Mittelstand-Nachrichten

Prognostische Analytik liefert Daten für bessere Entscheidungen

Eschborn – Traditionell konzentrieren sich Business-Intelligence (BI)-Berichte auf eine Analyse der Vergangenheit und zunehmend auch auf aktuelle Geschehnisse. Prognostische Analytik gibt einen Einblick in mögliche künftige Entwicklungen. Information Builders zeigt in fünf Tipps, wie Unternehmen Prognosemethoden und -verfahren einführen und optimal davon profitieren können.

Vielfach sind Unternehmen mit ihren BI-Applikationen nahe am Geschehen und die Bereichsleiter haben einen Überblick darüber, was sich im Einkauf, der Produktion, dem Vertrieb, im Marketing und im betrieblichen Rechnungswesen tut. Leistungsstarke BI-Anwendungen sind in der Lage, Fragen zur Entwicklung in den letzten Monaten gut zu beantworten. Anders sieht es mit detaillierten Prognosen aus. Das war bislang das Metier von Statistikspezialisten, die Wahrscheinlichkeiten zum Eintreten bestimmter Ereignisse, etwa bei der Einschätzung von Schadensfällen einzelner Versicherungsarten, berechneten. Seit der Einbindung von RStat, einer weit verbreiteten Open-Source-Statistikbibliothek, in BI-Plattformen hat sich das geändert. In einem Leitfaden hat Information Builders, ein führender Anbieter von Business-Intelligence (BI)-, Analytics-, Datenintegritäts- und Datenqualitätslösungen, fünf Tipps zur Einführung prognostischer Analytik zusammengestellt.

1. Daten kennen und verstehen.

Die Treffsicherheit der Entscheidungen, für die prognostische Analytik die Basis liefert, ist in hohem Maße von der Quantität und Qualität der vorhandenen Daten abhängig. Die Mitarbeiter in den Fachabteilungen kennen sich am besten mit den Daten aus und wissen aus der alltäglichen Arbeit, wo die Schwachpunkte liegen, etwa dann, wenn in einer Materialdatenbank Teilenummern fehlen oder in einzelnen Applikationen und Fachabteilungen unterschiedliche Bezeichnungen für Produkte verwendet werden, die Kunden über die verschiedenen Vertriebskanäle bestellen. Wichtig ist daher festzulegen, wie die korrekten Daten aussehen sollen und wer für die Einhaltung einer hohen Datenqualität verantwortlich ist.

2. Externe Daten integrieren.

In jedem Anwendungsszenario der prognostischen Analytik spielt die Quantität und Qualität der verfügbaren Daten eine tragende Rolle. Nur wenige Unternehmen nutzen für ihre Analysen bereits Daten, die von Quellen außerhalb ihrer eigenen Organisationsgrenzen stammen. Aber gerade solche externen Daten können einen erheblichen Einfluss auf die Güte und Treffsicherheit von Prognose-Ergebnissen haben. Durch die Einbeziehung externer Datenquellen und Informationen, etwa Sensor-, Geo- und Wetterdaten, Informationen von Marktforschern oder von Social-Media-Plattformen, lassen sich Prozesse für die Entscheidungsfindung auf eine breitere Basis stellen.

3. Grundlegende Statistikkenntnisse erwerben.

Wer prognostische Analytik, in welcher Fachabteilung auch immer, betreiben will, sollte über ein grundlegendes Verständnis der Statistik verfügen. Die deskriptive Statistik beschreibt Ereignisse aus der Vergangenheit und hilft Beziehungen, etwa zwischen Kunden und Produkten, besser zu verstehen. Sie ist ein wichtiger Schritt, um erste Einsichten in Zusammenhänge zu erhalten. Prognostische Analytik befasst sich mit der Zukunft. Hier soll etwa mit Daten aus … weiterlesen »

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Ich willige ein, dass meine Angaben aus diesem Kontaktformular gemäß Ihrer Datenschutzerklärung erfasst und verarbeitet werden. Bitte beachten: Die erteilte Einwilligung kann jederzeit für die Zukunft per E-Mail an datenschutz@sor.de (Datenschutzbeauftragter) widerrufen werden. Weitere Informationen finden Sie in unserer Datenschutzerklärung.

Schaltfläche "Zurück zum Anfang"