Was ist Knime – und warum brauchen Sie es im Online Marketing?

von Dirk Pache

Teilen macht sexy ...

Inhalt öffne dich!

Das Importieren, Zusammenführen und Analysieren von Daten ist eine notwendige, aber oft mühsame Aufgabe. Excel ist ein gängiges Werkzeug für die Datenanalyse. Aber es kann sehr zeitaufwändig sein und die Möglichkeiten, die Sie mit Ihren Daten haben, sind begrenzt. Knime ist die Lösung für Ihr Datenproblem. Mit dieser leistungsstarken Datenanalyse-Software können Sie und Ihr Unternehmen in kürzerer Zeit mehr Erkenntnisse aus Ihren Daten gewinnen. Anhand eines Videos zeigen wir Ihnen konkrete Praxisbeispiele für Ihr Online Marketing.

Mit der kostenlosen Open-Source-Software KNIME können Sie und Ihr Unternehmen Ihre Daten schnell und einfach analysieren und visualisieren. Sie brauchen dazu keine Programmierkenntnisse und Sie müssen auch nicht zwingend den SVERWEIS in Excel beherrschen, um entsprechende Auswertungen Ihrer Daten erstellen zu können. KNIME wurde ursprünglich von Forschern der Universität Konstanz in Deutschland entwickelt. Es wurde in erster Linie als Werkzeug für Wissenschaftler konzipiert, um ihre experimentellen Ergebnisse zu analysieren. Da es aber eine Menge Menschen gibt, die tagtäglich mit Daten, deren Aufbereitung und Analyse zu tun haben, wird KNIME nun auch von weiteren Personen genutzt. Gerade im Online Marketing ist KNIME in den letzten Monaten immer häufiger erwähnt worden. Denn: Im Online Marketing müssen verschiedene Daten aus verschiedenen Systemen zusammengefasst und analysiert werden. Der aus meiner Sicht interessanteste Teil dabei ist immer die Analyse der Ergebnisse. Das Zusammenstellen der Daten ... ist weniger interessant, oder?

KNIME ermöglicht den Import einer Reihe von Dateiformaten, darunter alle gängigen offenen Dokumentenformate, Microsoft Excel-Tabellen, CSV-Dateien uvm. Es kann auch zum Importieren von Daten aus MySQL-Datenbanken, MongoDB-Datenbanken und SQLite-Datenbanken genutzt werden. Benutzer können ihre eigenen Knoten erstellen, um die Unterstützung für zusätzliche Dateiformate und Datenquellen hinzuzufügen. Das Design von KNIME erlaubt es dem Benutzer, die verschiedenen Werkzeuge auf modulare Weise zu kombinieren; es gibt keine Einschränkungen bezüglich der Anzahl der verschiedenen Module, die in einem Datenanalyse-Workflow verbunden werden können.

Schritt für Schritt zu besseren Analyse-Ergebnissen

Der modulare Analyseansatz von KNIME lässt sich am besten als "Daten-Pipelining" darstellen: Jeder Verarbeitungsschritt der Daten erfolgt in einem eigenen Knoten. So heißen die Schritte in der Software. In jedem Knoten erstellen und modifizieren Sie Datenobjekte, die von einem Knoten zum anderen fließen, bis die gewünschte Verarbeitungsaufgabe abgeschlossen ist. In dieser Hinsicht hebt sich KNIME ab, indem es dem Benutzer ermöglicht, Daten-Pipelines zu erstellen, ohne Code zu schreiben. Darüber hinaus bietet KNIME eine Reihe von Visualisierungswerkzeugen für die interaktive Erkundung Ihrer Daten. Der aus meiner Sicht größte Vorteil dabei: Sie können in jedem Schritt erkennen, wie die Daten weiterverarbeitet wurden. Und wenn Sie Wochen später erneut vor Ihren Daten sitzen – können Sie die Abfolge der Datenaufbereitung hoffentlich nachvollziehen.

Wenn Sie KNIME für die Verarbeitung und Analyse von Daten verwenden möchten, ist die Wahrscheinlichkeit groß, dass Sie mit Daten aus verschiedenen Datenquellen zu tun haben, z.B. CSV-Dateien und Excel-Tabellen. In dem folgenden Video zeige ich Ihnen Beispiele für den Import von Daten in KNIME anhand einer CSV-Datei und einer Excel-Tabelle. Die Methoden für den Import anderer Datentypen sind ähnlich. Bevor wir mit der Arbeit beginnen, müssen Sie KNIME herunterladen und installieren. Nachdem Sie die Software heruntergeladen haben, starten Sie den Installationsprozess, indem Sie die Installationsdatei ausführen. Diese führt Sie durch alle Schritte, die für die Installation von KNIME unter Windows oder macOS erforderlich sind.

