Gerne beraten wir Sie auch telefonisch & geben Ihnen eine kostenfreie persönliche Auskunft zu Ihrem Projekt.

X

Prädiktive Analyse: Wie die Daten von heute die Zukunft fürs Unternehmen vorhersagen

Was wäre, wenn man vor wichtigen Unternehmensentscheidungen die Zukunft vorhersagen könnte? Etwa wenn ein Unternehmen vorhersagen könnte, welches Angebot am ehesten einen Kunden überzeugt eine Marketing-E-Mail zu öffnen? Oder wenn man vorhersagen könnte, welcher Kunde in Zukunft am ehesten zur Konkurrenz wechseln wird? All dies ist möglich – mit prädiktiver Analyse (auch predictive Analytics). Predictive Analytics Methoden ermöglicht es Unternehmen, vorauszusagen, was in Zukunft wahrscheinlich passieren wird. Dazu wird in bereits vorhanden Daten nach Mustern gesucht, die für die Vorhersage genutzt werden können. Immer mehr Unternehmen, darunter solche Giganten wie Walmart oder IBM, nutzen predictive AI in ihren Geschäftsabläufen. Damit auch Sie bald von den Vorteilen von predictive Analytics profitieren können, zeigen wir in diesem Artikel, wie prädiktive Analyse funktioniert und wie sich diese Planungsmethode von anderen unterscheidet.

Wollen Sie auch die Möglichkeiten von predictive Analytics für sich nutzen? Kontaktieren Sie dazu unsere Experten! Dank unserer mehrjährigen Erfahrung können wir Sie umfassen zum Thema beraten. Wir finden die optimale Data Science Lösung, die genau zu Ihrer Unternehmensstruktur und Fragestellung passt.

Lassen Sie uns Ihre Anforderungen wissen & wir erstellen Ihnen innerhalb weniger Stunden ein kostenfreies Angebot.

Jetzt unverbindlich anfragen

Was ist Prädiktive Analyse?

Prädiktive Analyse ist ein Data Science Bereich, der mit Hilfe von verschiedenen predictive Analytics Methoden die Prognose über relevante Kennzahlen macht.

Die Geschichte von Prädiktive Analyse startete in den 40er Jahren des 20. Jahrhundert während des Zweiten Weltkriegs. Damals versuchte Alan Turing mit seiner Arbeitsgruppe die verschlüsselten deutsche Funksprüche zu entziffern. Die Schlüsselalgorithmen der Enigma-Maschine wechselte alle 24 Stunden. Dies machte die Aufgabe natürlich nur noch schwieriger. Turings Idee bestand darin, dass es auf jeden Fall eine Zusammenhänge zwischen den Symbolen geben müsste. Diesen Zusammen musste man nur entdecken. Nachdem die immer wieder auftretende Symbolsequenzen entdeckt wurden, wurden diese erfolgreich entziffert.

Prädiktive Analyse: Vorteile für Unternehmen

Predictive Analytics Methoden verschaffen Unternehmen klare Konkurrenzvorteile, die man nicht unterschätzen sollte. Prädiktive Analyse kann einem Unternehmen ermöglichen die Lage des Marktes in jedem Moment genauer als die Konkurrenten abschätzen und dadurch in jeder Situation optimaler zu handeln. Die Vorteile dabei liegen auf der Hand.

Wie werden Geschäftsentscheidung in der Regel begründet? Häufig hört man Sätze wie: „aus meiner Erfahrung“, „weil es schon immer so gemacht wurde“, oder „wir haben mit Kollegen gemeinsame Lösung gefunden“. Diese Gründe sind absolut legitim und führen auch oft zum Erfolg. Trotzdem ist Erfolg bei Entscheidungen nach „Bacuhgefühl“ stark vom Zufall abhängig. Das bedeutet, es gibt keine Garantie, dass Strategien, die gestern funktioniert haben, auch morgen funktionieren werden.

Predictive Analytics Methoden sind dagegen systematisch. Sie basieren auf Daten und verschiedenen mathematischen und statistischen Methoden. Prädiktive Analyse bietet somit eine alternative Möglichkeit, Vorhersagen zu machen, die nicht auf dem Zufall basieren.

Möchten auch Sie die Möglichkeiten von Prädiktive Analyse für Ihr Unternehmen nutzen? Novustat Experten beraten Sie gerne zu diesem und anderen Business Intelligence Themen. Kontaktieren Sie uns für eine unverbindliche und individuelle Beratung zum Thema predictive Modeling!

