Open Access

Mario Moser

• Diese Arbeit beschäftigt sich mit der Anwendung von Data Mining-Algorithmen zur Informationsgewinnung im Softwaresupport. Data Mining-Algorithmen sind Tools der sogenannten „Knowledge Discovery“, der interaktiven und iterativen Entdeckung von nützlichem Wissen. Sie werden eingesetzt, um Daten zu analysieren und über statistische Modelle wertvolle Informationen einer Domäne zu finden. Die Domäne in dieser Arbeit ist der Softwaresupport, jene Abteilung in Softwareentwicklungs-Unternehmen, die Kundinnen und Kunden bei der Lösung von Problemen unterstützt. Meist sind diese Supportabteilungen als Callcenter organisiert und arbeiten zusätzlich mit Ticketsystemen (einem E-Mail-basierten Kommunikationssystem). Zweck dieser Arbeit ist es zu prüfen, inwiefern Data Mining-Algorithmen im Softwaresupport angewendet werden und ob tatsächlich wertvolle Informationen identifiziert werden können. Erwartet wird, Informationen über das Supportverhalten von KundInnen sowie den Einfluss von externen Faktoren wie Wetter, Feiertage und Urlaubszeiten zu entdecken. Die Literaturrecherche dieser Arbeit, beinhaltet unter anderem die Themen Personaleinsatzplanung im Softwaresupport und Data Science (Zusammenfassender Begriff für Data Mining, Data Engineering oder Data-Driven Decision Making, etc.). Im „experimental Setup“ finden Interviews zum Thema Status quo- und Kennzahlen im Softwaresupport mit führenden österreichischen Softwarehäusern sowie eine Fallstudie zur Anwendung eines Data Mining-Vorgehensmodells statt. Letztlich wird in einem Feldexperiment geprüft, ob es mit Data Mining-Algorithmen tatsächlich möglich ist, Informationen für den Softwaresupport zu entdecken. Als Ergebnis dieser Arbeit zählen einerseits die Identifikation von Möglichkeiten, um im Support Kosten zu sparen und Effizienz zu gewinnen und andererseits das Finden von wertvollen Informationen über Abläufe und Zusammenhänge im Support. Die gewonnenen Informationen können in weiterer Folge in den Supportprozess einfließen, um effektivere und effizientere Prozesse zu schaffen. Ein weiteres Resultat des Informationsgewinns ist auch die Qualitätssteigerung von Managemententscheidungen sein.
• This thesis deals with the usage of data mining algorithms for information acquisition in the field of software support. Data Mining algorithms are tools of the Knowledge Discovery process, the interactive and iterative discovery of useful knowledge. They are used to analyze data and make use of statistical models to find valuable domain information. The domain in this work is the field of software support, the department in software development companies that helps clients solve problems. Such support departments are usually organized as call centers and also work with ticket systems (an e-mail-based communication system). The purpose of this thesis is to examine the extent to which data mining algorithms are usable in the field of software support and whether valuable information can actually be identified. It is expected to discover information about the support behavior of customers as well as information about the influence of external factors such as weather, holidays and holidays. The literature review of this thesis includes topics such as personnel deployment planning in software support and data science (summary term for data mining, data engineering or datadriven decision making, etc.). The "experimental setup" includes interviews on the status quo and the key figures in the field of software support with leading Austrian software houses as well as a case study on the usage of a data mining forecast model. Finally, it is examined in a field experiment whether data mining algorithms actually make it possible to discover information for software support. As a result of this thesis it is expected to identify ways to save costs and increase efficiency in the field of software support. In addition, it is expected to find valuable information about processes and connections in the software support. The gained information can then be incorporated into the support process to create more effective and efficient processes. Another result of the information gain is also the quality improvement of management decisions.