Business Intelligence

Mit Predictive Analytics in die Zukunft blicken

22.07.2014
Von Sebastian Koeffer
Zukunftsprognosen sind so alt wie die Menschheit und haben nichts von ihrer Faszination verloren. Mit Hilfe von Predictive Analytics wollen Verantwortliche in Unternehmen komplexe wirtschaftliche Zusammenhänge vorhersagen können und dieses Wissen dazu nutzen, bessere Entscheidungen zu treffen.
Das neue Business Intelligence.
Das neue Business Intelligence.
Foto: fotolia.com/Benicce

Die milliardenschweren Wertverluste während der Finanzkrise, das fast schon übliche Winterchaos bei der Bahn oder regelmäßig teure Rückrufaktionen in der Automobilindustrie sorgen in der Öffentlichkeit immer wieder für Irritationen. Die Kunden fragen sich, warum Unternehmen diese Entwicklungen nicht durch interne Analysen im Vorfeld erkennen. Tatsächlich sind laut den Analysten von Gartner solche Techniken für Predictive Analytics schon heute auf dem Vormarsch: Bis 2014, so die Prognose, sollen 30 Prozent aller analytischen Anwendungen proaktive, vorhersagende Funktionen enthalten. Lesen Sie im Folgenden, was Predictive Analytics genau bedeutet, wie künftige Einsatzszenarien aussehen könnten, und was Anwender und Unternehmen beachten sollten.

Lesen Sie mehr zum Thema Business Intelligence und Analytics:

Das Orakel der Gegenwart heißt Predictive Analytics

Predictive Analytics versprechen bessere Entscheidungen.
Predictive Analytics versprechen bessere Entscheidungen.
Foto: Tanja Jäckel - Fotolia.com

Durch den Einsatz von Business Intelligence können Unternehmen Fragen zu ihrer gegenwärtigen Situation relativ präzise beantworten. Qualitätsgesicherte Kennzahlen und Auswertungen kombiniert mit Plan-/Ist-Vergleichen bilden vielerorts eine wesentliche Grundlage, um Entscheidungen des Managements zu unterstützen. Wenn die Systeme mit den entsprechenden Daten gefüttert werden, erlauben diese zudem einen Blick in die Zukunft und können bei der Ressourcenplanung und Risiko-Beurteilungen unverzichtbare Dienste leisten. Doch speziell wenn sich Geschäfte und Märkte nicht gleichläufig entwickeln, braucht es spezifischere Analyse-Tools, um belastbare und treffsichere Prognosen zu erhalten.

Als Orakel der Gegenwart verspricht Predictive Analytics und verlässliche Antworten auf drängende Fragen der Entscheidungsträger: Warum sind die Zahlen, so wie sie sind und wie werden sich diese in der Zukunft entwickeln? Nach der Definition des Analystenhauses Forrester kann zu Predictive Analytics jede Lösung gezählt werden,

  • mit deren Hilfe sich aussagekräftige Muster und Abhängigkeiten in Datenbeständen identifizieren lassen,

  • und auf diese Weise mögliche zukünftige Ereignisse vorhersagen sowie potenzielle Handlungsmöglichkeiten bewerten lassen.

In die Analyse können dabei auch unstrukturierte Daten zum Beispiel aus sozialen Netzwerken einbezogen werden.

Muster in Datenbeständen zu erkennen, ist die zentrale Aufgabe des Data Mining. In der Tat sind die Methoden und Werkzeuge des Data Mining ein wesentlicher Bestandteil von Predictive-Analytics-Lösungen. Klassische Data-Mining-Methoden umfassen beispielsweise die Klassifizierung (Clustering) und Modellierung von Entscheidungsbäumen, neuronale Netze sowie Assoziationsanalysen. Die Trennung zwischen den Begriffen Data Mining und Predictive Analytics ist häufig unscharf. Jedoch kristallisiert sich in Wissenschaft und Fachwelt für zukunftsbezogene Auswertungen immer mehr der Begriff Analytics heraus. Dieser geht über die Erkennung von Mustern in großen Datenmengen hinaus und bezieht auch statistische Berechnungen, Elemente der Spieltheorie sowie Methoden des Operations Research, wie Optimierungsrechnung und Simulation mit ein. Kurzum: Alles, was dabei hilft die Zukunft vorherzusagen.

Für einen möglichst effizienten Einsatz von Predictive Analytics müssen den Forrester-Experten zufolge bestehende Datenbestände im Data Warehouse oder ETL-Prozesse (ETL = Extract, Transform, Load) mit einbezogen werden. Viele Unternehmen nutzen zudem Synergieeffekte, indem sie die Funktionen zu Predictive Analytics in bestehende BI-Landschaften integrieren. Die Informationen fließen dabei in beide Richtungen. Der Endanwender merkt dabei unter Umständen gar nicht, dass im Hintergrund verschiedene Systeme zusammenarbeiten und die Ergebnisse im Berichtswesen gemeinsam zur Anzeige bringen. Alle führenden Hersteller von Predictive-Analytics-Lösungen bieten dazu umfangreiche Datenbank-Schnittstellen an.