Prognosen und automatisierte Entscheidungen auf Basis von Daten

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. [...]

VIER SÄULEN-MODELL MIT ZIEL AUTOMATISIERUNG

Vier Säulen-Modell: Blue Yonder verknüpft Predictive und Prescriptive Analytics mit dem Ziel, automatisierte Entscheidungen zu unterstützen. (c) Blue Yonder

Blue Yonder hat ein Vier Säulen-Modell entwickelt, das Predictive und Prescriptive Analytics verknüpft und letztendlich automatisierte Entscheidungen unterstützen soll.

Säule 1 = Infrastruktur:
Grundlegende Voraussetzung für die effiziente Datenanalyse ist eine leistungsfähige Big Data-Infrastruktur, die auch große Datenmengen schnell auswertet. Das System sollte mit verschiedenen Formen von Daten zurechtkommen und Daten aus unterschiedlichsten Quellen aggregieren und analysieren. Sämtliche Datenquellen (Maschinen, Prozesse, Produkte, Wetterdaten etc.) und Systeme (ERP, CRM, BI etc.) müssen miteinander vernetzt werden.

Säule 2 = Algorithmen und Machine-Learning-Modelle:
Blue Yonder entwickelt seine Algorithmen stetig weiter und verfeinert sie mit dem Ziel, dass sie auch mit einer geringen Datenbasis bessere Ergebnisse liefern. Wichtige eigene Algorithmen sind der NeuroBayes-Algorithmus, der auf neuronalen Netzen mit vielen Input-Parametern und komplexen Zusammenhängen beruht, oder der Cyclic-Boosting-Algorithmus. Letzterer verarbeitet große Datenmengen ohne Clustering, kann gut mit unvollständigen Datenlieferungen umgehen und sorgt für Transparenz, indem er beispielweise bei der Absatzprognose alle benutzten Faktoren (Temperatur, Ferien etc.) offenlegt. „Die Transparenz ist sehr wichtig für die Prozessautomatisierung, damit der menschliche Nutzer die Ergebnisse der Maschine versteht“, so Lars Trieloff.

Säule 3 = Domain Expertise:
Hier geht es darum, auf Basis der Algorithmen und statistischen Methoden ein Modell beziehungsweise eine Applikation für den konkreten Business Case zu bauen. Ein Beispiel ist die dynamische Preisgestaltung mit dem Ziel, anhand von der Berechnung von Preiselastizitäten den optimalen Preis zu bestimmen und damit Umsatz oder Gewinn zu steigern. Die Lösung rechnet hier mit Hilfe externer Daten (Wetter, Feiertage etc.) und interner Faktoren wie Einkaufspreise, Umsatzziel, historische Preise etc. mehrere Szenarien durch und ermittelt den optimalen Preis.

Stufe 4 = Vollautomatisierung des Prozesses:
„Die Prognose und die Handlungsempfehlung erfolgen quasi auf Knopfdruck. Der Kunde übermittelt über eine API die entsprechend benötigten Daten, das Modell gibt dann das Ergebnis automatisiert aus“, erläutert Lars Trieloff. Dank der Automatisierung können Unternehmen eine Vielzahl von Entscheidungen treffen. So übernimmt beispielsweise ein Lebensmittelhändler und Kunde von Blue Yonder eine Million Bestellungen pro Tag nahtlos in sein Bestellsystem.

PERMANENTE VERBESSERUNG DER PROGNOSEN UND EMPFEHLUNGEN

Es geht mittlerweile nicht mehr primär um Einsicht und Erkenntnisse über eine mögliche Zukunft, sondern darum, auf Basis von Daten automatisiert Entscheidungen zu treffen, Lars Trieloff, Director Product Management bei der Blue Yonder GmbH. (c) Blue Yonder

Doch inwieweit können sich Unternehmen oder Data Scientists auf die Prognosen und automatisierten Handlungsempfehlungen verlassen? „Welche Methode und welcher Algorithmus am besten funktionieren, hängt vom individuellen Ziel und der Fragestellung ab“, betont Sven Bauszus von SAP. „Um den Ergebnissen vertrauen zu können, ist es notwendig, das Modell und die Parameter stetig anzupassen, zu trainieren und in einem immerwährenden Prozess neu zu kalibrieren.“ Da sich die Modelle laut Bauszus auch durch Machine Learning anhand vorgegebener Algorithmen im Laufe der Zeit immer weiter verbessern, werden auch die Vorhersagen und Empfehlungen immer präziser. Kenngrößen für die Qualität einer Prognose sind etwa der Vergleich mit der Realität, mit den bislang im Unternehmen eingesetzten Methoden (zum Beispiel Regressionsanalyse in Verbindung mit dem Bauchgefühl des Managers) oder mit Konkurrenz-Algorithmen.