Praxisbeispiel: Knime im Onlinemarketing

Das folgende Video zeigt einen gängigen Anwendungsfall: Für eine Landingpage werden Facebook-Anzeigen geschaltet. Im Rahmen der Analyse geht es darum herauszubekommen, welche Anzeige am meisten Besucher auf die Landingpage gebracht hat - und zu welchen Kosten pro Klick (CPC) diese erfolgt sind. Und weil wir in Facebook-Ads in der Regel mehrere Anzeigengruppen mit mehreren Kampagnenzielen erstellen - ist es natürlich auch hilfreich zu erkennen, welche Anzeigengruppe am besten funktioniert.

Zutaten für die folgende Analyse: Datenvorverarbeitung

  • Export der Daten aus der eingesetzten Webcontrolling Lösung; hier: etracker. Die Daten werden im CSV-Format exportiert
  • Export der Daten aus dem Facebook_Business-Manager; die Daten werden als Excel-Tabelle exportiert.

Idealerweise beziehen sich beide Analysen auf den exakt gleichen Auswertungszeitraum ...

Vorgehensweise

Beide Daten werden in Knime getrennt voneinander eingelesen, gefiltert und dann zusammengeführt. Da wir wissen wollen, welche Anzeigen am besten funktioniert haben, werden die Anzeigen-ID als eindeutiger Schlüssel beim Zusammenfügen der Daten genommen.

Ergebnis

Zusätzlich habe wir eine Spalte zum Berechnen der Kosten pro Klick (CPC) eingefügt, die Ergebnisse gruppiert – und damit eine einfache, vor allem aber wiederholbare Auswertung für unsere Daten erstellt. Die Ergebnisse lassen sich dann entweder als Grafik in Knime visualisieren oder auch als Excel-Datei zur Weiterverarbeitung exportieren.

Praxisbeispiel: Knime statt SVerweis in Excel

Das folgende Video zeigt, wie man den SVerweis in Excel durch bzw. mit KNIME ersetzen kann.

Szenario

Ihre E-Mailmarketing-Software exportiert die Abmeldungen zu einem Newsletter – aber Sie bekommen nur die E-Mailadressen aus dem System. Ihr Kunde muss aber wissen, welcher Vor- und Nachname und welche Firma zu der E-Mailadresse gehört. Diese Angaben haben Sie vorher auch in einer anderen Adressliste von dem Kunden bekommen. Wie kann das nun schnell und reproduzierbar umgesetzt werden? Kleiner Spoiler: Mit KNIME ...

Knime und die Google-Search-Console

Wie kann man die Daten aus der Google-Search-Console mit Knime verbinden – um dann ziemlich clevere Auswertungen damit zu erstellen?

Datenjonglage mit Knime und Google-Docs

Jetzt wird es wild: Die Daten aus der Google-Search-Console importiert in Knime – und dann zurückgeschrieben in Google-Docs. Hat hier jemand "Nerd-Alarm" gerufen?

Fazit

  • Knime ist eine kostenlose Datenanalyse-Suite unter Open-Source-Lizenz, die Dutzende von Werkzeugen für alle Arten von Aufgaben enthält.
  • Es erfordert keine Programmierung, so dass es für Anfänger und Experten gleichermaßen zugänglich ist.
  • Die Plattform kann zum Importieren von Daten verwendet werden, sie können die Daten in verschiedenen Formaten anzeigen, Trends und Muster erkennen und sie in andere Formate exportieren.
  • Es sind auch Plugins verfügbar, um zusätzliche Funktionen wie Textmining und Visualisierungen hinzuzufügen.
  • KNIME kann auf Windows, Mac und Linux ausgeführt werden.
  • Einmal angelegte Workflows lassen sich auch Tage und Wochen später nachvollziehbar wieder einsetzen
  • Ich kann mir zu jedem Zeitpunkt innerhalb der Datenverarbeitung ansehen, wie die Daten gerade aussehen.
  • Es ist einfach bequemer und schneller als Excel. Punkt.

Sie möchten Ihre Daten-Jonglage vereinfachen?

Wenn Sie es auch leid sind, die immer gleichen Daten mit den immer gleichen Methoden zu verarbeiten - und das künftig auf einen neuen Level bringen wollen – nehmen Sie Kontakt auf und melden Sie sich bei uns.

Die KNIME Analytics Platform: Wann und warum sollten Sie sich für KNIME für Data Science entscheiden?

Eines vorab: Der Anwendungsbereich der Datenwissenschaft ist zu breit, um von einem einzigen Tool abgedeckt zu werden. Sich auf die Verwendung eines einzigen Werkzeugs zu beschränken, wäre so, als würde man einen Zahnarzt bitten, seine Arbeit und sein Unternehmen nur und ausschließlich mit einer Zange auszuführen: Sie würden sich nicht als Patient auf seinem Stuhl wiederfinden wollen!

