Swen Deobald
 - 29. Juni 2020

Predictive Analytics

Der Begriff Predictive Analytics bedeutet √ľbersetzt vorausschauende Analysen. Das ist ein Vorgehen, bei dem ein System k√ľnftige Ereignisse mithilfe historischer Daten ermittelt. Diese Daten wertet es mit statistischen Algorithmen und Techniken des maschinellen Lernens aus. Das Ziel ist es √§hnlich wie beim Wetterbericht, eine bestm√∂gliche Einsch√§tzung zu realistischen Zukunfts-Szenarien zu liefern.

Predictive Analytics ‚Äď Geschichte & aktuelle Fortschritte

Immer mehr Unternehmen wenden sich predictive Analytics zu, um ihren Gewinn und ihren Wettbewerbsvorteil zu steigern. Warum gerade jetzt?

  • Unternehmen verf√ľgen √ľber Big Data
  • Schnellere und billigere Computer
  • Leichter zu bedienende Software
  • Schwierigere wirtschaftliche Bedingungen und die Notwendigkeit einer Wettbewerbsdifferenzierung

Mit der zunehmenden Verbreitung von interaktiver und einfach zu bedienender Software ist die prädiktive Analyse nicht mehr nur eine Domäne von Mathematikern und Statistikern. Auch Wirtschaftsanalytiker und Branchenexperten nutzen diese Technologien.

E-Book: SAP Analytics – Effizienz im Unternehmen steigern

Wieso sollten Unternehmen sich um die Analyse Ihrer Daten k√ľmmern, welche Anwendungsbereiche gibt es und welche Tools eignen sich daf√ľr? Finden Sie es heraus.

Unser E-Book zum Thema SAP Analytics

Warum ist Predictive Analytics wichtig?

Unternehmen wenden sich Predictive Analytics zu, um schwierige Probleme zu lösen und neue Möglichkeiten zu entdecken. Häufige Anwendungen sind unter anderem:

Betrug aufdecken

Die Kombination mehrerer Analysemethoden (Fraud Detection) kann die Mustererkennung verbessern und kriminelles Verhalten verhindern. Da die Cybersicherheit zu einem wachsenden Problem wird, untersucht die Hochleistungs-Verhaltensanalyse alle Aktionen in einem Netzwerk in Echtzeit. Dadurch können Anomalien erkannt werden, die auf Betrug, Zero-Day-Schwachstellen und fortgeschrittene, anhaltende Bedrohungen hinweisen können.

Optimierung von Marketingkampagnen

Predictive Analytics werden verwendet, um Kundenreaktionen oder Käufe zu ermitteln und Cross-Selling-Möglichkeiten zu fördern. Predictive Models helfen Unternehmen, ihre profitabelsten Kunden zu gewinnen, zu behalten und zu vergrößern.

Verbesserung der Betriebsabläufe

Viele Unternehmen verwenden pr√§diktive Modelle zur Prognose von Best√§nden und zur Verwaltung von Ressourcen. Fluggesellschaften verwenden predictive Analytics, um Ticketpreise festzulegen. Hotels versuchen, die Anzahl der G√§ste f√ľr eine bestimmte Nacht vorherzusagen, um die Auslastung zu maximieren und die Einnahmen zu steigern. Mit Hilfe von Predictive Analytics k√∂nnen Unternehmen effizienter arbeiten. Beispielsweise verschickt Amazon bereits Pakete bevor sie wirklich bestellt wurden.

Verringerung des Risikos

Kredit-Scores werden verwendet, um die Wahrscheinlichkeit der Zahlungsunf√§higkeit eines K√§ufers zu beurteilen. Sie sind ein bekanntes Beispiel f√ľr Predictive Analytics. Ein Kredit-Score ist eine Zahl, die durch ein Vorhersagemodell generiert wird, das alle f√ľr die Kreditw√ľrdigkeit einer Person oder eines Unternehmens relevanten Daten enth√§lt. Andere risikobezogene Verwendungen umfassen Versicherungsanspr√ľche und Inkasso.

Wer benutzt Predictive Analytics?

