• April 04, 2017

Predictive Analytics und Datenwissenschaft - worum geht es dabei?

Predictive Analytics und Datenwissenschaft an sich sind gar nicht so neu. Wir leben heute jedoch in einer analytischen Zeit, in der Menschen nach Informationen hungern, und diese sind leichter zugänglich und können leichter und in größerem Umfang analysiert werden als je zuvor. Es ist dieser Hunger nach Informationen, für den Predictive Analytics und Datenwissenschaft häufig die Antwort bieten. Und, wie man unten durch die Benutzung des Wortes Cloud erkennt, es gibt unzählige Schlagworte zu diesem Thema, was leicht zu Verwirrung führt. Einen Teil dieser Verwirrung möchte ich nun auflösen und erklären, worum es eigentlich geht.

Ganz einfach formuliert bedeutet Datenwissenschaft die Erklärung und die Analyse von Phänomenen durch Daten mithilfe verschiedener hochentwickelter Kalkulationsverfahren. Verschiedene hochentwickelte Kalkulationsverfahren beziehen sich auf mathematische, statistische und maschinelle Lernmodelle. Sie werden dazu verwendet, wesentliche Informationen zu identifizieren und diese einfach in einem verständlichen Format zu produzieren.

Der Zweck einer Erklärung und Analyse von Phänomenen ist es oft, verlässliche Vorhersagen für die Zukunft oder für zukünftige Ereignisse zu treffen. Das ist es, worum es bei Predictive Analytics geht. Zur Klarstellung: diese Vorhersagen werden durch Modelle erzeugt und sollten nicht mit von Menschen erstellten Vorhersagen verwechselt werden, die wir beispielsweise aus dem Finanzverwaltungsbereich kennen.

Nutzung steigt rasant an

Für einige Branchen und Unternehmen sind Datenwissenschaft und Predictive Analytics ein Teil der normalen, alltäglichen Aktivitäten. Dabei handelt es sich um analytische Branchen und Unternehmen (z.B. Banken und Versicherungen), in denen ein faktenbasiertes Wissensmanagement tief in der Unternehmenskultur verankert ist. Die Mehrzahl der verschiedenen Branchen entdeckt jedoch erst jetzt die Idee einer faktenbasierten Kultur, bei der es das Ziel ist, den Entscheidungsfindungsprozess aufgrund einer möglichst umfassenden Kenntnislage durchzuführen, wobei in den Unternehmen die folgenden Fragen gestellt werden:

  • Welche Faktoren beeinflussen die Entscheidungsfindung und worin besteht dieser Einfluss?
  • Wie werden die betreffenden Faktoren in Betracht gezogen und besteht ein Wert darin, ihnen zu folgen?
  • Welche Auswirkungen hat eine bestimmte Entscheidung?
  • Wie wird eine größtmögliche Erfolgswahrscheinlichkeit sichergestellt?

In einem Unternehmen mit einer faktenbasierten Kultur verstehen die Menschen, dass normalerweise nicht genug Zeit oder Kenntnisse vorhanden sind, um alle Faktoren zu bewerten, welche die Geschäftsabläufe und Entscheidungen beeinflussen. Es besteht ein Verständnis dafür, diese kleinen Unwirtschaftlichkeiten bei Geschäftsabläufen und in der Entscheidungsfindung zu nutzen, die sich von Mitarbeitern oder Wettbewerbern unbemerkt abspielen. Dies wird dadurch erreicht, dass man sich auf die durch die analytischen Modelle erstellten Ergebnisse verlässt.

Fragen, lernen, nutzen

Eine faktenbasierte Kultur bedeutet nicht, dass das Unternehmen lauter Superhirne oder eine Armee von Statistikern braucht. Stattdessen bedeutet es, dass das Unternehmen seine eigenen Methoden hinterfragen soll. Wir, die Datenwissenschaftler bei Arcusys, nehmen häufig bei unseren Kunden die Rolle des Fragenstellers ein.

Sehen wir uns ein Beispiel an. Die Kunden stehen im Zentrum der Tätigkeit eines Unternehmens. Informationen zu Kunden werden in den Datenbanken, CRM- und ERP-Systemen des Unternehmens gesammelt. Kunden schicken Feedback und E-Mails an das Unternehmen. Kunden sind in öffentlichen Foren und sozialen Medien aktiv. Wie viele dieser verfügbaren Informationen verwenden wir wirklich, um den Bedarf und das Verhalten unserer Kunden zu verstehen?

Kunden hinterlassen an vielen Stellen Spuren, und die Hilfe von Datenwissenschaftlern bietet viele Gelegenheiten zur Untersuchung von Daten, die wir ansonsten nicht beachten würden. Wir haben lediglich gedacht oder angenommen, dass einige Informationen nicht wertvoll sind. Wir können bei der Identifizierung der wertvollen Informationen helfen und interpretieren, wie dies beispielsweise zur Verbesserung der Kundenkontakte zu verwenden ist. Wir können Ihnen auch dabei helfen, englische oder finnische Texte durch Automatisierung zu verarbeiten und große Textmengen zu durchforsten, um Daten zu identifizieren, die für die Tätigkeit des Unternehmens entscheidend sind. Dies ist als Textanalytik bekannt.

Technisch wird dies durch den Einsatz verschiedener Modelle erreicht. Es gibt deskriptive Modelle, um ein besseres Verständnis für das Geschehene zu entwickeln, wobei das Verfahren beispielsweise darin bestehen kann, mit Clustermodellen Kundengruppen auf der Grundlage ihres Verhaltens zu bilden, oder die Gesetzmäßigkeiten von Kundenverhalten mit Assoziationsmodellen zu untersuchen.

Modelle von Predictive Analytics sind ihrerseits so konstruiert, dass sie spezifische Ereignisse auf der Grundlage eines Spektrums signifikanter Schlüsselinformationen vorhersagen. Beispielsweise werden Regressionsmodelle, Entscheidungsbaummodelle oder neurale Netzwerke verwendet, um zukünftige Kaufereignisse, Produktumtauschereignisse oder Stornierungen von Kunden vorherzusagen.

Ein bekanntes Verfahren, das Bayessche Netz, beispielsweise, strukturiert und spezifiziert Variablen zu Kunden und baut eine Argumentationskette auf der Basis mehrerer Ursache-und-Wirkung-Verhältnisse auf. Neue Informationen zu Kunden aktualisieren die aktuelle Logik und bringen dem Bayesschen Netz größerer Präzision bei. Das Bayessche Netz ist eine der am häufigsten verwendeten Methoden des Maschinenlernens und funktioniert ähnlich dem menschlichen Gehirn: Lernen durch neue Informationen

Umfassendes Verständnis

Die Nutzung von Predictive Analytics und Datenwissenschaft ist nicht nur auf Kunden begrenzt. Wir haben dies untersucht und mitgeholfen, unter anderem, das Personal, das Lernen, die Arbeitsabläufe, Maschinen und Ausrüstung sowie Entwicklungsprojekte unserer Kunden besser zu verstehen. So lange die Menschen bereit sind, bestehende Verhaltensweisen und Verfahren in Frage zu stellen, gibt es sehr viele Chancen. Daher sind die Ergebnisse der Predictive Analytics und Datenwissenschaft so faszinierend.

Jens Harju
Datenwissenschaftler

Wenn Sie mehr über Predictive Analytics wissen möchten, wenden Sie sich bitte an:

Arcusys Oy
Markus Hellas, Verkaufsleiter
markus.hellas@arcusys.fi
+358 40 412 5183