaluation prüft nicht die Genauigkeit des Modells — das geschieht vorher —, sondern ob es die fachlichen Ziele erfüllt; dazu gehört ausdrücklich ein Rückblick auf den Prozess mit der Frage, ob etwas Wesentliches übersehen wurde und ob nur Merkmale verwendet wurden, die später überhaupt verfügbar sind.
Die Deployment-Phase beginnt mit einem Satz, der als Projektregel taugt: Die Erstellung des Modells ist in der Regel nicht das Ende des Projekts. Das gewonnene Wissen muss so aufbereitet werden, dass der Anwender es nutzen kann — je nach Anforderung reicht das vom Bericht bis zum wiederholbaren Prozess im Unternehmen. Ausgeführt wird dieser Schritt häufig vom Kunden, nicht vom Analysten; umso wichtiger ist, dass zu Beginn geklärt ist, welche Handlungen dafür nötig sein werden.
Verhältnis zum Process Mining
CRISP-DM ordnet Data-Mining-Projekte. Für Process Mining gibt es mit PM² eine eigene Projektmethodik, die dieselbe Grundidee anders schneidet — sie kennt eine ausdrückliche Analyseschleife. Beide teilen die Einsicht, dass die Datenarbeit vor der Modellarbeit den Ausschlag gibt; im Process Mining heißt das Ergebnis dieser Arbeit Event Log. Die Auswertung im Betrieb behandelt Data Analytics.
Quelle
Shearer, C. (2000): The CRISP-DM Model: The New Blueprint for Data Mining. Journal of Data Warehousing 5(4), S. 13–22.
CRISP-DM in der Praxis: Die passenden Planungs- und Beratungsansätze bündelt unsere Leistungsübersicht.