Prädiktive Analyse findet Einsatz in vielen Geschäftsbereichen

Prädiktive Analyse und Predictive Analytics Methoden kommen in vielen Geschäftsbereichen zum Einsatz
Geschäftsbereichen die von der Einführung von der Prädiktive Analyse profitieren können

Mindestens 50 % allen Unternehmen haben predictive AI (Artificial Intelligence/Künstliche Intelligenz) in zumindest einer Unternehmensfunktion implementiert. Diese Zahl wird in den kommenden Jahren vermutlich noch weiter wachsen. Unten sind nur einige Beispiele großer Unternehmen die sich predictive Analytics bereits zunutze machen:

Amazon

Amazon nutzt predictive Analytics Methoden, um Kunden Produkte basierend auf früheren Verhalten zu empfehlen. Durch dieses gezielte Targeting hat Amazon seinen Umsatz um 30% steigern können. Geplant ist aber bereits noch mehr: Amazon plant das so genannte anticipated Shipping. Dieses Tool wird auf der Grundlage von Prognosedaten eine Lieferung von Waren in die Nähe vom Kunden im Vorraus veranlassen. Dies geschieht noch bevor die Produkte tatsächlich bestellt werden. Dadurch möchte Amazon die Lieferzeit dramatisch verkürzen und die Kundenzufriedenheit erhöhen.

Walmart

Walmart, eine der weltgrößten Einzelhandelsunternehmen, nutzt predictive AI um online-Daten mit offline-Daten zu verknüpfen. Das System (Data Cafe Walmart) benutzt Kasseninformationen als Input für die Prognose der Kundennachfrage. Walmart sagt beispielsweise vorher, welche Waren in Zukunft vermutlich häufig gekauft werden und somit öfter nachbestellt werden sollen.

Watson IBM

Predictive Analytics Methoden werden auch für die Fragestellungen des Personalmanagements erfolgreich eingesetzt. Watson (IBMs Supercomputer) analysiert eine Vielzahl von Daten wie z.B. Geschlecht, Alter, Familienstand, Ausbildungsniveau, Berufsniveau und viele mehr. Mit predictive Analytics lässt sich vorhersagen, wie zufrieden die Mitarbeiter sind und wie hoch ihre Kündigungswahrscheinlichkeit ist. Dabei können auch die potenziellen Gründe für Kündigung identifiziert werden. Somit kann man rechtzeitig Maßnahmen gegen drohende Kündigungen ergreifen. Das alles ermöglicht, die Betriebskosten deutlich zu verringern.

Nicht nur Großunternehmen können von der Einführung von predictive AI profitieren: Es gibt viele zugängliche Technologien, die sich auf jedes Unternehmen skalieren lassen.

Wie funktioniert Prädiktive Analyse?

Prädiktive Analyse besteht aus drei Schritten:

1. Datenerhebung

Es gibt zwei Gruppen der Daten für Prädiktive Analyse: interne und externe Daten.

Interne Daten sind die Unternehmensdaten: Umsatz, Kosten usw. Der Vorteil dieser Daten besteht darin, dass sie leicht zugänglich sind. Gleichzeitig beziehen interne Daten sich aber wirklich nur auf ein konkretes Unternehmen. Wenn man ausschließlich interne Daten für die Erstellung des Modells nutzt, sind die Vorhersagen des Modells wegen geringer Datenmenge ungenau. Deswegen ergänzt man die internen Daten durch externe Daten. Hier gilt das Gesetz der großen Zahlen: je mehr Daten für die Analyse zur Verfügung stehen, desto objektiver sind die Schlussfolgerungen.

Zu den externen Daten gehört eine große Menge von verschiedenen Kennzahlen wie z.B. Wetter, Aktienkurse, politische Entscheidungen, Marktprognosen und vielen mehr. Diese können aus verschiedenen Quellen kommen, u.a. OpenStreetMap (für Geodaten), Google oder UCI. Heutzutage gibt es viele offene Datenbänke mit großen Datensätze zu den verschiedensten Themen. Die externen Daten müssen dabei aber sorgfältig auswählt werden: Nur die Daten, die die Vorhersagekraft des Modells erhöhen, sollten für die Analyse und Modellierung verwendet werden.

2. Datenanalyse

Der zweite Schritt der prädiktiven Analyse ist Data Mining: die Anwendung von computergestützten statistischen und mathematischen Methoden, um so viele verborgene Zusammenhänge und Informationen wie möglich in den Daten zu entdecken. Dazu gehören z.B. verschiedene Klassifizierung und Modellierungsmethoden, Clustering oder sequential Association.

3. Predictive Modelling

In diesem Schritt ist es wichtig, die Fragestellung für die Prädiktive Analyse genau zu definieren: Was genau möchte man prognostizieren? Was ist das Vorhersagefenster? Basierend darauf wird ein passendes statistisches Modell ausgewählt.

Es gibt zwei große Gruppen der predictive Analytics Methoden: Supervised und unsupervised Learning. Beide basieren auf statistischer Theorie und sind mit den Themen predictive AI und Big Data eng verknüpft.

Für die technische Implementierung des gewählten Verfahrens gibt es eine Vielzahl von Tools: von kostenloser Software wie R, Python oder RapidMiner bis zu kommerziellen Lösungen wie IBM SPSS, SAS oder Oracle Big Data Preparation.

Prädiktive Analyse: Fazit

Prädiktive Analyse stellt ein neuen und komplexen, aber sehr mächtigen Data Science Bereich dar. Dank predictive AI kann man fundierte Geschäftsentscheidungen treffen. Man kann sich besser auf unvorhergesehene Situationen vorbereiten und die Effizienz des gesamten Unternehmens steigern.

Weiterführende Quellen

Forbes: Amazon Using AI, Big Data To Accelerate Profits