Predictive Modelling und Big Data

Mit Business Analytics die Datenflut bewältigen

05.04.2012
Von Jörg Besier

Blick in die Zukunft

Mit dem Übergang von Descriptive Analytics zu Predictive Analytics, mit dem typischerweise auch ein höherer Reifegrad der analytischen Kompetenzen einhergeht, kann sich ein Unternehmen deutlich messbare Wettbewerbsvorteile verschaffen.

Während Descriptive Analytics mit Hilfe von historischen Daten nur einen Blick in die Vergangenheit wirft, nutzt Predictive Analytics aufwendige statistische Methoden, um zu bestimmen,, wie wahrscheinlich der Eintritt bestimmter Ereignisse in der Zukunft ist. Solche Vorhersagen können

  • die Effektivität von Vertriebsmaßnahmen verbessern ( "Customer Insights");

  • für besseres Marketing und bessere Public-Relations-Arbeit sorgen durch Social Listening;

  • Ausfälle bei Versicherungen und Steuerbehörden verhindern durch Fraud Prediction;

  • Produktionsanlagen länger in Betrieb halten, etwa mit Hilfe von Predictive Asset Maintenance.

Für solche Zwecke werden Werkzeuge mit einem breiten statistischen Anwendungsspektrum benötigt, wie sie zum Beispiel SAS liefert. Diese Tools können auf praktisch alle Datenquellen zugreifen und verfügen über eine Vielzahl anwendungsspezifischer statistischer Methoden. Sie liefern eigentlich Vorhersagen in Form von Scores, etwa einen Wahrscheinlichkeitswert für die Abwanderung eines Kunden, die Missbräuchlichkeit einer Schadensmeldung oder den Ausfall einer Produktionsanlage.

Um einen echten Nutzen daraus zu ziehen, müssen die in den Analysen gewonnenen Erkenntnisse schließlich in die Entscheidungsprozesse einfließen. Daher müssen beispielsweise die Customer Insights so aufbereitet werden, dass Führungskräfte und Mitarbeiter in Marketing und Vertrieb sie effizient nutzen können. Dabei spielt unter anderem die richtige Visualisierung eine wichtige Rolle. Aber auch die direkte Einbettung der Analyseergebnisse in die Vertriebssteuerung ist möglich. So wird zum Beispiel für jeden Kunden die optimale nächste Interaktion in den CRM-Systemen des Vertriebs angezeigt und für die vollautomatische Personalisierung der WebPräsenz verwendet; oder für den bevorstehenden Ausfall einer Produktionsanlage wird bereits Tage vorher ein geeignetes Technikerteam mobilisiert, und die notwendigen Ersatzteile werden zum Standort der Anlage transportiert.

Vorhersagearten

  • Customer Insights,

  • Social Listening,

  • Fraud Prediction,

  • Predictive Asset Maintenance.

Für solche Zwecke werden Werkzeuge mit einem breiten statistischen Anwendungsspektrum benötigt, um mit Hilfe historischer Daten in die Zukunft zu blicken.

Zur Startseite