Zum Inhalt
Person, die aus dem Fenster schaut

Was sind vorausschauende Analysen?    

Mit vorausschauender Analyse (Predictive Analytics) können Unternehmen mit gewisser Genauigkeit in die Zukunft schauen und neue Trends antizipieren. Diese Fähigkeit war schon immer wichtig – aber noch nie so entscheidend wie heute. Unternehmen mussten erhebliche Unterbrechungen des Handels und der Lieferkette, plötzliche Nachfragespitzen (oder ‑einbrüche), völlig neue Risiken und Herausforderungen und generell schwierige Situationen bewältigen. Deshalb steht die vorausschauende Analyse ganz oben auf der Prioritätenliste von Unternehmen in aller Welt.

Definition von vorausschauender Analyse

Vorausschauende Analyse ist ein Zweig der erweiterten Analyse (Advanced Analytics), die Vorhersagen über zukünftige Ereignisse, Verhaltensweisen und Ergebnisse macht. Mit statistischen Verfahren – einschließlich Algorithmen für maschinelles Lernen und ausgefeilten Vorhersagemodellen – analysiert sie aktuelle und historische Daten und bewertet die Wahrscheinlichkeit, mit der etwas eintreten wird, selbst wenn dieses Ereignis nicht im Fokus eines Unternehmens liegt. 

Vorausschauende Analysen sind für die meisten Branchen von Bedeutung und haben unzählige Einsatzmöglichkeiten, darunter:

  • Abwanderung von Mitarbeitern und Kunden verringern
  • Kunden identifizieren, die am ehesten in Zahlungsverzug geraten
  • datengestützte Absatzprognosen unterstützen
  • optimale Preise festsetzen
  • verfolgen, wann Maschinen gewartet oder ausgetauscht werden müssen

Aussagekräftige, präzise Vorhersagen sind für Entscheidungsträger in einer Welt, die von raschen Veränderungen und Marktschwankungen geprägt ist, unerlässlich. Das war zwar auch schon vor COVID-19 so, aber im Zuge der Pandemie wurde die Fähigkeit, Prognosen und Planungen für mehrere mögliche Szenarios zu erstellen, wichtiger denn je.

Vorausschauende Analysen kommen auch bei der Bekämpfung von COVID-19 zum Einsatz. Krankenhäuser und Gesundheitssysteme nutzen Prognosemodelle, um Risiken abzuschätzen, Krankheitsverläufe zu prognostizieren und Lieferketten für medizinische Geräte und Schutzausrüstungen zu verwalten. Forscher wiederum nutzen Modelle, um die Ausbreitung des Virus abzubilden, die Zahl der Fälle vorherzusagen und die Rückverfolgung von Kontakten zu ermöglichen – mit dem Ziel, die Zahl der Infektionen und Todesfälle zu verringern. 

Vorausschauende Analysen können, wie oben gezeigt, Unternehmen bei der Vorhersage des Cashflows unterstützen.

Vorausschauende Analysen heute

Laut einer Studie von Allied Market Research wird der globale Markt für vorausschauende Analysen bis zum Jahr 2027 voraussichtlich 35,45 Milliarden US-Dollar erreichen und dabei eine durchschnittliche jährliche Wachstumsrate (CAGR) von 21,9 % aufweisen. In der heutigen Welt, in der riesige Datenmengen erzeugt werden, Computer über eine exponentiell steigende Verarbeitungsleistung verfügen und Software interaktiver und benutzerfreundlicher geworden ist, haben vorausschauende Analysen ihren festen Platz gefunden.

 

Unternehmen sammeln nicht nur riesige Datenmengen, sondern auch viele verschiedene Arten von Daten – von herkömmlichen strukturierten Daten bis hin zu unstrukturierten Daten wie IoT (Internet of Things)-, Text- und Videodaten sowie Dark Data. Die Fähigkeit der vorausschauenden Analyse, Big Data aus verschiedenen Quellen zu kombinieren und zu analysieren, führt zu genaueren Prognosen und liefert tiefere und aussagekräftigere Erkenntnisse. Die Cloud ist der Schlüssel für die Vernetzung all dieser verschiedenen Datenquellen. Außerdem ist die Speicherung von Daten in cloudbasierten Data Warehouses und Data Lakes kostengünstiger und skalierbarer als die Speicherung vor Ort.

