Predictive Analytics versucht, auf Basis komplexer Datenanalysen Vorhersagen über zukünftige Ereignisse zu treffen. Doch der Blick in die Zukunft bringt nur dann sinnvollen Mehrwert, wenn er in konkrete Use Cases eingebettet und mit Handlungsempfehlungen verbunden ist (Prescriptive Analytics). Im Idealfall erfolgen die Entscheidungen automatisiert auf Basis von Daten. [...]
Ein wichtiges Anwendungsszenario für Predictive Analytics ist Churn Management, sprich der Versuch, die Abwanderung von Kunden zu vermeiden. SAP hat vor kurzem ein derartiges Projekt für einen nordamerikanischen TK-Anbieter umgesetzt. „Das Modell sagt die Kündigungs-Wahrscheinlichkeit eines Kunden voraus, indem es unterschiedliche Kundensegmente anhand verschiedener Parameter analysiert“, erklärt Sven Bauszus, Global Vice President and General Manager, Predictive Analytics bei SAP. „Nachdem durch Analysen Kunden mit einem hohen Abwanderungsrisiko identifiziert wurden, kann das Churn Modell dann beispielsweise das Marketing durch Handlungsoptimierungen dabei unterstützen, Kampagnen zielgerichteter auszurichten.“
Dieses Beispiel zeigt zwei Trends der letzten Monate im Analytics-Segment: Zum einen wachsen Predictive Analytics und Prescriptive Analytics immer enger zusammen, zum anderen geht es immer mehr in Richtung automatisierte Entscheidungen.
VERKNÜPFUNG VON PREDICTIVE UND PRESCRIPTIVE ANALYTICS
Predictive Analytics beantwortet grundsätzlich die Frage „Was wird passieren?“ und liefert auf Basis von Data Mining, maschinellem Lernen und anderen statistischen Methoden Vorhersagen über die Wahrscheinlichkeit von zukünftigen Ereignissen. Prescriptive Analytics geht hier noch einen Schritt weiter. Es liefert zusätzlich Handlungsempfehlungen, wie man einen bestimmten Trend in eine gewünschte Richtung beeinflussen, ein vorhergesagtes Ereignis verhindern oder auf ein zukünftiges Ereignis reagieren kann. Die Frage lautet: Wie müssen wir handeln, damit ein zukünftiges Ereignis (nicht) eintritt?
Predictive Analytics wird künftig eng mit Prescriptive Analytics verknüpft sein. Dazu Sven Bauszus von SAP: „Predictive Analytics muss sich auf einen konkreten Use Case beziehen und vor allem in konkrete Handlungsempfehlungen übergehen. Die konkrete Anwendung beziehungsweise das zu erreichende Ziel treibt auch die Datenauswahl, die eingesetzten Algorithmen sowie statistischen Methoden für die Analyse.“
SAP entwickelt seine Algorithmen nicht selbst, sondern ermöglicht in seiner Lösung SAP Predictive Analytics den Zugriff auf Open Source Libraries mit Algorithmen, die auf Basis der freien Programmiersprache R für statistisches Rechnen entwickelt wurden. Zudem greift SAP auf Technologien der 2013 akquirierten Firma KXEN zurück, eines Anbieters von statistischen Algorithmen mit Patenten für einen automatisierten Machine-Learning-Ansatz.
Auch Lars Trieloff, Director Product Management bei der Blue Yonder GmbH, einem Anbieter von Predictive Applications, bestätigt, dass Predictive und Prescriptive Analytics immer enger zusammenwachsen: „Es geht mittlerweile nicht mehr primär um Einsicht und Erkenntnisse über eine mögliche Zukunft, sondern darum, auf Basis von Daten automatisiert Entscheidungen zu treffen. Von grundlegender Bedeutung ist immer die Zielsetzung. Was will ich vorhersagen? Wofür nutze ich diese Ergebnisse?“ Blue Yonder entwickelt die Algorithmen für seine statistischen Modelle größtenteils selbst, setzt aber wie SAP teilweise auch Open Source-Algorithmen ein.
Be the first to comment