Was wir Ihnen und Ihr Unternehmen empfehlen, ist der Aufbau einer Toolbox, die eine Auswahl an Handwerkszeug enthält. Die Erfahrung im Laufe der Zeit wird klären, welches Tool bei welcher Gelegenheit verwendet werden sollte.

KNIME hat den Vorteil, dass es sehr intuitiv (und daher für diejenigen, die in diese Welt eintreten, einfach zu bedienen) und extrem vielseitig ist (wir stimmen denen zu, die es das Schweizer Taschenmesser der Datenwissenschaft bzw. der Datenmengen genannt haben).

KNIME ist führend in all seinen Möglichkeiten

Wussten Sie schon? KNIME wurde im Jahr 2019 als führend unter den Data-Science-Plattformen sanktioniert.

Die Python- und Projekt-R - Bibliotheken können in KNIME integriert werden, sodass eine noch umfangreichere Funktionalität entstehen kann - einmal angelegt, arbeitet KNIME dann fast ganz allein - fast wie eine eigenständige künstliche Intelligenz ;-) 

Sie sind bereits von KNIME erzeugt? - Dann haben wir hier einen kleinen Hinweis, denn ein weiterer wichtiger Aspekt, den es zu berücksichtigen gilt, ist , immer offen für neue Tools zu sein und bereit, die Ärmel hochzukrempeln, um sie zu studieren und zu lernen, wie man sie benutzt. Das Risiko besteht darin, der Überzeugung zu verfallen, dass das Werkzeug, das wir heute bevorzugen, auch in Zukunft ausreichen wird, nur weil wir es gut kennen.

Wir persönlich können Ihnen sagen, dass wir noch vor fünf Jahren andere Tools zur Datenanalyse und -visualisierung verwendet habe als heute. Wir müssen also weiterhin neugierig bleiben und uns immer auf der Suche nach dem richtigen Werkzeug für uns umsehen. Sonst könnte das fatale Folgen haben ...

Eine Reihe guter Gründe, sich für KNIME for Data Science zu entscheiden

KNIME wurde 2006 in den Labors der Universität Konstanz in der deutschsprachigen Schweiz geboren. Ihre ersten Entwickler hatten sehr klare Vorstellungen davon, was die Plattform ausdrücken sollte: Benutzerfreundlichkeit, attraktive grafische Oberfläche, kostenlos, Erweiterbarkeit, Modularität; alles Eigenschaften, die sich bis heute erhalten haben und die KNIME zu einem schnellen und ununterbrochenen Wachstum geführt haben.

Im Jahr 2018 wurde KNIME von Gartner – einer Autorität in der Informationstechnologie – als einer der fünf führenden Anbieter von Analyseplattformen für Datenwissenschaft und maschinelles Lernen bestätigt. Wie Sie sehen können, hat KNIME eine beneidenswerte Position in der Gruppe und überholt hoch bewertete Namen wie SAS , IBM , Microsoft und SAP sowohl in Bezug auf Ausführungsfähigkeiten (Kundenerfahrung, Aufmerksamkeit für das Produkt, Betrieb) als auch in Bezug auf die Vollständigkeit der strategischen Vision (Bewusstsein für Markttrends, Innovation, Positionierung).

Aus Neugier ist KNIME eine Art Akronym: KN ist die Abkürzung für die Heimatstadt oder Konstanz. IM steht für Information Mining , während die Gründer bekennen, dass das abschließende E rein euphonischen Gründen geschuldet ist. Die genaue phonetische Aussprache ist / naɪm / , ähnlich wie knife (das Messer auf Englisch), mit m anstelle von f .

KNIME im Vergleich zu anderen Data-Science-Plattformen

Obwohl wir gesehen haben, wie sehr sich KNIME unter den Großen bewährt hat, ist es angebracht, sich auf seine Eigenschaften zu konzentrieren und sie mit denen anderer Plattformen zu vergleichen, auf denen Analysen durchgeführt werden können. Dazu betrachten wir sechs verschiedene Merkmale:

1. Dateneingabe / ETL:

die Leichtigkeit, Datenströme zu importieren, sie zu transformieren, sie mit verschiedenen Formaten zu harmonisieren und sie schließlich in andere Systeme zu exportieren oder hochzuladen. ETL steht für Extract, Transform, Load . ETL-Prozesse lassen sich in KNIME wirklich einfach und unkompliziert einrichten. Was uns in R oder Python dazu zwingen würde, mehrere Zeilen Code zu schreiben, und in Excel uns dazu zwingen würde, Makros zu erstellen oder eine Reihe manueller Schritte wie Kopieren / Einfügen, Formeln und Neuformatierungen anzuwenden, wird in KNIME durch das Verknüpfen von Knoten erreicht.