 

Die vorausschauende Analyse wird heute auch durch Technologien der künstlichen Intelligenz (KI) wie maschinelles Lernen, Deep Learning und neuronale Netze „erweitert“. Diese erweiterten Analysen (Augmented Analytics) können große Datenmengen schnell analysieren, Erkenntnisse aufzeigen, die Menschen möglicherweise entgehen, und die Vorhersage der Wahrscheinlichkeit zukünftiger Ereignisse differenzierter und genauer gestalten. Sie automatisieren auch komplizierte Schritte im Prozess der vorausschauenden Analyse, beispielsweise das Erstellen und Testen von Prognosemodellen. Und die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), eine Form der KI, bei der Nutzer in Umgangssprache Fragen stellen und Antworten erhalten können, macht das Interpretieren und Verstehen dieser Antworten einfacher denn je.

In der Vergangenheit waren die Tools und Techniken der vorausschauenden Analyse so ausgeklügelt – und so kompliziert –, dass nur Datenwissenschaftler und professionelle Analysten in der Lage waren, sie effektiv zu nutzen. Aber mit erweiterten Analysen können nun auch Fachanwender mit minimaler Schulung genaue Vorhersagen treffen und intelligente, vorausschauende Entscheidungen ohne Hilfe der IT fällen – ein Vorteil, der in einem hart umkämpften Markt nicht von der Hand zu weisen ist. 

Beispiele für vorausschauende Analysen

Vorausschauende Analysen sind in nahezu jeder Branche anwendbar und nützlich – von Finanzdienstleistungen bis hin zur Luft- und Raumfahrt. Prognosemodelle werden für die Vorhersage von Lagerbeständen, die Verwaltung von Ressourcen, die Festlegung von Ticketpreisen, die Steuerung der Anlagenwartung, die Entwicklung von Kreditrisikomodellen und vieles mehr eingesetzt. Sie helfen Unternehmen, Risiken zu verringern, Abläufe zu optimieren und den Umsatz zu steigern.

 

Vorausschauende Analysen im Personalwesen

 

Das Personalwesen ist ein Bereich, in dem naturgemäß eine große Menge an Personendaten anfallen. Mit vorausschauenden Analysen können diese Daten analysiert werden, um festzustellen, ob ein potenzieller Mitarbeiter zur Unternehmenskultur passt, welche Mitarbeiter das Unternehmen zu verlassen drohen (siehe unten), ob ein Unternehmen einen Mitarbeiter weiterqualifizieren oder neu einstellen muss, um Qualifikationslücken zu schließen, und ob die Mitarbeiter einen produktiven Beitrag zu den Geschäftsergebnissen leisten. Dadurch kann die Personalabteilung zum Gesamtergebnis des Unternehmens beitragen, anstatt als isolierte Einheit zu agieren.

Vorausschauende Analysen im Personalwesen können zur Vorhersage der Mitarbeiterabwanderung genutzt werden.

Vorausschauende Analysen im Gesundheitswesen

 

Heute stehen Krankenhäuser und Gesundheitseinrichtungen unter enormem Druck, ihre Ressourcen zu maximieren – und vorausschauende Analysen machen dies möglich. Mithilfe vorausschauender Analysen können die Verantwortlichen im Gesundheitswesen ihre finanziellen und operativen Entscheidungen verbessern, den Bestand und den Personalbedarf optimieren, ihre Lieferketten effizienter verwalten und den Wartungsbedarf für medizinische Geräte vorhersagen. Durch die frühzeitige Erkennung von Anzeichen für eine Verschlechterung des Gesundheitszustands von Patienten, die Identifizierung von Patienten, bei denen ein Risiko für eine Wiederaufnahme besteht, und die Verbesserung der Genauigkeit von Patientendiagnosen und ‑behandlungen ermöglichen vorausschauende Analysen zudem eine Förderung der klinischen Ergebnisse. 

