Loading content
CRISP‑DM ist ein iteratives, branchenneutrales Prozessmodell für Data‑Mining‑Projekte. Es beschreibt sechs Phasen — Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment — zur Strukturierung von Arbeit, Rollen und Artefakten. Teams nutzen es, um Ziele zu klären, Risiken zu reduzieren und Modelle iterativ zu entwick…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Ausführbares Vorgehen: kann angewendet werden und erzeugt ein Ergebnis.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
CRISP-DM ist ein branchenneutrales Prozessmodell, das Data-Mining-Projekte in sechs Phasen gliedert und Arbeit, Ergebnisse und Verantwortlichkeiten ordnet.
CRISP-DM wurde 1996 als Antwort auf das Problem entwickelt, Data-Mining-Projekte über Domänen, Datenquellen und Toolgrenzen hinweg konsistent zu strukturieren. 1997 wurde es im EU-ESPRIT-Programm verankert und von Integral Solutions Ltd., Teradata, Daimler, NCR und OHRA getragen. Die erste Fassung erschien 1999; der offene Standard blieb als Referenz für klassische Data-Mining-Projekte bestehen.
Stell dir CRISP-DM als wiederverwendbaren Projektkreislauf vor: Geschäftsfrage klären, Daten verstehen, Daten aufbereiten, Modell bauen, Ergebnis prüfen, Lösung einführen. Nach jedem Schritt kann das Team zurückspringen, wenn Daten, Ziel oder Bewertung neue Erkenntnisse liefern. So bleibt die Arbeit iterativ, aber nachvollziehbar.
Die sechs Phasen geben eine gemeinsame Struktur für Aufgaben, Ergebnisse und Übergaben.
Die Reihenfolge ist nicht strikt linear; Erkenntnisse können frühere Schritte erneut auslösen.
Ziele, Erfolgskriterien und fachliche Fragestellungen werden vor der Analyse geklärt.
Rohdaten werden bereinigt, kombiniert und in eine analysierbare Form gebracht.
Modelle werden gegen den Zweck geprüft und erst danach in den Einsatz überführt.
Das Modell kann in unterschiedlichen Domänen und mit verschiedenen Werkzeugen verwendet werden.
CRISP-DM hilft, wenn ein Team Data-Mining- oder Analytics-Projekte mit klaren Phasen, Rollen und Ergebnissen steuern will, besonders bei wechselnden Stakeholdern oder unklaren Datenlagen. Es schafft gemeinsame Sprache und reduziert Sprünge zwischen Fachziel und Modellarbeit. Grenzen: CRISP-DM ersetzt weder Projektmanagement noch moderne Betriebs- und Automatisierungspraktiken; für produktive ML-Systeme braucht es oft zusätzliche Governance und MLOps.
Wo dieser Baustein im Themenmodell verortet ist.
Keine Strukturpfade verfügbar.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.