Was ist Verhaltensanalyse und wann ist sie wichtig?

Die Möglichkeit, große Datenmengen auszuwerten, um das Verhalten der Nutzer zu untersuchen, bietet weitreichende geschäftliche Vorteile und Möglichkeiten zur Risikominderung. [...]

Sie kaufen ein Auto. Sie besuchen die Website eines Herstellers, um sich über die Ausstattungsvarianten zu informieren, sehen sich die Angebote auf der Website des örtlichen Händlers an und besuchen dann den Händler. Welche Informationen kann der Verkäufer prüfen, um sich über Ihre Kaufwünsche zu informieren und die besten Optionen für Sie zu ermitteln?

Das Security Operations Center (SOC) erhält eine Warnung über die Aktivitäten eines Mitarbeiters im Netzwerk. Informiert sich der Mitarbeiter über verschiedene Geschäftsbereiche und arbeitet nur zu unerwarteten Zeiten von einem entfernten Standort aus? Oder handelt es sich um böswilliges Verhalten und das SOC sollte Maßnahmen ergreifen?

Dies sind Beispiele für Informationen, die die Analyse des Nutzerverhaltens liefern kann. Zu den üblichen Anwendungsfällen gehören die Steigerung des Umsatzes im Business-to-Business- und Business-to-Consumer-Bereich, die Verbesserung der Kundenerfahrung, die Erkennung von Anomalien, die Warnung vor Risiken und die Nutzung von Daten aus dem Internet der Dinge, um gefährliche Situationen zu erkennen.

Rosaria Silipo, Principal Data Scientist und Head of Evangelism bei KNIME, bietet diese einfache Definition von Verhaltensanalyse. Sie sagt: “ Verhaltensanalyse untersucht die Reaktionen und Verhaltensmuster von Menschen in spezifischen Situationen“.

Geschäftschancen durch Verhaltensanalyse

Verhaltensanalysen sind immer dann besonders wichtig, wenn ein Produkt oder eine Dienstleistung von vielen Menschen in Anspruch genommen wird, die zahlreiche Dinge tun, bei denen es sowohl Möglichkeiten zur Verbesserung der Ergebnisse als auch zur Verringerung der Risiken gibt. Beispiele hierfür sind die Kaufgewohnheiten von Kunden auf großen E-Commerce-Websites, Anwendungen im Gesundheitswesen, Spieleplattformen und die Vermögensverwaltung im Bankwesen. Silipo erklärt weiter: „Das Ziel ist es, die Masse der Menschen zu untersuchen, und der Schlüssel dazu ist die Verfügbarkeit großer Datenmengen.“

Kathy Brunner, CEO von Acumen Analytics, verweist auf Forschungsergebnisse [engl.], wonach der weltweite Markt für Verhaltensanalysen bis 2026 von 427,3 Millionen US-Dollar auf 2,2 Milliarden US-Dollar anwachsen soll, bei einer durchschnittlichen jährlichen Wachstumsrate von 32 % zwischen 2022 und 2026.

Brunner gibt diese Einblicke in die Geschäftsmöglichkeiten. „Der Schwerpunkt liegt derzeit vor allem auf dem Einzelhandel, und warum auch nicht? Einen echten Wandel sehe ich in der Kombination dieser Fähigkeit mit KI/ML, anderen fortschrittlichen Modellierungstechnologien und realen Daten aus dem Gesundheitswesen. Stellen Sie sich die Auswirkungen vor, die sich ergeben, wenn man herausfindet, wie man Patienten am besten in klinische Studien einbezieht, die Medikamentenentwicklung verbessert und die Patientenergebnisse mit präziser und personalisierter Medizin verbessert.“

Obwohl die Verhaltensanalyse problematisch sein kann, wenn eine Implementierung gegen Datenschutznormen oder Compliance-Vorschriften verstößt, kann sie auch zu sehr positiven Ergebnissen für Verbraucher und Unternehmen führen.

Risikominderung mit Verhaltensanalyse

Die Verhaltensanalyse wird häufig für Geschäftschancen genutzt, aber diese Techniken sind genauso gut geeignet, um Risiken zu erkennen und zu vermeiden. Die Verhaltensanalyse wird im Bankwesen [engl.] zur Betrugserkennung eingesetzt, in KI-Tools eingebettet, um das Vorfallsmanagement zu verbessern, und hilft Glücksspielsystemen, Betrüger zu identifizieren.

Große Unternehmen mit vielen globalen Mitarbeitern, Auftragnehmern und Zulieferern nutzen ebenfalls Verhaltensanalysen, um verdächtige Aktivitäten zu erkennen. Isaac Kohen, Vizepräsident für Forschung und Entwicklung bei Teramind, sagt: „Die Analyse des Benutzer- und Entitätsverhaltens kann eine Vielzahl von anomalen Verhaltensweisen identifizieren und das Unternehmen darauf aufmerksam machen. Potenzielle Bedrohungen können böswillige, unbeabsichtigte oder kompromittierte Aktivitäten eines Mitarbeiters, eines Benutzers oder einer Drittpartei sein. Sie wird in vielen Branchen eingesetzt, um Insider-Bedrohungen zu verhindern und das Benutzerverhalten im Hinblick auf die Einhaltung von Vorschriften und gesetzlichen Bestimmungen zu analysieren.“

Die Datenwissenschaft, die der Verhaltensanalyse zugrunde liegt, wird häufig auf Menschen, Kunden und Benutzer angewandt, kann aber auch auf Entitäten angewendet werden, die in großen Systemen arbeiten.