2. Machine Learning:

Die Anwendung intelligenter Algorithmen ist das Herzstück einer analytischen Plattform. KNIME enthält in seiner Basisversion über 200 Algorithmen für maschinelles Lernen, die implementiert und auch von Nicht-Experten leicht konfigurierbar sind. Sicher, die R- und Python-Bibliotheken enthalten eine größere Anzahl implementierter Algorithmen, aber wenn man bedenkt, dass wir eine Möglichkeit haben, R und Python in unsere KNIME-Arbeit einzubeziehen, sollte uns das nicht allzu sehr beunruhigen.

3. Datenvisualisierung:

Der unaufhaltsame Abschluss einer Datenanalyseaufgabe besteht darin, die darin enthaltenen Informationen zu visualisieren. Dies ist – zumindest im Moment – ​​keine Stärke von KNIME. Um die Ergebnisse unserer Arbeit in KNIME zu zeigen, lohnt es sich, spezifische Tools wie Spotfire, PowerBI und Tableau oder das einfache Excel / LibreOffice in Betracht zu ziehen.

4. Benutzerfreundlichkeit:

Die Benutzeroberfläche von KNIME ist intuitiv, einfach zu navigieren und optisch ansprechend, What You See Is What You Get. Anders als beim Programmieren in Python wählen Sie in KNIME aus, welche Analyseschritte durchgeführt werden und in welcher Reihenfolge es bedeutet, mit der Maus eine einfache grafische Darstellung des Datenflusses und der anzuwendenden Transformationen oder Algorithmen zu erstellen.

5. Kollaboration:

Wer im Team arbeiten muss (und Freude daran hat), weiß, wie wichtig es ist, Daten, Dokumente, Programme, Code, Zwischenergebnisse und mehr einfach mit seinen Kollegen teilen zu können. Für KNIME ist die Zusammenarbeit eine offensichtliche Stärke: Frühere Arbeiten oder Teile davon können sehr einfach modularisiert, exportiert und kommentiert werden.

6. Community-Bibliotheken:

Die Funktionen von KNIME sind ein bisschen wie unser ständig wachsendes Universum. Als Open-Source-Anwendung haben sich den KNIME-Entwicklern Tausende von Programmierern angeschlossen, die zusätzliche Funktionen eingeführt oder bestehende verbessert haben. Von etwa 2,5 Millionen Codezeilen wurden über eine halbe Million von der KNIME-Community entwickelt. Diese Community unterhält auch ein Forum, auf das Sie sich beziehen können, um zu erfahren, wie Sie Probleme lösen oder um Hilfe bitten können. R und Python verfügen über eine größere Bibliothek mit von der Community erstellten Zusatzmodulen – die gute Nachricht ist, dass in diesen Sprachen geschriebener Code bei Bedarf integriert werden kann.

Vergleich von KNIME mit anderen Tools. Wir verstehen, dass es sich um ein vielseitiges Allround-Tool handelt, das in der Lage ist , die überwiegende Mehrheit der Bedürfnisse des maschinellen Lernens vollständig autonom zu verwalten , aber auch bei Bedarf durch zusätzliche erweiterte Funktionen integriert werden kann. Diese Funktionen machen KNIME zu einem hervorragenden Tool, mit dem Sie mit Analysen auf unterschiedlichen Komplexitäts- und Vollständigkeitsstufen beginnen (und sogar fortfahren) können.

Das erste Toolbox-Tool von Data Science

KNIME ist zweifellos ein guter Ausgangspunkt, aber es lohnt sich, die verschiedenen Analysetools als die Werkzeuge zu betrachten, die in der Werkzeugkiste eines guten Handwerkers vorhanden sind.

Sehr gut im Umgang mit KNIME zu sein, wird für die meisten unserer Bedürfnisse ausreichen, aber es lohnt sich, eine größere Tasche zu bauen, um bei Bedarf zu fischen. Ein guter Fachmann auf diesem Gebiet wird sein eigenes Analysten-Toolkit aufbauen , basierend auf seinen eigenen Vorlieben, das eine Reihe ergänzender Tools enthält, darunter natürlich KNIME.

Sie möchten Ihre Daten-Jonglage vereinfachen?

Wenn Sie es auch leid sind, die immer gleichen Daten mit den immer gleichen Methoden zu verarbeiten - und das künftig auf einen neuen Level bringen wollen – nehmen Sie Kontakt auf und melden Sie sich bei uns.

Wer schreibt hier?

Dirk Pache - der erste Mitarbeiter der Firma ...

Gründer und Inhaber
Bekennender 96 Fan, Freund von Wortspielen, Kalauern und weiteren Synonymen

Mehr erfahren ...