Was sind vorausschauende Analysen?
Vorausschauende Analyse ist ein Zweig der erweiterten Analyse (Advanced Analytics), die Vorhersagen über zukünftige Ereignisse, Verhaltensweisen und Ergebnisse macht.
Überblick über die vorausschauende Analyse
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 Beschäftigten 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 die Fähigkeit, Prognosen und Planungen für mehrere mögliche Szenarios zu erstellen, ist heutzutage wichtiger denn je.
Vorausschauende Analysen kamen 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. Forschende 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 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 an der Spitze des Hype Cycle for Analytics and Business Intelligence 2020 von Gartner.
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 Nutzende 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 Datenforschende und professionelle Analysefachkräfte in der Lage waren, sie effektiv zu nutzen. Aber mit erweiterten Analysen können nun auch Fachanwender:innen 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 potenzielles Teammitglied zur Unternehmenskultur passt, welche Mitarbeitenden das Unternehmen zu verlassen drohen (siehe unten), ob ein Unternehmen Beschäftigte weiterqualifizieren oder neu einstellen muss, um Qualifikationslücken zu schließen, und ob die Mitarbeitenden 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 erkrankten Personen, die Identifizierung von Menschen, 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 Marketingfachkräfte 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. Marketingteams können die Daten von Kunden nutzen, um ihnen Promotionaktionen, Werbekampagnen und Vorschläge für andere Produkte, die ihnen 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
Die Motor Oil Group ist ein führendes Unternehmen auf dem Gebiet der Rohölraffination und im Vertrieb von Erdölprodukten in Griechenland und im östlichen Mittelmeerraum. Mithilfe von Funktionen für vorausschauende Analysen werden Sensordaten zur kontinuierlichen Überwachung des Anlagenzustands und zur Vorhersage potenzieller Störungen Tage vor deren Auftreten genutzt. Basierend auf der Ursachenanalyse historischer Daten erreicht das Unternehmen eine Genauigkeit von mehr als 77 % bei Rückschlüssen auf außergewöhnliche Ereignisse zwischen 120 und 20 Stunden im Voraus.
Ottogi Corporation ist eines der größten Lebensmittel- und Getränkeunternehmen in Korea und eine weltweit bekannte Marke für Currypulver, Instantnudeln und viele weitere Produkte. Die Bedarfsprognose inklusive vorausschauender Analysen ist fest in die Unternehmensprozesse integriert und dient als Grundlage für strategische Entscheidungen in den Abteilungen Vertrieb, Marketing, Fertigung und Finanzen, weil sie detaillierte Erkenntnisse über Marktanteil und das Geschäft an sich bietet.
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
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
Ergebnisse per Knopfdruck vorhersagen
SAP Analytics Cloud kennenlernen – erweiterte und vorausschauende Analyse in der Cloud
Innovative Ideen, die inspirieren
Registrieren Sie sich, um interessante und relevante Informationen zum Thema Business Intelligence zu erhalten.