Die Welt der Predictive Analytics

Die Welt der Predictive Analytics

Hallo und herzlich willkommen zum ersten Artikel aus unserer Blogreihe zum Thema Predictive Analytics!

Am besten steigen wir gleich mit zwei Definitionen ein, deren Verständnis grundlegend für diesen und alle weiteren Artikel ist:

  1. Predictive Analytics umfasst mit Predictive Modellingmaschinellem Lernen und Data Mining verschiedene statistische Verfahren, die aktuelle und historische Daten analysieren, um Prognosen für zukünftige oder anderweitig unbekannte Ereignisse stellen zu können.
  2. Maschinelles Lernen ist ein kontinuierlicher Prozess, bei dem Algorithmen und Modelle ununterbrochen lernen, um Wahrnehmung (die Art und Weise, wie wir Informationen aufnehmen) und die Verarbeitung (die Art und Weise, wie wir mit Informationen umgehen) entsprechend anzupassen.

Was du von dieser Blogreihe erwarten kannst

Wirft man einen Blick auf die betriebswirtschaftlichen Zusammenhänge wird schnell klar, dass Unternehmer, die ihre digitalen Strategien immer wieder neu an den sich verändernden technologischen Rahmenbedingungen ausrichten, auch sicherstellen können, dass ihre Mitarbeiter den Fokus auf zukünftige Innovationen nicht verlieren und das Unternehmen vorantreiben können. Durch das strategische Setzen auf disruptive Technologien können Entscheidungsträger den Markt umkrempeln, indem sie nie dagewesene Produkte, Dienstleistungen oder Geschäftsmodelle erdenken und dabei eine Werteverschiebung zwischen Produzenten oder zum Verbraucher hin auslösen.

Der Blick in den Rückspiegel kann zwar dafür sorgen, dass der Betrieb aufrechterhalten bleibt, in Hinblick auf Geschäftserfolg und Wachstum kommt man so aber nicht weiter. Stößt ein Mitbewerber durch den Einsatz aufstrebender Technologien in ein Marktsegment vor, riskiert der Rest des Marktes den Verlust etablierter Positionen, wenn sie mit dem digitalen Reifegrad nicht Schritt halten können.

Strategisches Vorausdenken und datengetriebene Entscheidungsfindung

Zwar sind Entscheidungsträger in aller Regel keine Datenwissenschaftler, doch erkennen sie zunehmend die Macht der Daten. Durch den Einsatz von maschinellem Lernen, Big Data sowie Advanced Analytics und Predictive Analytics machen sich kleine und mittelständische Unternehmen ihre eigene Schnelligkeit und Agilität immer mehr zu Nutze, um die Wünsche ihrer Kunden besser zu erfüllen, tiefgreifende Marktveränderungen abzufedern oder als Chance zu begreifen und gestützt auf Innovationen ihren Weg an die Spitze des Marktes zu beschreiten.

Eines ist klar, Daten sind dieser Tage im Überfluss vorhanden. Unternehmen haben viele Milliarden in kostspielige Aufwandspositionen wie ERP-Systeme, Betriebstechnologien von Anlagenausrüstung über POS-Systeme und Informationsdienste investiert. Die schiere Menge an Daten heißt aber noch lange nicht, dass diese auch gewinnbringend eingesetzt werden.

Der Erfolg von maschinellem Lernen und Predictive Analytics ist sehr gut dokumentiert und ihr Wert gerade in Bereichen wie Marketing und Konsumverhalten sehr geschätzt, doch die möglichen Anwendungsbereiche gehen weit darüber hinaus.

Es gibt immer noch sehr viele Unternehmen, die ihre Umsatzplanung (als Teil ihrer Finanzprognosen) anhand manueller Eingaben erstellen, die wiederum auf persönlichen Erfahrungswerten basieren – also mehr oder weniger nach „Bauchgefühl“. Unter Umständen wird am Ende noch ein Korrekturfaktor berücksichtigt; aber wie du dir sicher vorstellen kannst, ist auch dieser nie wirklich präzise. Die Erstellung und Einbeziehung eines Vorhersagemodells kann mit Blick auf ein solches Szenario also einen nicht unerheblichen Vorteil in puncto Planungsgenauigkeit ausmachen.

