Predictive Analytics Definition
Predictive Analytics ist eine Kategorie von Datenanalysen, die darauf abzielt, Vorhersagen über zukünftige Ergebnisse basierend auf historischen Daten und Analysetechniken wie statistischer Modellierung und maschinellem Lernen zu treffen. Die Wissenschaft der prädiktiven Analytik kann zukünftige Erkenntnisse mit erheblicher Präzision generieren., Mithilfe ausgeklügelter prädiktiver Analysetools und-modelle kann jedes Unternehmen jetzt vergangene und aktuelle Daten verwenden, um Trends und Verhaltensweisen Millisekunden, Tage oder Jahre in die Zukunft zuverlässig vorherzusagen.
Predictive Analytics hat die Unterstützung einer Vielzahl von Organisationen gewonnen, wobei ein globaler Markt bis 2022 voraussichtlich etwa 10,95 Milliarden US-Dollar erreichen wird und laut einem Bericht von Zion Market Research aus dem Jahr 2017 mit einer jährlichen Wachstumsrate (CAGR) von rund 21 Prozent zwischen 2016 und 2022 wächst.,
Predictive analytics at work
Predictive analytics schöpft seine Kraft aus einer Vielzahl von Methoden und Technologien, darunter Big Data, Data Mining, statistische Modellierung, maschinelles Lernen und verschiedene mathematische Prozesse. Unternehmen verwenden prädiktive Analysen, um aktuelle und historische Daten zu durchsuchen, um Trends zu erkennen und Ereignisse und Bedingungen vorherzusagen, die zu einem bestimmten Zeitpunkt auftreten sollten, basierend auf den angegebenen Parametern.,
Mit Predictive Analytics können Unternehmen in Daten enthaltene Muster finden und nutzen, um Risiken und Chancen zu erkennen. Modelle können beispielsweise entworfen werden, um Beziehungen zwischen verschiedenen Verhaltensfaktoren zu entdecken. Solche Modelle ermöglichen die Bewertung des Versprechens oder Risikos, das durch bestimmte Bedingungen dargestellt wird, und leiten fundierte Entscheidungen über verschiedene Kategorien von Lieferketten-und Beschaffungsereignissen hinweg.
Tipps, wie Sie die Leistungsfähigkeit von Predictive Analytics effektiv nutzen können, finden Sie unter “ 7 Geheimnisse des Erfolgs von Predictive Analytics.,“
Vorteile von predictive analytics
Predictive analytics blickt in die Zukunft, genauer und zuverlässiger als bisherige Instrumente. Als solches kann es Adoptern helfen, Wege zu finden, Geld zu sparen und zu verdienen. Einzelhändler verwenden häufig Vorhersagemodelle, um Bestandsanforderungen vorherzusagen, Versandpläne zu verwalten und Ladenlayouts zu konfigurieren, um den Umsatz zu maximieren. Fluggesellschaften verwenden häufig prädiktive Analysen, um Ticketpreise festzulegen, die frühere Reisetrends widerspiegeln., Hotels, Restaurants und andere Akteure der Hotellerie können die Technologie nutzen, um die Anzahl der Gäste in einer bestimmten Nacht vorherzusagen, um Belegung und Umsatz zu maximieren.
Durch die Optimierung von Marketingkampagnen mit Predictive Analytics können Unternehmen auch neue Kundenreaktionen oder Einkäufe generieren sowie Cross-Selling-Möglichkeiten fördern. Vorhersagemodelle können Unternehmen dabei helfen, ihre am meisten geschätzten Kunden zu gewinnen, zu binden und zu pflegen.
Predictive Analytics kann auch verwendet werden, um verschiedene Arten von kriminellem Verhalten zu erkennen und zu stoppen, bevor schwerwiegende Schäden entstehen., Durch die Verwendung von prädiktiven Analysen zur Untersuchung des Benutzerverhaltens und-handelns kann ein Unternehmen ungewöhnliche Aktivitäten erkennen, die von Kreditkartenbetrug über Unternehmensspionage bis hin zu Cyberangriffen reichen.
Predictive analytics Beispiele
Unternehmen nutzen heute Predictive Analytics auf nahezu endlose Weise. Die Technologie hilft Anwendern in so unterschiedlichen Bereichen wie Finanzen, Gesundheitswesen, Einzelhandel, Gastgewerbe, Pharmazie, Automobil, Luft-und Raumfahrt und Fertigung.,
Hier sind einige Beispiele, wie Unternehmen Predictive Analytics nutzen:
- Aerospace: Prognostizieren Sie die Auswirkungen bestimmter Wartungsvorgänge auf die Zuverlässigkeit, den Treibstoffverbrauch, die Verfügbarkeit und die Betriebszeit von Flugzeugen.