 

Vorausschauende Analysen im Einzelhandel

 

Einzelhändler sammeln riesige Mengen an Kundendaten sowohl online durch die Verfolgung von Online-Aktivitäten über Cookies als auch in der realen Welt durch die Beobachtung, wie sich Kunden durch ein Geschäft bewegen. Andere Informationen, die erfasst werden, sind die Kontaktdaten der Kunden am Point-of-Sale, ihre Aktivitäten in sozialen Medien, was sie gekauft haben und wie oft sie bestimmte Artikel erwerben oder ein Geschäft besuchen. Mithilfe vorausschauender Analysen können Einzelhändler diese Daten für verschiedene Zwecke nutzen, von der Bestandsoptimierung und Umsatzprognose bis hin zu Verhaltensanalysen, Kundenansprache und Betrugserkennung.

 

Vorausschauende Analysen im Marketing

 

In der heutigen Zeit können Kunden fast überall online bestellen, was sie wünschen und wann sie es möchten. Dabei sind die durch vorausschauende Analysen erstellten Modelle für Marketingspezialisten äußerst wertvoll, um ihre Kampagnen gezielter und effektiver zu gestalten. Vorausschauende Marketinganalysen ermöglichen datengestützte Kunden- und Zielgruppensegmentierung, Neukundengewinnung, Lead-Bewertungen, Content- und Anzeigenempfehlungen sowie Hyperpersonalisierung. Marketingspezialisten können die Daten eines Kunden nutzen, um ihm Promotionaktionen, Werbekampagnen und Vorschläge für andere Produkte, die ihm gefallen könnten, genau zum richtigen Zeitpunkt zu unterbreiten und so die Kundenerfahrung und ‑bindung verbessern. 

 

Vorausschauende Analysen in der Lieferkette

 

Vorausschauende Analysen sind für den Betrieb einer agilen, resilienten Lieferkette und die Vermeidung von Unterbrechungen unerlässlich geworden. Sie werten riesige Datensätze aus vielen verschiedenen Quellen aus, um genaue Angebots- und Nachfrageprognosen zu erstellen, optimale Lagerbestände zu ermitteln, die Logistik und die Liefertreue zu verbessern, Probleme bei der Wartung von Anlagen vorherzusagen, unvorhergesehene Situationen zu erkennen und sich an diese anzupassen – und vieles mehr.

Unternehmen, die vorausschauende Analysen nutzen

AG Real Estate: Der größte belgische Immobilienkonzern setzt auf vorausschauende Analysen, um das Kaufverhalten der Kunden genauer vorherzusagen. Durch die Kombination von Daten aus Quellen wie Kameras in Einkaufszentren, Wettervorhersagen und Finanzdaten kann AG Real Estate das Einkaufserlebnis seiner Kunden verbessern und seine Shoppingcenter im Zeitalter des E-Commerce wettbewerbsfähig halten.

 

Rainforest Connection: Bis zu 90 % der Rodungen im Regenwald sind illegal. Rainforest Connection arbeitet daran, die illegale Abholzung zu stoppen, indem alte Handys an Bäumen befestigt werden, mit denen Audiodaten aufgezeichnet werden. Durch die Auswertung der Geräusche, die die Tiere von sich geben, kann genau vorhergesagt werden, wann ein illegaler Holzeinschlag beginnt.

Grundlegende Schritte im Prozess der vorausschauenden Analyse

Der Prozess der vorausschauenden Analyse umfasst die Definition eines Ziels, die Erfassung und Bereinigung großer Datenmengen und die Erstellung von Prognosemodellen durch ausgeklügelte Algorithmen und Techniken zur Vorhersage. Dieser traditionell komplexe Prozess wird dank neuer KI-Technologien immer stärker automatisiert und für den durchschnittlichen Geschäftsanwender nachvollziehbarer. Dennoch benötigen Unternehmen bei bestimmten Schritten oder bei der Erstellung bestimmter Modelle möglicherweise immer noch die Hilfe der IT-Abteilung.

