Suchen

Geschäftstrends frühzeitig erkennen Mit Predictive Analytics die richtige Entscheidung treffen

| Autor / Redakteur: Andreas Naunin / Nico Litzel

Ein Blick in die Zukunft, um zu erfahren, wie sich das Geschäft entwickeln wird, und auf dieser Basis wirtschaftliche Geschäftsentscheidungen schon im Vorfeld treffen, das wünschen sich Unternehmen schon lange. Mit Predictive-Analytics-Lösungen sind Unternehmen heute in der Lage, Fragen zu ihrer aktuellen Geschäftssituation zu beantworten und präzise Prognosen zu treffen.

Firmen zum Thema

Der Autor: Andreas Naunin ist Geschäftsführer des BI-Beratungsunternehmens Infomotion
Der Autor: Andreas Naunin ist Geschäftsführer des BI-Beratungsunternehmens Infomotion
(Bild: Infomotion)

Dank der stetig steigenden Leistungsfähigkeit und Benutzerfreundlichkeit moderner IT-Systeme, beispielsweise bei In-Memory-Technologien zur Verwaltung von Big Data, gibt es deutlich mehr Möglichkeiten, um fundierte Vorhersagen für das Geschäft zu treffen. In vielen Unternehmen hat die Geschäftsführung diesen Trend erkannt und fordert von der IT und den Fachbereichen, Predictive-Analytics-Verfahren zu etablieren, um mehr aus den Massendaten „herauszuholen“. Diese Entwicklung bietet Firmen zwei neue Handlungsfelder.

Taktische und strategische Weichenstellungen

Predictive-Analytics-Verfahren können in operativen Prozessen zur Vorhersage genutzt oder für taktische und strategische Entscheidungen herangezogen werden. Basis hierfür ist die Abbildung der Zusammenhänge in der Datenbasis in einem entsprechenden Modell. Meistens nutzen Unternehmen hierfür Spezialisten, die entsprechendes Methodenwissen sowie umfassende Erfahrung in der Interpretation von Daten haben. So sind beispielsweise auf der Grundlage von aktuellen und präzisen Absatzprognosen eine optimierte Produktionsplanung oder aufgrund von erkannten Konsummustern passgenaue Angebote möglich.

Darüber hinaus können auch Endanwender dank der Verfügbarkeit großer Datenmengen und benutzerfreundlicher Analysewerkzeuge einfache Prognoseverfahren nutzen. Sie sind beispielsweise in der Lage, individuelle Prognosen für geplante Marketing- und Vertriebsaktivitäten zu erstellen oder dank aktueller Lieferanten- und Dienstleisterinformationen Einkaufsentscheidungen zu treffen.

Datenqualität und Anwendungsfälle sind entscheidend

Oftmals schlagen Predictive-Analytics-Projekte fehl, weil die Daten nicht die notwendige Qualität besitzen oder Endanwender den Umgang mit statistischen Methoden nicht gewohnt sind. Sind die Daten fehlerhaft oder nicht vollständig, lehnen – gerade Skeptiker – das neue Analyseverfahren schnell ab. Auch präzise erstellte Prognosemodelle oder -anwendungen werden dann nicht eingesetzt. Daher wird das Fundament für einen erfolgreichen Predictive-Analytics-Ansatz bereits in der BI-Strategie gelegt. Implementierte Verfahren zur Datengewinnung, -haltung und -qualität bilden die Basis und geben Sicherheit über die verwendeten Daten und erzielten Ergebnissen.

Empfehlung

Unternehmen sollten mit einfachen Modellen starten, die aus den Anforderungen der Geschäftsanwender abgeleitet sind. Sie sollten Anwendungsfälle identifizieren, bei denen der Nutzen eindeutig ist und diese auf eine qualitativ hochwertige Datenbasis stellen. Um Predictive-Analytics-Verfahren schnell im Unternehmen zu etablieren, ist das Verständnis und die Unterstützung der Geschäftsführung sowie eine hohe Akzeptanz der Anwender Grundvoraussetzung.

(ID:43373375)