Predictive Analytics - Blick in die Kristallkugel oder verlässliche Prognose

Chris Schneider, LexisNexis

Durch die breite Verfügbarkeit von Big Data und hochentwickelte Computertechnologie wird das Marktvolumen für Predictive Analytics (Prädiktive Analysen) bis 2022 schätzungsweise auf einen Wert von 12,41 Milliarden US-Dollar steigen. Die Verarbeitung von Daten, um Prognosen zu schaffen, ist alles andere als ein Blick in die Kristallkugel. Wir betrachten einmal genauer, wie Predictive Analytics wirklich funktioniert und warum sie immer wichtiger wird.

Worum handelt es sich bei der Predictive Analytics?

Predictive Analytics baut im Verbund mit verschiedenen Technologien wie Data Mining, statistischer Modellierung und Algorithmen für maschinelles Lernen auf den enormen Datenbeständen aus internen und externen Quellen auf. Ein Beispiel aus dem Alltag ist die Navigations-App Waze. Sie nutzt massenhaft Daten zum Verkehrsaufkommen, zu Baustellen oder Verkehrsunfällen sowie nutzergenerierte Meldungen, um schnellere Alternativrouten vorzuschlagen. Als weiteres Beispiel lassen sich soziale Medien und Online-Shops aufführen, die Artikel und Werbung basierend auf den nutzereigenen Interessen anzeigen.

Gartner definiert Predictive Analytics als Informationstechnologie, die vier wesentliche Merkmale umfasst:

  1. Der Schwerpunkt liegt auf der Vorhersage anstatt auf Beschreibung, Klassifizierung oder Clustering.
  2. Die Analyse dauert nur Stunden oder Tage im Gegensatz zu Monaten, die manuelle Analysen in Anspruch nehmen können.
  3. Im Mittelpunkt steht die Gewinnung von Erkenntnissen, die von hoher geschäftlicher Relevanz sind.
  4. Big Data werden dadurch für geschäftliche Anwender leichter nutzbar.

Predictive Analytics stellen ein Stadium in der Entwicklung künstlicher Intelligenz (KI) dar. Während traditionelle Business-Intelligence-Anwendungen den Schwerpunkt auf die Vergangenheit legen (Was ist passiert und warum?), beantworten Predictive Analytics die Frage „Was wird geschehen?

„Ohne Big-Data-Analysen sind Unternehmen blind und taub und bewegen sich im Netz wie ein Reh auf der Autobahn.“
Geoffrey Moore, Autor und Organisationstheoretiker

Wenn ein Unternehmen nicht sieht, in welche Richtung es sich bewegt, wird es sein Ziel verfehlen. Durch die Analyse historischer und aktueller Daten versetzen Predictive Analytics Unternehmen in die Lage, das Kommende vorherzusagen und aktiv datenbasierte Entscheidungen zu treffen. Zur Minimierung von Risiken und zur Maximierung von Wachstumschancen.

Anwendungsfälle für Predictive Analytics

Das Bedürfnis, zu wissen, was in der Zukunft geschehen wird, ist nicht neu. Menschen befassen sich seit Jahrtausenden mit Wahrsagung. Im Altertum beobachteten die Menschen dazu die Bewegung von Planeten und Sternen (Astrologie), machten Prophezeiungen mithilfe von Staub, Sand oder Salz (Abacomancy) oder nutzen andere Praktiken, um die Zukunft vorherzusagen. Unsere Faszination für Vorhersagen wirkt sich auch auf die Unterhaltungsliteratur aus – so bietet Hogwarts etwa Kurse für Arithmomantie, altertümliche Runen und Prophezeiung an. Neu sind Ausmaß, Vielfalt und Qualität der verfügbaren Daten, um damit exakte Prognosen zu erstellen.

Wie nutzen Unternehmen nun Predictive Analytics?

Jedoch gibt es eine Hürde, die Unternehmen überwinden müssen, wenn sie mit Predictive Analytics die gewünschten Ergebnisse erzielen möchten: Daten.

Michele Goetz, Research Analyst bei Forrester, stellt fest: „Die meisten Unternehmen (83 %) erkennen dieses Problem nicht. Wenn man sie nach den Herausforderungen fragt, die sie im Zusammenhang mit der Nutzung von KI erwarten, rangiert die Verfügbarkeit gut gepflegter Datensammlungen zu KI-Trainingszwecken ganz unten auf der Liste.“

Unglücklicherweise ist der Mangel an relevanten, qualitativ hochwertigen Daten jedoch eines der größten Hindernisse für den erfolgreichen Einsatz von Predictive Analytics. Isolierte Datenbestände sind weit verbreitet und Daten aus verschiedenen Bereichen wie Vertrieb oder Marketing können in vollkommen unterschiedlichen Formaten vorliegen. Selbst wenn interne Daten unmittelbar verfügbar sind, profitieren Unternehmen von ergänzenden Datenbeständen zu aktuellen Nachrichten oder gesellschaftspolitischen Kommentaren, um die Leerstellen zu füllen und tatsächliche Business Intelligence zu gewinnen.

Unternehmen, die zu den ersten Anwendern von Predictive Analytics zählen, genießen einen beträchtlichen Wettbewerbsvorteil. Die Effizienz wird gesteigert und damit die Möglichkeit, die menschliche Arbeitskraft dort einzusetzen, wo sie die größte Wirkung zeigt – in der persönlichen Interaktion und bei schwierigen Entscheidungen, die emotionale Intelligenz erfordern. Experten sind der Meinung, dass Deep Learning und prädiktive KI-Analyse eine ähnliche gesellschaftsverändernde Wirkung haben werden, wie sie das Internet und die Mobilfunktechnologie im vergangenen Jahrzehnt hatten.


Lesen Sie auch unser Whitepaper „Big Data oder Smart Data - Schneller Einblicke gewinnen und Innovationen schaffen“.

Erfahren Sie, wie Nexis® Data as a Service Ihre Predictive Analytics stärken kann.

Treffen Sie uns und weitere Experten am 18. und 19. November auf der Predictive Analytics World in Berlin. Tauschen Sie sich zu den neuesten Fortschritten und Entwicklungen aus und lassen Sie sich von vorgestellten Erfolgen inspirieren. Nutzen Sie den 15%-Rabatt auf Konferenztickets mit dem Rabattcode LEXISNEXIS15 und melden sich direkt zur Predictive Analytics World Berlin 2019 an.


Zur Person

Chris Schneider ist Associated Head of Sales bei der LexisNexis GmbH. Seit circa sechs Jahren ist er im Data & Analytics-Umfeld tätig und verfügt über einen großen Erfahrungsschatz hinsichtlich der Betreuung von Compliance-Projekten in der Finanz- und Bankenbranche. Er war bei zahlreichen Corporate-Projekten involviert.

Diesen Blog-Beitrag teilen:


Blog-Alert abonnieren

Wir informieren Sie automatisch
über neue Blogbeiträge.

Blog durchsuchen

Blog durchsuchen