Der Blick in die Zukunft, für die Menschen aller Zeitalter war er erstrebenswert. Doch während sie im alten Griechenland mit dem Orakel von Delphi Vorlieb nehmen mussten und im alten Rom den Flug der Vögel beobachteten, gibt es heute weitaus verlässlichere Möglichkeiten, um Prognosen über künftige Ereignisse abzugeben. Predictive Analytics ermöglicht es Unternehmen ihren Gewinn durch die Analyse von Daten und darauf aufbauenden Zukunftsprognosen zu steigern.
Predictive Analytics – was ist das?
Unter Predictive Analytics versteht man mathematische Verfahren, mit Hilfe derer man Muster und Abhängigkeiten in Datenbeständen identifizieren kann. Auf deren Basis lassen sich dann Prognosen über künftige Ereignisse treffen. Reaktions- und Handlungsmöglichkeiten können ebenfalls auf Basis dieser Daten bewertet werden. Grundlage ist das Data Mining. Dieses umfasst zum Beispiel
- Entscheidungsbäume
- neuronale Netze
- Assoziationsanalysen
Während Data Mining hauptsächlich die Analyse der Daten umfasst, geht die Predictive Analytics einen Schritt weiter: Sie trifft auf Basis der Daten Prognosen. Das Verfahren arbeitet dabei mit verschiedenen mathematischen Modellen. Neben Data Mining sind Algorithmen und statistische Berechnungen relevante Analysemethoden.
Einsatzmöglichkeiten von Predictive Analytics
Verschiedene Branchen arbeiten bereits mit Predictive Analytics, es gibt eine Vielzahl von Einsatzmöglichkeiten.
– Im Groß- und Einzelhandel kann Predictive Analytics bei der Dispositionsplanung eingesetzt werden. Mittels verschiedener Berechnungen kann genau vorherbestimmt werden, welche Produktmengen in bestimmten Zeiträumen vorrätig sein müssen. So können Lagerkosten minimiert werden. Beim Online-Handel dient Predictive Analytics dazu, Kunden individualisierte Produktvorschläge zu präsentieren. Dadurch können Umsätze gesteigert werden.
– Im CRM (Customer Relationship Management) kann man mittels Predictive Analytics frühzeitig die Kündigungsabsicht von Kunden erkennen. So lassen sich Maßnahmen ergreifen, die die Kundenbindung verbessern und eine Kündigung entweder erheblich verzögern oder sogar ganz verhindern.
– In der Finanzwirtschaft dient Predictive Analytics zur Bewertung der Kreditwürdigkeit. Zahlungsausfälle können verringert werden, indem deren Risiko bereits im Vorfeld analysiert wurde. Auch Aktienkurse können durch Predictive Analytics vorhergesagt werden.
– Versicherungen können mithilfe von Predictive Analytics individuelle Schadensrisiken berechnen. Bei einer Kfz-Versicherung können also sichere und verlässliche Autofahrer durch günstige Konditionen als Kunden gewonnen werden, während Raser durch ungünstige Vertragsbedingungen eher abgeschreckt werden.
Wettbewerbsvorteile durch Predictive Analytics
Die Aufzählung ließe sich noch erweitern: Auch im Gesundheitsweisen, in der Pharmabranche, der Tourismusindustrie und im Telekommunikationssektor arbeiten Unternehmen mittlerweile mit Predictive Analytics. Im globalen Wettbewerb können sich Unternehmen einen entscheidenen Vorteil verschaffen, wenn sie wissen, welche Absichten ihre Kunden haben, was sie brauchen und wie sie auf künftige Ereignisse schon heute reagieren können.