Jede Branche kann predictive Analytics nutzen, um Risiken zu reduzieren, den Betrieb zu optimieren und den Umsatz zu steigern. Hier sind einige Beispiele.

Bank- und Finanzdienstleistungen

Die Finanzbranche hat sich seit langem f√ľr die vorausschauende Analyse entschieden, um

  • Betrug zu erkennen und zu reduzieren
  • das Kreditrisiko zu messen
  • Cross-Selling/Up-Selling-M√∂glichkeiten zu maximieren
  • wertvolle Kunden zu behalten

Die Commonwealth Bank verwendet Analysen, um die Wahrscheinlichkeit von Betrugsaktivit√§ten f√ľr eine bestimmte Transaktion vorherzusagen, bevor diese autorisiert wird – innerhalb von 40 Millisekunden nach der Transaktionsinitiierung.

predictive analytics

Einzelhandel

Eine inzwischen ber√ľchtigte Studie zeigt, dass M√§nner, die Windeln kaufen, oft gleichzeitig Bier kaufen. Auch wenn die Studie in der Predictive Analytics Szene mittlerweile mit Humor genommen wird, verwenden Einzelh√§ndler seitdem √ľberall Predictive Analytics f√ľr die Warenplanung und Preisoptimierung. Dadurch k√∂nnen sie die Wirksamkeit von Werbeveranstaltungen analysieren und feststellen, welche Angebote f√ľr die Verbraucher am besten geeignet sind.

√Ėl, Gas und Versorgungsunternehmen

Die Energieindustrie hat sich die vorausschauende Analyse mit Nachdruck zu eigen gemacht f√ľr:

  • die Vorhersage von Ger√§teausf√§llen
  • die Vorhersage des zuk√ľnftigen Ressourcenbedarfs
  • die Minderung von Sicherheits- und Zuverl√§ssigkeitsrisiken
  • die Verbesserung der Gesamtleistung

Das Salt River Project ist das zweitgr√∂√üte √∂ffentliche Energieversorgungsunternehmen der USA und einer der gr√∂√üten Wasserversorger Arizonas. Die Analyse von Maschinensensordaten sagt voraus, wann stromerzeugende Turbinen gewartet werden m√ľssen.

Regierungen und der öffentliche Sektor

Die Regierungen waren die Hauptakteure bei der Weiterentwicklung der Computertechnologien. Das US Census Bureau analysiert seit Jahrzehnten Daten, um die Bevölkerungsentwicklung zu verstehen. Die Regierungen setzen heute Рwie viele andere Branchen auch Рprädiktive Analysen ein, um Service und Leistung zu verbessern, Betrug zu verhindern und das Verbraucherverhalten besser zu verstehen. Sie setzen auch prädiktive Analysen ein, um die Cybersicherheit zu verbessern.

Predictive Analytics

Manufaktur

F√ľr die Hersteller ist es sehr wichtig, Faktoren zu identifizieren, die zu Qualit√§tseinbu√üen und Produktionsausf√§llen f√ľhren. Dadurch k√∂nnen Teile, Serviceressourcen und Vertrieb optimiert werden. Lenovo ist nur ein Hersteller, der Predictive Analytics zum besseren Verst√§ndnis von Garantieanspr√ľchen eingesetzt hat – eine Initiative, die zu einer 10 bis 15-prozentigen Reduzierung der Garantiekosten f√ľhrte.

Was brauchen Sie, um mit Predictive Analytics zu beginnen?

Um mit Predictive Analytics zu beginnen, m√ľssen Sie zun√§chst Ihre Herausforderungen identifizieren. Was m√∂chten Sie auf der Grundlage der Vergangenheit √ľber die Zukunft wissen? Was m√∂chten Sie verstehen und vorhersagen? Sie werden sich auch √ľberlegen m√ľssen, was mit den Vorhersagen geschehen soll. Welche Entscheidungen werden durch die Erkenntnisse ersichtlich? Welche Ma√ünahmen werden ergriffen?