KRITERIEN FÜR DIE AUSWAHL EINES ANBIETERS
Worauf sollen Unternehmen bei der Auswahl eines Anbieters für Predictive/Prescriptive-Lösungen achten? Die Kriterien sind vom Ziel abhängig. Soll die Software hauptsächlich ein Tool darstellen, das die Arbeit der Data Scientists unterstützt, stehen vor allem die Visualisierungs-Werkzeuge und die einfache Bedienung im Vordergrund.

Verfolgen die Unternehmen das Ziel, ihre Geschäftsprozesse und Entscheidungen zu automatisieren, sind folgende Kriterien ausschlaggebend:

  • Expertise des Anbieters (Anzahl der Projekte)
  • Referenzen: Kontaktaufnahme zu bestehenden Kunden etc.
  • Business-Know how und (Branchen-)Erfahrung des Anbieters
  • Plattform muss Automatisierung und Modell-Management unterstützen
  • Einfache Integration in Backend-Systeme
  • Performance und Skalierbarkeit der Lösung
  • Kosten und Preismodell: Da eine erfolgreich eingesetzte Lösung für Predictive/Prescriptive-Analytics sich positiv auf die Geschäftszahlen auswirkt (schneller Return on investment), bieten einige Anbieter erfolgsabhängige Prämien an. Der Preis kann auch vom Datenvolumen oder der Rechenleistung (Anzahl der Prozessoren etc.) abhängig sein.

*Jürgen Mauerer betreibt als freier Journalist ein Redaktionsbüro in München.


Mehr Artikel

Rüdiger Linhart, Vorsitzender der Berufsgruppe IT der Fachgruppe UBIT Wien. (c) WeinwurmFotografie
Interview

IT-Berufe im Fokus: Innovative Lösungen gegen den Fachkräftemangel

Angesichts des anhaltenden IT-Fachkräftemangels ist schnelles Handeln gefordert. Die Fachgruppe IT der UBIT Wien setzt in einer Kampagne genau hier an: Mit einem breiten Ansatz soll das vielfältige Berufsbild attraktiver gemacht und innovative Ausbildungswege aufgezeigt werden. IT WELT.at hat dazu mit Rüdiger Linhart, Vorsitzender der Berufsgruppe IT der Fachgruppe UBIT Wien, ein Interview geführt. […]

News

ISO/IEC 27001 erhöht Informationssicherheit bei 81 Prozent der zertifizierten Unternehmen

Eine Umfrage unter 200 Personen verschiedener Branchen und Unternehmensgrößen in Österreich hat erstmals abgefragt, inwiefern der internationale Standard für Informationssicherheits-Managementsysteme (ISO/IEC 27001) bei der Bewältigung von Security-Problemen in der Praxis unterstützt. Ergebnis: Rund 81 Prozent der zertifizierten Unternehmen gaben an, dass sich durch die ISO/IEC 27001 die Informationssicherheit in ihrem Unternehmen erhöht hat. […]

News

Public Key Infrastructure: Best Practices für einen erfolgreichen Zertifikats-Widerruf

Um die Sicherheit ihrer Public Key Infrastructure (PKI) aufrecht zu erhalten, müssen PKI-Teams, sobald bei einer Zertifizierungsstelle eine Sicherheitslücke entdeckt worden ist, sämtliche betroffenen Zertifikate widerrufen. Ein wichtiger Vorgang, der zwar nicht regelmäßig, aber doch so häufig auftritt, dass es sich lohnt, PKI-Teams einige Best Practices für einen effektiven und effizienten Zertifikatswiderruf an die Hand zu geben. […]

News

UBIT Security-Talk: Cyberkriminalität wächst unaufhaltsam

Jedes Unternehmen, das IT-Systeme nutzt, ist potenziell gefährdet Opfer von Cyberkriminalität zu werden, denn die Bedrohung und die Anzahl der Hackerangriffe in Österreich nimmt stetig zu. Die Experts Group IT-Security der Wirtschaftskammer Salzburg lädt am 11. November 2024 zum „UBIT Security-Talk Cyber Defense“ ein, um Unternehmen in Salzburg zu unterstützen, sich besser gegen diese Bedrohungen zu wappnen. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*