Todd Mostak, CTO und Mitbegründer von OmniSci, teilt diese breitere Perspektive: “ Die Verhaltensanalyse ist ein datengesteuerter Ansatz zur Verfolgung, Vorhersage und Nutzung von Verhaltensdaten, um fundierte Entscheidungen zu treffen. Angesichts der Verspätungen in der Logistik und der Engpässe in der Lieferkette kann die Verhaltensanalyse die Aktivitäten von Milliarden von Schiffen überwachen, Häfen untersuchen und globale Versandmuster untersuchen, um Experten bei der Lösung dieser Probleme zu helfen.“

Die Statistik hinter der Verhaltensanalytik

Die Verhaltensanalyse ist eine breit angelegte Anwendung von Datenwissenschaft, maschinellem Lernen und KI-Techniken. Scott Toborg, Leiter der Data Science- und Analytics-Produkte bei Teradata, erklärt die zugrunde liegende Datenwissenschaft. „Die Verhaltensanalyse nutzt Kundendaten darüber, wer sie sind (Demografie), was sie tun (Ereignisse) und mit wem sie interagieren (Verbindungen), um bessere Erkenntnisse, Vorhersagen und Maßnahmen abzuleiten. Der Prozess besteht aus Segmentierung, prädiktiver Modellierung und präskriptiven Maßnahmen“.

Toborg weist darauf hin, dass die Verhaltensanalyse viele der gleichen Möglichkeiten bietet wie die Datenwissenschaft, aber auch mit Herausforderungen bei der Entwicklung und Unterstützung von maschinellen Lernmodellen konfrontiert ist. Er fährt fort: „Wenn sie richtig implementiert wird, führt die Verhaltensanalyse zu besseren Kundenerfahrungen, präziserem zielgerichtetem Marketing und größerem Engagement. Es gibt jedoch auch Herausforderungen, darunter Datenschutz, Modellverzerrungen und die Bildung von Stereotypen“.

Nützliche Techniken und Technologien

Bei der Verhaltensanalyse handelt es sich um eine Reihe von Betriebs-, Daten- und Technologiepraktiken, die auf bestimmte Geschäftsmöglichkeiten abzielen oder eine Reihe von quantifizierbaren Risiken mindern sollen. Es gibt viele Möglichkeiten für Unternehmen, Verhaltensanalysen zu implementieren. Die folgende Liste ist ein Auszug aus den verfügbaren Lösungen.

• Plattformen wie Content Management, E-Commerce und Digital Experience enthalten häufig Funktionen zur Unterstützung von Verhaltensanalysen.
• Kundendatenplattformen zentralisieren Daten über Kunden und ihre Handlungen und bieten gleichzeitig Integrationen zur Durchführung von Aktionen auf Marketingautomatisierungsplattformen, Werbesystemen, E-Commerce und anderen Plattformen.
• Plattformen für die Produktanalyse und die Analyse digitaler Erlebnisse wie Adobe Analytics, Amplitude, Contentsquare, FullStory, Glassbox, Heap, Mixpanel und Userpilot aggregieren Nutzungsmetriken und bieten Analysefunktionen.
• Medien, E-Commerce und andere inhaltsreiche Websites sollten intelligente Suchplattformen in Betracht ziehen, die Verhaltensanalysen, Empfehlungsmaschinen und Personalisierungsfunktionen beinhalten.
• Zu den Techniken, mit denen man experimentieren und aus den Reaktionen der Benutzer lernen kann, gehören A/B-Tests, Aufzeichnungen der Benutzeraktivitäten, Tools zur Aktivitätsmessung und Verfahren zur Messung des Kundenfeedbacks. Diese zielen darauf ab, Aktivitäten auf der Grundlage von Kundensegmenten und Personas zu optimieren.
• Anwendungsentwickler können Feature-Flagging einsetzen, um groß angelegte A/B-Tests von Funktionen zu unterstützen, und gleichzeitig die Beobachtbarkeit von Microservices implementieren, um bösartige API-Aktivitäten zu identifizieren.
• Unternehmen können auch Datenanalyse-, Analyseprozessautomatisierungs- oder maschinelle Lernplattformen in Betracht ziehen, um Verhaltensdaten zu zentralisieren und Verhaltensanalysefunktionen zu erstellen. Zu den Datenplattformen gehören Alteryx, Dataiku, Databricks, DataRobot, Informatica, KNIME, RapidMiner, SAS, Tableau, Talend und viele andere.
• IoT, Wearables, Augmented Reality/Virtual Reality, sprachgesteuerte Geräte und Kameras mit Computer-Vision-Fähigkeiten stellen neue Inputs und Datenquellen für die Erfassung von Verhaltensdaten dar.

Fazit

Es besteht kaum ein Zweifel daran, dass immer mehr Unternehmen den Einsatz von Verhaltensanalysen in Erwägung ziehen werden, um ihre Umsätze zu steigern, das Kundenerlebnis zu verbessern und Risiken zu verringern.

*Isaac Sacolick ist Präsident von StarCIO und der Autor des Amazon-Bestsellers Driving Digital: The Leader’s Guide to Business Transformation through Technology, der viele Praktiken wie agile Planung, Devops und Data Science behandelt, die für erfolgreiche digitale Transformationsprogramme entscheidend sind. Sacolick ist ein anerkannter Top-Social-CIO und Influencer im Bereich der digitalen Transformation. Er hat mehr als 700 Artikel auf InfoWorld.com, CIO.com, seinem Blog Social, Agile, and Transformation und anderen Websites veröffentlicht.