Was ist Predictive Analytics?
Mithilfe statistischer Algorithmen, Techniken des maschinellen Lernens und historischer Datenmuster werden zukünftige Ergebnisse, Trends und Verhaltensweisen für datengestützte Entscheidungen prognostiziert.
Summary
- Analysiert Muster in historischen Daten mithilfe von Regression, Entscheidungsbäumen, neuronalen Netzen und Zeitreihenmodellen, um Kundenabwanderung, Geräteausfälle, Umsatztrends und finanzielle Risiken vorherzusagen.
- Ermöglicht proaktive Entscheidungsfindung durch die Prognose von Ergebnissen, bevor diese eintreten. So können Unternehmen ihre Lagerbestände optimieren, Marketing personalisieren und kostspielige Probleme vermeiden.
- Unterscheidet sich von deskriptiver (Was ist passiert?) und diagnostischer (Warum ist es passiert?) Analytik durch die Fokussierung auf zukünftige Ereignisse und die Unterstützung präskriptiver Analytik für Handlungsempfehlungen.
Was ist Predictive Analytics?
Predictive Analytics bezeichnet eine Form der fortgeschrittenen Analytik, die sowohl neue als auch ältere Daten nutzt, um Muster zu erkennen und künftige Ergebnisse und Trends vorherzusagen.
Wie funktioniert Predictive Analytics?
Predictive Analytics wendet eine Vielzahl von Verfahren – z. B. statistische Analyseverfahren, analytische Abfragen, Data Mining, Predictive Modeling und automatisierte Machine-Learning-Algorithmen – auf Datasets an, um Prognosemodelle zu erstellen, die die Wahrscheinlichkeit eines bestimmten Ereignisses mit einem numerischen Wert belegen und Was-wäre-wenn-Szenarien sowie Risikobewertungen beinhalten. Mit Predictive Analytics können Unternehmen in Daten enthaltene Muster aufspüren und nutzen, um Risiken und Chancen zu entdecken. Predictive Analytics wird in der Regel mit Big Data in Verbindung gebracht, z. B. mit Engineering-Daten, die von Sensoren, Instrumenten und anderen vernetzten Systemen abgerufen werden. Auf der anderen Seite könnten Daten aus geschäftlichen Systemen einer Organisation etwa Transaktionsdaten, Umsatzergebnisse, Kundenbeschwerden und Marketinginformationen umfassen. Unternehmen nutzen Tools wie Hadoop und Spark, um Algorithmen auf Big Data anzuwenden und so Mehrwert zu generieren. Auf diese Weise lassen sich riesige Mengen an strukturierten oder unstrukturierten Daten aus unterschiedlichsten Quellen wie vernetzten Geräten und Sensoren, die Geschäftskennzahlen messen, erfassen, speichern und verarbeiten.
Gartner®: Databricks als Leader für Cloud-Datenbanken
Die verschiedenen Stadien des Predictive-Analytics-Lebenszyklus
Predictive Analytics hat einen eigenen Lebenszyklus. Dieser beginnt bei der Problemstellung, die seine Entstehung darstellt, und erstreckt sich bis zu seiner Ablösung durch ein anderes Modell. Nachstehend sind die Phasen von Predictive Analytics dargestellt: 
Predictive Analytics kann Ihnen helfen, in Echtzeit zuverlässige Empfehlungen zu geben, um Kosten zu senken, die Sicherheit zu erhöhen und Investitionen zu tätigen.