Predictive und Machine Learning ist für die meisten Menschen noch ein sehr neues Feld. Dank der vielfältigen Ausprägungen, die alle unterschiedliche Lösungen und Herangehensweisen erforderlich machen, ergeben sich nahezu unendliche Möglichkeiten, die Vorteile nutzbar zu machen.

Die aktuellen Architekturparadigmen der SAP im Bereich Predictive Analytics

Beim Trainieren eines Vorhersagemodells mit allen verfügbaren Daten steht an allererster Stelle die Kolokation der Daten und der Algorithmenumsetzung (die Predictive-Modelling-Engine).

Hier sind zwei Szenarien möglich:

  1. Zum einen kann die Modelling-Engine zu den Daten gebracht werden (was Datenbankanbieter und die Big-Data-Plattformen sehr gut verstanden haben), so auch SAP mit Machine-Learning-Bibliotheken wie SAP Predictive Analytics Library und SAP Automated Predictive Library sowie die R- und TensorFlow-Integration unter SAP HANA (wobei die letzteren Zwei in Zukunft eine engere Integration als derzeit benötigen).
  2. Weiterhin ist es möglich, die Daten zur Modelling-Engine zu bringen (wobei die meisten Cloud-Umgebungen für Predictive und Machine Learning genau dieses Prinzip verfolgen). Dies gilt auch für die Machine-Learning-Umgebung SAP Leonardo. Diese Cloud-Umgebungen müssen schon bald auch hybride Szenarien unterstützen, damit diese Herausforderung von einem Problem zu einer weiteren Gestaltungsoption wird.

Unternehmenskultur spielt neben der Technologie eine ebenso bedeutsame Rolle

Ganz egal, wie ausgereift die Analytics-Lösungen im Unternehmen auch sein mögen, lässt sich kein nennenswerter Vorteil daraus schöpfen, wenn sie nicht von Menschen mit entsprechendem Fähigkeiten eingesetzt werden. Wenn sich die Finanzabteilung auf das Erbsenzählen beschränkt und mit ihren Dashboards auch weiterhin nur den Blick in den Rückspiegel wagt, werden lediglich die gleichen alten Prozesse unter Einsatz fortschrittlicherer Technologien automatisiert.

Führungsstärke erfordert gezielte Anstrengungen – gestützt durch Schulung und Mentoring – bei der Weiterentwicklung der Predictive-Analytics-Fertigkeiten im Team. Wird das Team dieser Herausforderung nicht gerecht, lässt es sich nicht vermeiden, diese Fähigkeiten anderswo zu suchen.

In einer immer schnelllebigeren Geschäftswelt müssen sich Unternehmen auf Daten stützen, um erfolgreich zu sein. Ein datengestütztes Unternehmen kann aber nur dann entstehen, wenn die Verantwortlichen den Puls des Unternehmens unnachgiebig messen, überwachen, vorhersagen und entsprechend handeln und dabei kontinuierlich und automatisiert vorgehen. Um dies zu erreichen, muss das Unternehmen den Wert der Daten unternehmensweit kommunizieren, als Katalysator für den kulturellen Wandel hin zur einem datengestützten Vorgehen fungieren und zudem – und das ist der wichtigste Punkt – dabei auf maschinelles Lernen im gesamten Unternehmen setzen.

Dabei gilt es Technologien, Datenstrategie und Unternehmenskultur zu berücksichtigen. Das Wichtigste ist jedoch, den ersten Schritt auf diesem Weg zu wagen.

Verpassenicht unseren nächsten Artikel zum Thema Predictive Analytics. Folge uns auf Facebook, Twitter, XING oder LinkedIn, um immer auf dem Laufenden zu bleiben.

Quelle: Wikipedia, http://blog-sap.com

Autor dieses Beitrags
Ovidiu Costea Consultant SAP BI
Tel.: +49 (0) 7031 714 660 0
E-Mail: cluj@inspiricon.de