Definition

Was ist Prescriptive Analytics?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Prescriptive Analytics geht der Frage nach, wie sich verschiedene Vorgehensweisen auf ein Ergebnis auswirken. Unternehmen erhalten dadurch Handlungsanweisungen und die Möglichkeit, die Entscheidungsfindung zu automatisieren. Prescriptive Analytics ist Teil der Business-Analyse.

Prescriptive Analytics stellt die dritte und abschließende Phase der Business-Analyse dar. Sie baut auf Descriptive Analytics und Predictive Analytics auf und beschäftigt sich mit der Frage, wie sich die verschiedenen Handlungen auf ein Ergebnis auswirken und welche die optimalen Vorgehensweisen in bestimmte Situationen sind. Als Resultat liefert Prescriptive Analytics Handlungsempfehlungen und ermöglicht automatisierte Entscheidungsfindungen.

Es handelt sich um einen dynamischen Ansatz, der datenbasiert ist und mathematische Algorithmen als Analysemethoden nutzt. Das Ziel von Prescriptive Analytics ist es, die richtigen Entscheidungsoptionen vorzuschlagen, um maximale Vorteile zu erzielen oder Risiken zu minimieren. Für die Verbesserung der Qualität der Vorhersagen und die Wahl der richtigen Entscheidungen verarbeitet und analysiert Prescriptive Analytics kontinuierlich interne und externe Daten aus verschiedenen Quellen. Begrenzt verfügbare oder nicht aktuelle Daten sowie nicht berücksichtigte Einflussfaktoren können zu ungenauen oder fehlerhaften Handlungsempfehlungen führen.

Abgrenzung der Begriffe Descriptive, Predictive und Prescriptive Analytics

Die Business-Analyse nutzt Analysemethoden wie Descriptive Analytics, Predictive Analytics und Prescriptive Analytics. Die Analysemethoden lassen sich deutlich voneinander abgrenzen und basieren auf unterschiedlichen Fragestellungen. Während sich Descriptive Analytics auf die Vergangenheit bezieht und sich mit der Frage beschäftigt, was passiert ist, versucht Predictive Analytics künftige Ereignisse vorherzusagen. Die Frage dazu lautet: Was wird voraussichtlich passieren? Als Antwort liefert Predictive Analytics Eintrittswahrscheinlichkeiten für bestimmte Ereignisse.

Prescriptive Analytics versucht, das beste Ergebnis oder eine optimale Lösung zu erzielen, indem die Auswirkungen der verschiedenen Handlungsoptionen auf das Ergebnis analysiert werden. Die Frage hinter Prescriptive Analytics ist: Welche Handlungen sind für ein bestimmtes Ergebnis auszuführen? Damit geht Prescriptive Analytics einen Schritt weiter als Predictive Analytics und liefert zusätzlich zu den Eintrittswahrscheinlichkeiten passende Handlungsempfehlungen für bestimmte Situationen. Dem Anwender von Predictive Analytics stehen beim Eintreten unterschiedlicher Szenarien jeweils spezifische Vorgehensweisen zur Verfügung, die zu einem optimalen Ergebnis oder zu minimalen Risiken führen. Das unternehmerische Handeln lässt sich dadurch bis zu einem gewissen Grad automatisieren und optimieren.

Prescriptive Analytics und die Daten

Basis für Prescriptive Analytics bilden strukturierte und unstrukturierte Daten aus internen und externen Quellen sowie komplexe mathematische Algorithmen. Die Algorithmen werden auf die Daten angewendet und liefern die gewünschten Ergebnisse. Zu den genutzten Methoden gehören künstliche Intelligenz, Statistik, Wahrscheinlichkeitsrechnung und Simulationen. Die Daten können aus unterschiedlichen Quellen wie dem klassischen Data Warehouse stammen. Auch die unstrukturierten Daten aus NoSQL-Datenbanken aus dem Big-Data-Umfeld werden von Prescriptive Analytics herangezogen. Es sind grundsätzlich alle Daten, auch externe, zu berücksichtigen, die Einfluss auf die untersuchten Prozesse haben können.

Prescriptive Analytics bietet viele Einsatzmöglichkeiten. Vor allem in Bereichen, in denen zahlreiche Einflussfaktoren ein Ergebnis beeinflussen und große Unsicherheit herrscht, liefert die Analysemethode passende Lösungen in der Entscheidungsfindung oder bei der Planung von Ressourcen. Allgemein lässt sich feststellen, dass Prescriptive Analytics überall dort sinnvoll einsetzbar ist, wo begrenzte Ressourcen optimal genutzt werden müssen.

Einsatzbeispiele von Prescriptive Analytics

Ein Einsatzbeispiel für Prescriptive Analytics ist das Gesundheitswesen. So hilft Prescriptive Analytics unter anderem bei der Betten- und Personalplanung oder der Beschaffung benötigter medizinischer Produkte.

Auch die Planung von Sitzplatzkapazitäten oder Ticketpreisen von Fluglinien lässt sich mit Prescriptive Analytics optimieren. Ein weiterer Einsatzbereich ist die Logistik. Dort werden Lieferwege optimiert oder Lagerkapazitäten passend ausgelastet.

