Suchen

Definition Was ist Prescriptive Analytics?

| Autor / Redakteur: Dipl.-Ing. (FH) Stefan Luber / Nico Litzel

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.

(Bild: © aga7ta - stock.adobe.com)

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.

(ID:45079720)

Über den Autor