- Automotive: Integrieren Sie Aufzeichnungen über die Robustheit und das Versagen von Komponenten in kommende Fahrzeugfertigungspläne. Studieren Sie das Fahrerverhalten, um bessere Fahrerassistenztechnologien und schließlich autonome Fahrzeuge zu entwickeln.
- Energie: Prognose langfristiger Preis-und Nachfrageverhältnisse., Bestimmen Sie die Auswirkungen von Wetterereignissen, Geräteausfällen, Vorschriften und anderen Variablen auf die Servicekosten.
- Finanzdienstleistungen: Entwicklung von Kreditrisikomodellen. Prognose der Finanzmarkttrends. Vorhersage der Auswirkungen neuer Richtlinien, Gesetze und Vorschriften auf Unternehmen und Märkte.
- Fertigung: Vorhersage des Standorts und der Rate von Maschinenausfällen. Optimieren Sie Rohstofflieferungen basierend auf den prognostizierten zukünftigen Anforderungen.
- Strafverfolgung: Verwenden Sie Kriminalitätstrenddaten, um Nachbarschaften zu definieren, die zu bestimmten Zeiten des Jahres möglicherweise zusätzlichen Schutz benötigen.,
-
Einzelhandel: Verfolgen Sie einen Online-Kunden in Echtzeit, um festzustellen, ob die Bereitstellung zusätzlicher Produktinformationen oder Anreize die Wahrscheinlichkeit einer abgeschlossenen Transaktion erhöht.
Predictive Analytics Tools
Predictive Analytics Tools geben Benutzern tiefe, Echtzeit-Einblicke in eine fast endlose Reihe von Geschäftsaktivitäten., Tools können verwendet werden, um verschiedene Arten von Verhalten und Mustern vorherzusagen, z. B. die Zuweisung von Ressourcen zu bestimmten Zeiten, die Auffüllung von Lagerbeständen oder den besten Zeitpunkt für den Start einer Marketingkampagne, wobei die Vorhersagen auf einer Analyse der über einen bestimmten Zeitraum gesammelten Daten basieren.
Nahezu alle Anwender von Predictive Analytics verwenden Tools, die von einem oder mehreren externen Entwicklern bereitgestellt werden. Viele dieser Tools sind auf die Bedürfnisse bestimmter Unternehmen und Abteilungen zugeschnitten., Zu den wichtigsten Software — und Dienstleistern für prädiktive Analysen gehören:
- Acxiom
- IBM
- Information Builders
- Microsoft
- SAP
- SAS Institute
- Tableau Software
- Teradata
- TIBCO Software
Prädiktive Analysemodelle
Modelle sind die Grundlage von Predictive Analytics-die Vorlagen, mit denen Benutzer vergangene und aktuelle Daten in umsetzbare Erkenntnisse umwandeln und positive langfristige Ergebnisse erzielen können., Einige typische Arten von Vorhersagemodellen umfassen:
- Customer Lifetime Value Model: Ermitteln Sie Kunden, die am ehesten mehr in Produkte und Dienstleistungen investieren.
- Kundensegmentierungsmodell: Gruppieren Sie Kunden basierend auf ähnlichen Merkmalen und Kaufverhalten
- Vorhersagemodell: Prognostizieren Sie die Wahrscheinlichkeit eines Ausfalls wesentlicher Geräte.
- Qualität Assurance Modell: Spot und verhindern mängel zu vermeiden enttäuschungen und zusätzliche kosten, wenn die bereitstellung von produkten oder dienstleistungen zu kunden.,
Predictive modeling-Techniken
Modell haben Benutzer Zugriff auf eine fast unendliche Palette von predictive modeling-Techniken. Viele Methoden sind einzigartig für bestimmte Produkte und Dienstleistungen, aber ein Kern von generischen Techniken, wie Entscheidungsbäume, Regression — und sogar neuronale Netze — sind jetzt weit über eine breite Palette von prädiktiven Analyseplattformen unterstützt.
Entscheidungsbäume, eine der beliebtesten Techniken, stützen sich auf ein schematisches, baumförmiges Diagramm, das verwendet wird, um eine Vorgehensweise zu bestimmen oder eine statistische Wahrscheinlichkeit anzuzeigen., Die Verzweigungsmethode kann auch jedes mögliche Ergebnis einer bestimmten Entscheidung zeigen und wie eine Wahl zur nächsten führen kann.