Im Energiesektor hilft Prescriptive Analytics beispielsweise bei der Öl- und Gasförderung oder beim Auffinden von natürlichen Öl- und Gas-Lagerstätten. Weitere Einsatzbeispiele sind das Bestandsmanagement, die Betriebsmittelplanung, die Produktionsplanung, die Optimierung von Lieferketten, die Finanzplanung oder die Optimierung von Marketingmaßnahmen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

5G: Turbo für Data Analytics

Autonomes Fahren, IoT, VR und Smart Home

5G: Turbo für Data Analytics

Das Hype-Thema 5G treibt nicht nur das autonome Fahren sowie Anwendungen im Smart Home und im IoT voran. Auch Data Analytics wird durch die Verfügbarkeit von großen Datenmengen – dank 5G fast ohne Latenzen – einen Schub erfahren. lesen

Digitale Transformation – 10 Punkte, die Unternehmen beachten sollten

Kommentar von Markus Enderlein, Infomotion

Digitale Transformation – 10 Punkte, die Unternehmen beachten sollten

Komplexere Datenwelten, neue Möglichkeiten der Vernetzung und der Wandel etablierter Technologien – die digitale Transformation schreitet in einer Geschwindigkeit voran, die selbst so manchen Branchenexperten verblüfft. Neue Herstellungsprozesse, Services und Märkte entstehen und die Nutzungsmuster und Erwartungen der Konsumenten verändern sich. lesen

Mit Künstlicher Intelligenz profitable Geschäfte machen

Mensch, Prozesse, Technologie

Mit Künstlicher Intelligenz profitable Geschäfte machen

Der erfolgreiche Einsatz Künstlicher Intelligenz im Unternehmen beginnt mit Menschen und Geschäftsprozessen – erst danach kommt die Technologie. Vor der Einführung entsprechender Lösungen sollten Führungskräfte eine Vision entwickeln, wie KI ein profitables Geschäft antreiben kann. lesen

IoT-Basics – die technische Basis von Big Data

Data Science

IoT-Basics – die technische Basis von Big Data

Big Data beinhaltet eine Reihe von IT-Techniken wie Cluster Computing und MapReduce sowie mathematisch-statistischer Verfahren (Data Mining, Machine Learning). Der Beitrag gibt einen Überblick über die relevanten Datenbankenkonzepte (Hadoop- und NoSQL-Datenbanken) und Programmiersprachen. lesen

So funktioniert Datenauswertung in Echtzeit

Realtime Analytics

So funktioniert Datenauswertung in Echtzeit

Prozesse, Endgeräte, Sensoren und Maschinen liefern laufend Logfiles, Sensor- und Betriebsdaten, Transaktionsdaten, die sich korrelieren und auswerten lassen – in Echtzeit. Doch „Echtzeit“ muss nicht unbedingt „ohne Verzug“ bedeuten, sondern lediglich in ausreichender Schnelligkeit für den jeweiligen IT-Benutzer, also vielmehr „rechtzeitig“. Daher befasst sich Realtime Analytics nicht nur mit Streaming-Daten, sondern auch mit viel „langsameren“ Datenlieferungen. lesen

Teradata rückt Beratung und Geschäftsnutzen stärker in den Vordergrund

Nachbericht Teradata Universe EMEA 2017

Teradata rückt Beratung und Geschäftsnutzen stärker in den Vordergrund

Teradata lud Anfang April ins südfranzösische Nizza zur europäischen Ausgabe der Hausmesse Teradata Universe ein. Rund 1.000 Teilnehmer ergriffen die Gelegenheit und informierten sich über aktuelle Analytics-Kundenprojekte. lesen

Digitale Transformation erfordert betriebliche Übersicht und Analyse

Enterprise Operational Intelligence

Digitale Transformation erfordert betriebliche Übersicht und Analyse

Wer sich auf den Pfad der digitalen Transformation begibt, möchte vor allem seine Prozesse agiler und performanter gestalten. Doch bevor man an die Planung und Gestaltung neuer digitaler Prozesse geht, besteht der erste Schritt darin festzustellen, welche Prozesse es im Unternehmen in den einzelnen Abteilungen gibt und ob sie überhaupt jederzeit und überall optimal laufen. Mit Werkzeugen für Enterprise Operational Intelligence (EOI) lässt sich diese Bestandsaufnahme laufend und zeitnah vornehmen. lesen

IBMs Watson Analytics kommt auf die Siemens Mindsphere

Cloudbasiertes Betriebssystem

IBMs Watson Analytics kommt auf die Siemens Mindsphere

IBM und Siemens wollen IBM Watson Analytics und weitere, auf Cognos Analytics basierende, Analyse-Tools in das cloudbasierte, offene Betriebssystem Mindsphere für das Internet der Dinge von Siemens integrieren. lesen

Künstliche Intelligenz sorgt für steigende Umsätze

Infosys-Studie zeigt Potenziale auf

Künstliche Intelligenz sorgt für steigende Umsätze

Im Rahmen der Studie „Amplifying Human Potential: Towards Purposeful Artificial Intelligence“ hat sich Infosys mit dem Einfluss von künstlicher Intelligenz (KI) auf Unternehmen, deren Marktreife und den entsprechenden Erwartungen befasst. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45079720 / Definitionen)