Startseite > Office & Kommunikation > Prescriptive Analytics: Daten als Ratgeber

Big Data

Prescriptive Analytics: Daten als Ratgeber

12. Dezember 2016, 13:44 Uhr | Autor: Eva Michel / Redaktion: Diana Künstler

Descriptive Analytics, Predictive Analytics und nun also Prescriptive Analytics – die Konfusion beim Thema Datenanalyse scheint perfekt, der Knoten in der Zunge auch. Wer soll da noch durchblicken?

In vielen Unternehmen haben die diversen Begriffe und das Tempo, mit dem neue Methoden der Datenanalyse zum „next big thing“ erklärt werden, zu einer Scheu vor Big Data geführt. Zu groß scheint die Notwendigkeit für teure Expertise, zu aufwändig die Umsetzung. Gleichzeitig sind die Versprechen groß: Daten sollen so ziemlich jeden Prozess, der in Unternehmen abläuft, effizienter machen können – wenn man die Sache richtig angeht. Unternehmensentscheider aller Branchen spüren einen enormen Druck, sich mit dem Thema Daten zu beschäftigen und den für ihr Unternehmen richtigen Zugang zu finden. Der Rummel um das Business-Potenzial von Prescriptive Analytics trägt dazu noch weiter bei. Um zu verstehen, wo der Einsatz von Datenanalysen und speziell von Prescriptive Analytics tatsächlich Sinn macht, lohnt sich ein vergleichender Blick auf die verschiedenen Ansätze. Erst wenn Unternehmen eine Vorstellung davon haben, wie sie Daten einsetzen möchten, können sie eine fundierte Entscheidung treffen, wie sie dabei vorgehen und welches die richtige Technologie ist.

Von gestern auf morgen schließen
Am Anfang aller Analysen stehen die Daten. Mit ihnen steht und fällt das Projekt „Erfolg durch Big Data“. Das mag banal klingen, ist aber ein wichtiger Punkt, der oft unterschätzt wird. Die globale Menge an Daten ist in den letzten Jahren explodiert; für sich genommen sind große Datenströme jedoch nicht besonders aussagekräftig. Erst durch Analysen können ihnen Informationen entlockt werden, die unser Verständnis der Realität verbessern. In ihrer einfachsten Form können Datenanalysen dabei helfen zu ordnen, was in der Vergangenheit geschehen ist und ein Ergebnis oder eine Situation genauer zu beschreiben und zu interpretieren. Wie viele Kunden haben wir im vergangenen Jahr verloren? Welche Geschäftsbereiche sind hinter den Zielen zurückgeblieben? Mit welchen Auswirkungen auf andere Bereiche? Das sind Fragen, die sich mit Hilfe von Descriptive Analytics beantworten lassen. Deskriptive Analysen sind extrem nützlich, um das eigene Unternehmen oder Marktumfeld zu verstehen und Stellschrauben für Verbesserungen zu identifizieren.

Geht man einen Schritt weiter, von der Beschreibung zur Vorhersage, befindet man sich schon im Feld Predictive Analytics. Hier ist die Analyse vergangenheitsbezogener Daten nur eine Stufe, um daraus mit Hilfe statistischer Modelle auf zukünftige Entwicklungen zu schließen. Typische Fragestellungen lauten: Wie wird sich ein Geschäftszweig in den kommenden Jahren entwickeln? Welche Nachfrage kann erwartet werden? Bei welchen Kunden besteht das größte Risiko, dass sie zum Wettbewerb abwandern? Die Idee dahinter ist simpel: Wer eine Vorstellung davon hat, was wahrscheinlich passieren wird, kann bessere Entscheidungen treffen und präventiv handeln. Dabei gilt: Je mehr Variablen in eine Analyse einfließen, desto komplexer werden die Modelle und desto größer muss die Datenbasis sein, um akkurate Prognoseergebnisse zu erzielen.

Predictive Analytics wird traditionell im Risikomanagement von Finanzdienstleistern genutzt, inzwischen sind aber auch andere Branchen nachgezogen. Insbesondere der Onlinehandel hat hier Standards gesetzt, aber auch in anderen Sektoren werden Predictive Analytics systematisch für die Entscheidungsfindung genutzt.