Regressionstechniken werden häufig in Banken -, investitions-und anderen finanzorientierten Modellen verwendet. Die Regression hilft Benutzern bei der Vorhersage von Vermögenswerten und beim Verständnis der Beziehungen zwischen Variablen wie Rohstoffen und Aktienkursen.
Auf dem neuesten Stand der prädiktiven Analysetechniken sind neuronale Netze-Algorithmen, die zugrunde liegende Beziehungen innerhalb eines Datensatzes identifizieren, indem sie die Funktionsweise eines menschlichen Geistes nachahmen.,
Algorithmen für prädiktive Analysen
Anwender für prädiktive Analysen haben einfachen Zugriff auf eine breite Palette von statistischen, Data-Mining-und Machine-Learning-Algorithmen, die für den Einsatz in prädiktiven Analysemodellen entwickelt wurden. Algorithmen werden im Allgemeinen entwickelt, um ein bestimmtes Geschäftsproblem oder eine Reihe von Problemen zu lösen, einen vorhandenen Algorithmus zu verbessern oder eine Art einzigartige Fähigkeit bereitzustellen.
Clustering-Algorithmen eignen sich beispielsweise gut für Kundensegmentierung, Community-Erkennung und andere soziale Aufgaben., Zur Verbesserung der Kundenbindung oder zur Entwicklung eines Empfehlungssystems werden typischerweise Klassifizierungsalgorithmen verwendet. Ein Regressionsalgorithmus wird normalerweise ausgewählt, um ein Kredit-Scoring-System zu erstellen oder das Ergebnis vieler zeitgesteuerter Ereignisse vorherzusagen.
Predictive Analytics im Gesundheitswesen
Gesundheitsorganisationen sind aus einem sehr einfachen Grund zu den enthusiastischsten Anwendern von Predictive Analytics geworden: Die Technologie hilft ihnen, Geld zu sparen.,
Gesundheitsorganisationen verwenden prädiktive Analysen auf verschiedene Arten, einschließlich der intelligenten Zuweisung von Facility-Ressourcen basierend auf vergangenen Trends, der Optimierung von Personalplänen, der Identifizierung von Patienten, die einem Risiko für eine kostspielige kurzfristige Rückübernahme ausgesetzt sind, und der intelligenten Erfassung und Verwaltung von Arzneimitteln und Lieferungen.,
Ein Bericht der Society of Actuaries aus dem Jahr 2017 über Trends der Gesundheitsbranche in der prädiktiven Analyse ergab, dass mehr als die Hälfte der Führungskräfte im Gesundheitswesen (57 Prozent) in Organisationen, die bereits prädiktive Analysen verwenden, der Ansicht sind, dass die Technologie es ihnen ermöglichen wird, 15 Prozent oder mehr ihres Gesamtbudgets in den nächsten fünf Jahren zu sparen. Weitere 26 Prozent prognostizierten Einsparungen von 25 Prozent oder mehr.,
Die Studie ergab auch, dass die meisten Führungskräfte im Gesundheitswesen (89 Prozent) zu Organisationen gehören, die entweder jetzt Predictive Analytics verwenden oder dies innerhalb der nächsten fünf Jahre planen. Beeindruckende 93 Prozent der Führungskräfte im Gesundheitswesen gaben an, dass Predictive Analytics für die Zukunft ihres Unternehmens wichtig ist.
Wie sollte eine Organisation mit Predictive Analytics beginnen?,
Während der Einstieg in Predictive Analytics nicht gerade ein Kinderspiel ist, ist es eine Aufgabe, die praktisch jedes Unternehmen bewältigen kann, solange man dem Ansatz verpflichtet bleibt und bereit ist, die Zeit und die Mittel zu investieren, die erforderlich sind, um das Projekt in Bewegung zu bringen. Der Beginn eines Pilotprojekts mit begrenztem Umfang in einem kritischen Geschäftsbereich ist eine hervorragende Möglichkeit, die Startkosten zu senken und gleichzeitig die Zeit vor Beginn der Einführung finanzieller Belohnungen zu minimieren. Sobald ein Modell in die Tat umgesetzt wird, erfordert es in der Regel wenig Pflege, da es viele Jahre lang umsetzbare Erkenntnisse herausarbeitet.,
Einen tieferen Einblick erhalten Sie unter “ Erste Schritte mit Predictive Analytics.“