Soccer team in a huddle

Predictive Analytics: Ein Blick in die moderne Kristallkugel

18. November 2013 von Anja Paschke-Hess 0

Predictive Analytics ist die Weiterentwicklung von Business Intelligence. Doch worum genau geht es bei dieser neuartigen Methode und welche Möglichkeiten und Herausforderungen sind damit verbunden?

Ganz gleich ob der Maya-Kalender, das Orakel von Delphi, oder Nostradamus – schon immer hatten die Menschen den Wunsch, in die Zukunft blicken zu können. Den Platz der Propheten haben heute Wissensarbeiter oder Wirtschaftsinformatiker eingenommen. Predictive Analytics, so heißt die modernste Methode der neuen Orakel, mit der sich unter bestimmten Bedingungen künftige Entwicklungen zuverlässig abschätzen lassen. Immer mehr Manager nutzen die so gewonnenen Erkenntnisse, um ihre Entscheidungen zu treffen. „Den Experten von Gartner zufolge sollen bis 2014 rund 30 Prozent aller analytischen Anwendungen proaktive, vorhersagende Funktionen enthalten“, zitiert Stefan Berghaus, Service Line Manager SAP Business Intelligence bei Ciber, die Einschätzung renommierter Marktforscher. Doch worum genau geht es bei Predictive Analytics – und welche Möglichkeiten und Herausforderungen sind damit verbunden?

Die Qualität der Basisdaten und der Annahmen entscheidet

Die klassische Business Intelligence versetzt Unternehmen in die Lage, historische Daten präzise auszuwerten und so vergangene Zusammenhänge aufzudecken. Immer größere Datenmengen und sich rasch wandelnde Märkte machen jedoch verstärkt prognostizierende Modelle nötig. Predictive Analytics können somit als konsequente Weiterentwicklung der Data-Mining-Idee verstanden werden. Die Methode bezieht statistische Berechnungen und Algorithmen, Aspekte der Spieltheorie sowie Methoden des Operations Research mit ein. Gartner bezeichnet diese Evolution als „Shift from measurement to analysis, forecasting and optimization“.

„Wichtig für die Predictive Analytics sind aussagekräftige Datenmuster und Abhängigkeiten in den Datenbeständen sowie Algorithmen, die diese Daten auf verschiedenste Art- und Weise analysieren, gruppieren und interpretieren, um aus vergangenen Ereignissen Vorhersagen und  Auswirkungen für die Zukunft zu erstellen“, weiß Berghaus. Die Aussagekraft der modernen Kristallkugel hängt also stark von der Qualität der Annahmen und der Qualität der zugrunde liegenden Daten ab.

Predictive Analytics in der Praxis

Zunächst waren Predictive Analytics vor allem Forschungseinrichtungen oder externen Dienstleistern vorbehalten, die über die entsprechenden Rechnerkapazitäten verfügten. Heute sind es primär Banken und Versicherungen, die Predictive Analytics einsetzten, um die Ausfallwahrscheinlichkeiten von Krediten zu berechnen oder Betrugsversuche aufzudecken. Hinzu kommen Unternehmen aus dem Einzelhandel, die mit Hilfe der Methode Warenkorb-Analysen steuern, die optimale Platzierung von Waren im Regal ermitteln oder Daten von Kundenkarten zu Profilen verdichten.

Mittlerweile ist die Leistungsfähigkeit der Technologie enorm gestiegen. Die Echtzeitdatenbank SAP HANA gibt ihr weiteren Aufwind. Denn mit der In-Memory-Technolgie  hat SAP die Grundlage geschaffen, um auch größte Datenmengen nahezu in Echtzeit zu analysieren. „Zudem hat SAP die Anzahl der zur Verfügung stehenden statistischen Methoden gegenüber einem Data Mining mit der Komponente SAP NetWeaver Business Warehouse deutlich erhöht“, urteilt Berghaus.

Wie bei vielen neuen Technologien sind US-Unternehmen Vorreiter in puncto Anwendung. So untersucht beispielsweise Target, der zweitgrößte Discounter der USA, mit der Predictive-Analytics-Methode seine Daten, um einschlägige Wendungen im Leben seiner Kunden zu identifizieren – etwa Umzug, Berufseinstieg oder Familiengründung. Denn gerade in solchen Phasen sind Menschen besonders empfänglich für neue Produkte.

Auch Ciber nutzt diese Technologie. „Mit Ciber ProfitBoost Sales liefern wir B2B-Unternehmen oder Handelsunternehmen mit B2B-Anteil eine speziell entwickelte Lösung. Sie dient dazu, zuverlässige Informationen bezüglich der Preisdifferenzierung aus den vorhandenen Daten zu generieren und so die Gewinnmargen in Vertrieb und Beschaffung zu optimieren“, sagt Berghaus. Darüber hinaus unterstützt Ciber ProfitBoost Sales auch mobile Endgeräte – Mitarbeiter im Vertrieb können so auch direkt beim Kunden fundierte Preisverhandlungen führen oder individuelle Angebote erstellen.

Reifeprozess und Training nötig

Doch die moderne Kristallkugel will sorgfältig behandelt werden. „Predictive Analytics müssen immer einen Reifeprozess durchlaufen. Ein Analyse-Modell wird nicht einfach erstellt – es muss in einem iterativen Prozess trainiert und einer Wahrscheinlichkeitsbetrachtung unterzogen werden“, schildert Berghaus. Erst dann sollten die Unternehmen mit dem Modell arbeiten.

Doch dazu fehlt es Ihnen oft noch an den geeigneten Fachkräften, die statistisches Know-how, Kenntnisse im Bereich Business Intelligence und ein Verständnis der Prozesse und Strukturen des jeweiligen Unternehmens mit sich bringen. „Sind diese Fachkräfte jedoch erst einmal an Bord“, schließt Berghaus, „können Unternehmen erfolgskritische Veränderungen im Kunden- und Marktverhalten frühzeitig erkennen und verstehen. Zukünftige Ereignisse lassen sich damit weitaus präziser vorhersagen und potenzielle Handlungsmöglichkeiten effizienter bewerten als bisher.“

Tags: , , ,

Leave a Reply