Glossar Big-Data-Trends – Teil 2: Predictive Analytics
Durch Predictive Analytics wissen Sie schon jetzt, wie Kunden später reagieren. Im Vergleich zu traditionellen Methoden wie Marketing-Modellen, dem Forecasting-System im Vertrieb oder einer Vorschlagsmaschine im Onlineshop kann die Berechnung von Wahrscheinlichkeiten für Ereignisse wie etwa einen Vertragsabschluss weitaus mehr leisten. Dank Predictive Analytics können Unternehmen die Essenz aus Big-Data filtern. Wenn Sie die Spur des Kunden im Big Data über alle Kanäle und Kontaktpunkte hinweg analysieren, kommen Sie zu einer sicheren Vorhersage seines zukünftigen Verhaltens.
Auch wenn Sie die Zukunft nicht komplett vorhersagen können, so können Sie sich dennoch mit Daten aus der Vergangenheit zielsicher auf kommende Trends und Entwicklungen vorbereiten. Die Methode birgt aber ein Risiko: Im Detail die Annahme, dass das Verhalten des Modells in der Vergangenheit zukünftig unverändert bleibt. Sie tun also gut daran, das stationäre Verhalten eines abgeleiteten Modells und seine fundamentalen Annahmen regelmäßig zu hinterfragen, um zutreffende Vorhersagen sicherzustellen.
Predictive Analytics fußt im Prinzip auf Data Mining. Die Regressionsanalyse, die mit der Regressionsgleichung ein direkt anwendbares Modell liefert, ist die häufigste Data-Mining-Methode in Predictive Analytics. Machen Sie aber nicht den beliebten Fehler und setzen Data Mining mit Predictive Analytics gleich, auch wenn Methoden und Werkzeuge des Data Mining zentraler Bestandteil dieser Lösung sind. Zusätzlich zu den Data-Mining-Methoden zum Erkennen von Mustern in Datenmengen nutzt Predictive Analytics statistische Berechnungen, maschinelles Lernen, Elemente der Spieltheorie sowie Methoden des Operations Research wie Optimierungsrechnung und Simulationsverfahren. Bei Predictive Analytics nutzen Sie neben Mathematik und Statistik für die Analyseverfahren auch Linguistik zur Textanalytik, wenn Sie bei nicht-strukturierten Textdaten wie Artikeln, Blogs oder Tweets Strukturen lokalisieren möchten.
Ein zeitgemäßes Informations-Management ist der Grundstein für erfolgreiches Anwenden von Predictive Analytics. Entsprechende Zuordnung der Daten zu einem eineindeutig identifizierbaren Kunden und professionelle Aufbereitung der Datenmengen ist Voraussetzung, um mit Predictive Analytics Big Data in Smart Customer Data umzuwandeln und so ein zufriedenstellendes Kundenerlebnismanagement zu schaffen.
Neben der Wahl für das mathematische, statistische oder linguistische Modell und ausreichender Sorgfalt im Umgang mit fundamentalen Annahmen ist zur Bewertung der jeweiligen Interpretation entscheidend, dass Sie auf passende, repräsentative Daten zurückgreifen. So verschaffen Sie sich Einsichten, die auf belastbaren Fakten fußen und Ihrem Unternehmen optimale Entscheidungen, Aktionen und Maßnahmen für die erwünschten Ziele ermöglichen.
Obwohl in der Regel ausschließlich der Oberbegriff Predictive Analytics verwendet wird, gibt es methodische Abgrenzungen zu Descriptive Analytics und Prescriptive Analytics.
Predictive Analytics: Unter der Fragestellung „Was passiert in Zunkunft“ wird auf Grundlage von Data Mining und statistischen Methoden ermittelt, mit welcher Wahrscheinlichkeit ein kommendes Ereignis eintritt.
Descriptive Analytics: Unter der Fragestellung „Was passierte in der Vergangenheit“ unterstützt die Methode dabei, Auswirkungen auf die aktuelle Situation einzuordnen. Meist ist der Einsatz der Anfang dafür, Ursache-Wirkungs-Zusammenhänge festzustellen. Nutzen Sie Descriptive Analytics, um Beziehungen zwischen Kunden und Produkten zu verstehen und legen die Basis für zukünftige Entscheidungen.
Prescriptive Analytics: Unter der Fragestellung „Was muss ich tun, um ein zukünftiges Ereignis zu beieinflussen“ kann diese Methode Handlungsempfehlungen auf Grundlage von Predictive Analytics liefern. Zudem entstehen so Erklärungen, wieso ein Ereignis wahrscheinlich ist und anhand dieser Information wie die optimale Reaktion aussehen würde. Neben größerem Verständnis für die Situation und kommende Trends haben Sie die Möglichkeit, diese bewusst zu beeinflussen.