Au√üerdem werden Sie Daten ben√∂tigen. In der heutigen Welt bedeutet dies: Daten von vielen Orten. Daten von Transaktionssystemen, von Sensoren gesammelte Daten, Informationen von Dritten, Notizen des Callcenters, Weblogs usw. Sie brauchen einen Datenexperten oder jemanden mit Erfahrung im Datenmanagement, der Ihnen hilft, die Daten zu bereinigen und f√ľr die Analyse vorzubereiten. Dabei kann auch ein Data Government behilflich sein. Zur Vorbereitung der Daten f√ľr eine vorausschauende Modellierungs√ľbung ist auch jemand erforderlich, der sowohl die Daten als auch das Gesch√§ftsproblem versteht. Wie Sie Ihr Ziel definieren, ist entscheidend daf√ľr, wie Sie das Ergebnis interpretieren k√∂nnen. Unsere Experten greifen Ihnen dabei unter die Arme. Die Datenvorbereitung gilt als einer der zeitaufw√§ndigsten Aspekte des Analyseprozesses. Seien Sie also darauf vorbereitet!

SAP BI & Analytics Strategieberatung

Analysehorizont, Mobilit√§t und Live-Reportings sind f√ľr Sie ein unerreichter Traum? Sie haben die Herausforderung ‚Äď wir die Mitarbeiter und das¬†Knowhow!

Danach beginnt der Aufbau des Vorhersagemodells. Eine immer einfacher zu bedienende Software bedeutet, dass immer mehr Menschen analytische Modelle erstellen k√∂nnen. Aber Sie brauchen wahrscheinlich immer noch einen Datenanalytiker, der Ihnen hilft, Ihre Modelle zu verfeinern und den besten Performer zu finden. Und dann brauchen Sie vielleicht jemanden in der IT-Abteilung, der Ihnen bei der Bereitstellung Ihrer Modelle helfen kann. Das bedeutet, dass Sie die Modelle auf den von Ihnen ausgew√§hlten Daten anwenden m√ľssen – und genau dort erhalten Sie Ihre Ergebnisse.

Predictive Analytics ist Teamsache!

Die vorausschauende Modellierung erfordert einen Teamansatz. Sie brauchen Leute, die das zu l√∂sende Gesch√§ftsproblem verstehen. Jemand, der wei√ü, wie man Daten f√ľr die Analyse vorbereitet. Jemand, der die Modelle aufbauen und verfeinern kann. Jemand in der IT-Abteilung, der sicherstellt, dass Sie √ľber die richtige Analyseinfrastruktur f√ľr die Modellerstellung und -bereitstellung verf√ľgen. Und ein leitender Sponsor kann Ihnen helfen, Ihre analytischen Hoffnungen zu verwirklichen.

Wir k√∂nnen Sie gerne dabei unterst√ľtzen, Predictive Analytics in Ihr Unternehmen zu integrieren. Dazu bieten wir Schulungen & Workshops an, um Ihre Mitarbeiter weiterzubilden. Allerdings k√∂nnen Sie auch eine komplette L√∂sung bei uns erwerben oder wir senden Ihnen einen unserer Experten. Kontaktieren Sie uns unverbindlich, wenn Sie weitere Fragen haben!

Websession Predictive Analytics

Sie m√∂chten vorausschauende Analysen nutzen & haben Fragen zu Vorgehen, Anwendungen oder Tools? In einer kostenlosen Websession sprechen wir gerne √ľber Ihre Herausforderungen.

Swen Deobald

Swen Deobald

Mein Name ist Swen Deobald und ich bin begeisterter SAP Analytics Berater. Als Fachbereichsleiter von Compamind unterst√ľtze ich Sie mit meinem Team bei allen Fragen rund um SAP Analytics, Business Warehouse, BusinessObjects und der SAP Analytics Cloud.

Sie haben Fragen? Kontaktieren Sie mich!


Das könnte Sie auch interessieren:

SAP Analytics
SAP Predictive Analytics

Das könnte Sie auch interessieren


Schreiben Sie einen Kommentar

Bitte f√ľllen Sie alle mit * gekennzeichneten Felder aus. Ihre E-Mail Adresse wird nicht ver√∂ffentlicht.





Angebot anfordern
Expert Session
Preisliste anfordern