Von der Planung über Customer Analytics zu AI/ML
Predictive Analytics gehört zu dem Teilbereich Business Analytics und beschäftigt sich mit der Prognose von zukünftigen Ereignissen, wie zum Beispiel Umsatz- und Nachfrageprognosen.
Was ist Predictive Analytics?
Prognose und Planung sind elementare Aspekte für einen nachhaltigen Unternehmenserfolg. Oftmals stehen Unternehmen vor der Herausforderung, diese Prozesse effizienter und wirtschaftlicher zu gestalten.
Dieser Situation begegnet s-peers gezielt mit einem AI-basierten Ansatz, der Unternehmen eine optimale und effizient automatisierte Prognoselösung bietet: Predictive Analytics.
Mithilfe von künstlicher Intelligenz verbessern sich die Ergebnisse der Planung sowie die Planungsprozesse selbst. Damit werden schnellere und aussagekräftigere Ergebnisse erzielt.
Mit Predictive Analytics werden bestehende Prozesse technisch besser unterstützt und die verantwortlichen Controller und Planer in ihrem Arbeitspensum entlastet.
Gleichzeitig wird die Qualität – Genauigkeit und Aussagekraft – der Planung gesteigert, indem Ursache-Wirkungszusammenhänge (die Treiber) identifiziert und in die Planungsmodelle eingebunden werden.
Unsere Definition von Predictive Analytics und Abgrenzung zu Predictive Modelling
Predictive Analytics umfasst eine Vielzahl von statistischen Techniken aus verschiedenen Bereichen, wie z.B. dem Data Mining oder dem maschinellen Lernen.Oft ist mit Predictive Analytics eine Variante des Predictive Modellings gemeint,nämlich das Prognostizieren eines zukünftigen Ereignisses.Predictive Modelling vermag jedoch jedwede Art von unbekannten Ereignissen zu prognostizieren, auch solche ohne zeitlichen Bezug, wie das bei Klassifikationsproblemen der Fall ist.
Wir von s-peers verstehen unter Predictive Analytics das Prognostizieren von zukünftigen Werten bzw. einer Zeitreihe auf Basis ihrer historischen Werte, wie beispielsweise die zukünftige Entwicklung des Umsatzes einer Verkaufsstelle.
Um dieses Ziel zu erreichen, werden Muster in den Daten erkannt und zur mathematischen Modellierung der Zeitreihe verwendet. Die historischen Daten können ausserdem mit zusätzlichen Daten angereichert werden, die für die Modellierung vorteilhaft sein können, wie z.B. Konjunkturindikatoren im Falle des Umsatzszenarios.
Die Anwendungsgebiete von Predictive Analytics sind vielfältig. Die prädiktive Unterstützung eignet sich für verschiedenste Unternehmensbereiche und Anwendungsgebiete. Hierfür existieren etablierte Standardsysteme und -Prozesse, die eine sehr hohe Datenqualität liefern.
Häufig findet Predictive Analytics Anwendung im Controlling und wird deshalb oft Predictive Controlling genannt. Zudem sind Controller in der Regel mit der zielgerichteten Analyse von Daten sehr vertraut: Ihre Kernkompetenzen umfassen seit jeher die Planung, Koordination und Kontrolle von Unternehmenszielen – ebenso die adressatenkonforme Versorgung mit entscheidungsrelevanten Informationen.
Synonyme für Predictive Analytics sind Predictive Modelling, Predictive Controlling,AI/ML und Big Data Analyse.
"Mit dem Predictive Analytics Service von s-peers bekommen Sie ein State-of-the-Art Prognosesystem zur Hand, mit dem Sie die Zukunft Ihrer Unternehmung im Blick haben - und das in Sekundenschnelle."
Dr. Eric Trumm, Leiter Data Science und Innovation
Wie lange dauert der Implementierungsprozess und was sind die einzelnen Schritte?
Der Implementierungsprozess hängt von verschiedenen Faktoren ab und dauert in der Regel 4 – 8 Wochen. Er setzt sich aus folgenden Schritten zusammen:
In welcher Systemlandschaft wird die Lösung eingeführt?
- Python
- R
- Datenmanagement und Analysetool (wie z.B. die SAP Analytics Cloud)
Die s-peers Lösung ist in jeder Hinsicht unabhängig vom Kundensystem und kann sowohl on-premise als auch als Cloud-Lösung angeboten werden. In der Regel nutzen wir eine R-Umgebung, die an die Architektur des Kunden angepasst bzw. angebunden werden kann.
Prognosen können via csv-Datei geliefert werden oder auch in Datenbanklösungen voll automatisch integriert sein.