 

Vereinfacht ausgedrückt sehen die Schritte im Prozess der vorausschauenden Analyse wie folgt aus:

Die Schritte im Prozess der vorausschauenden Analyse

Diagramm, das die Prozessschritte für vorausschauende Analysen darstellt
  1. Definieren Sie die Ziele Ihres Projekts. Was ist das gewünschte Ergebnis? Welches Problem möchten Sie lösen? Der erste Schritt besteht darin, die Ziele Ihres Projekts, die zu erbringenden Leistungen, den Umfang und die erforderlichen Daten zu definieren.
  2. Erfassen Sie Ihre Daten. Sammeln Sie alle benötigten Daten an einem Ort. Beziehen Sie verschiedene Arten aktueller und historischer Daten aus einer Vielzahl von Quellen ein – von Transaktionssystemen und Sensoren bis hin zu Callcenter-Protokollen –, um detailliertere Ergebnisse zu erhalten. 
  3. Bereinigen Sie Ihre Daten und bereiten Sie sie für die weitere Verarbeitung vor. Bereinigen, optimieren und integrieren Sie Ihre Daten, damit sie für die Analyse bereit sind. Entfernen Sie Ausreißer und identifizieren Sie fehlende Informationen, um die Qualität Ihres Prognosedatensets zu verbessern.
  4. Erstellen und testen Sie Ihr Modell. Erstellen Sie Ihr Prognosemodell, trainieren Sie es mit Ihrem Datensatz und testen Sie es, um seine Genauigkeit zu gewährleisten. Die Erstellung eines fehlerfreien Modells kann mehrere Iterationen erfordern.
  5. Implementieren Sie Ihr Modell. Setzen Sie Ihr Prognosemodell ein und wenden Sie es auf neue Daten an. Erhalten Sie Ergebnisse und Berichte – und automatisieren Sie die Entscheidungsfindung auf der Grundlage der Ergebnisse.
  6. Überwachen und verfeinern Sie Ihr Modell. Überprüfen Sie Ihr Modell regelmäßig, um seine Leistung zu kontrollieren und sicherzustellen, dass es die erwarteten Ergebnisse liefert. Verfeinern und optimieren Sie Ihr Modell nach Bedarf.

Vorausschauende und präskriptive Analyse

Was kommt nach der Entwicklung und dem Einsatz von Prognosemodellen, die genaue und zeitnahe Vorhersagen ermöglichen? Viele Unternehmen sehen in der präskriptiven Analyse den nächsten logischen Schritt.

 

Mithilfe der vorausschauenden Analyse können Sie feststellen, was wahrscheinlich als Nächstes passieren wird, während die präskriptive Analyse Ihnen sagt, wie Sie das Ergebnis beeinflussen bzw. wie Sie ein besseres Ergebnis erzielen können, wenn Sie sich für Variante X, Y oder Z entscheiden. Diese Art der Advanced Analytics baut auf der vorausschauenden Analyse auf und berücksichtigt viele verschiedene Faktoren, um die bestmögliche Vorgehensweise oder Entscheidung festzulegen.

 

Die präskriptive Analyse wird oft als die „letzte Phase von Business Analytics“ bezeichnet. Sie ist auch der komplexeste und ein relativ neuer Analysetyp – und steht derzeit an der Spitze des Hype Cycle for Analytics and Business Intelligence 2020 von Gartner.

Ergebnisse per Knopfdruck vorhersagen

SAP Analytics Cloud kennenlernen – erweiterte und vorausschauende Analyse in der Cloud

SAP-Insights-Newsletter

Jetzt abonnieren

Abonnieren Sie unseren Newsletter und erhalten Sie wichtige Informationen und Einblicke.

Weitere Informationen

Zum Seitenanfang