Predictive Analytics: Die Fünf meistgestellten Fragen und Antworten
In diesem Beitrag beantworten wir die – laut Google – am häufigsten gestellten Fragen zum Thema Predictive Analytics (PA).
Besonders in den letzten zwei bis drei Jahren merken wir ein deutlich steigendes Interesse an Predictive Analytics Technologien, deren Möglichkeiten und Funktionsweisen.
Wir haben schon einmal im Jahr 2015 versucht herauszufinden, was die Menschen über Predictive Analytics googlen. Außer der Frage „Was ist Predictive Analytics“ kamen keine brauchbaren Ergebnisse.
Ganz anders jetzt. Wir haben mit Hilfe des Tools „Answer the Public“ die häufigsten Fragen der Google-Nutzer über das Key Word „Predictive Analytics“ gefunden. Haben Sie sich auch schon eine dieser Fragen gestellt?
Jetzt bekommen Sie die Antworten darauf „in a nutshell“!
1. „Was macht Predictive Analytics?“ oder „Was ist der Zweck von Predictive Analytics?“
Der Zweck und das Ziel von Predictive Analytics ist es, möglichst genau zukünftige Ereignisse vorherzusagen.
Das „macht“ Predictive Analytics.
Wozu brauchen wir so etwas? Als Konsumenten nutzen wir die Ergebnisse von solchen Methoden nahezu täglich – und das, ohne groß drüber nachzudenken. Überlegen Sie, wann Sie das letzte Mal nach dem Wetter von morgen geschaut haben? Oder wann waren Sie zuletzt auf Amazon unterwegs und haben die Vorschläge unter „Was Sie noch interessieren könnte“ angesehen?
Die Liste könnte noch lange fortgeführt werden.
Auch Unternehmen verwenden schon lange Verfahren von Predictive Analytics, um datenbasierte Geschäftsentscheidungen zu treffen.
Angefangen hat das alles in der Versicherungsbranche. Anhand verschiedener Merkmale wurden Vorhersagen über die Risiken von Versicherten errechnet.
Genauso können B2B-Unternehmen ihren Vertrieb effizienter arbeiten lassen, indem sie ihn durch Vorhersagen über das Kundenverhalten unterstützen.
2. Wie funktioniert Predictive Analytics?
Mit Statistik, Informatik und Daten.
Statistische Modelle analysieren Daten der Vergangenheit, um Muster zu finden. So werden Wahrscheinlichkeiten für zukünftige Ereignisse berechnet. Üblicherweise kommen dazu Methoden des maschinellen Lernens (ein Teilgebiet von künstlicher Intelligenz) zum Einsatz.
Wichtig ist auch zu wissen, dass Predictive Analytics ein ganzes Fachgebiet ist, welches verschiedenste mathematische und statistische Methoden zur Vorhersage umfasst. Es gibt also nicht „die eine“ Predictive Analytics Methode.
Was für Daten braucht Predictive Analytics? Historische Daten nahe am Vorhersage-Ziel. Das heißt, Sie wollen zukünftige Verkäufe vorhersagen? Dann brauchen Sie Daten über frühere Verkäufe. Sie wollen das Wetter von morgen? Dann brauchen Sie die Wetterdaten und Entwicklungen der vergangenen Jahre. Dieses Prinzip lässt sich auf viele Bereiche übertragen.
3. “Sind Predictive Analytics und Vorhersagen das Gleiche?“
Nein. Wie in Frage eins schon erläutert, sind Vorhersagen – oder besser gesagt – „präzise“ Vorhersagen das Ziel von Predictive Analytics. Das heißt, Predictive Analytics ist eine Art und Weise wie Vorhersagen erstellt werden.
Wenn beispielsweise mein Opa sagt, dass es morgen einen Wetterumschwung gibt, weil er es „in seinen Knochen spürt“, ist das eine Vorhersage – aber nicht Predictive Analytics.
4. “Ist Predictive Analytics Künstliche Intelligenz?” oder “Ist Predictive Analytics Machine Learning?”
Diese beiden Fragen beantworten wir zusammen, denn hier geht es um Begriffsklassifikationen.
Nein, Predictive Analytics ist nicht gleichzusetzen mit künstlicher Intelligenz oder Maschinellem Lernen.
Zuerst: Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz. Also sind auch diese beiden Begriffe zu unterscheiden. Genauere Erklärungen zu den KI-Begriffen finden Sie auch in unserem Glossar.
Was hat künstliche Intelligenz mit Predictive Analytics zu tun?
Es sind beides eigene Fachgebiete, die aber einen wichtigen Überschneidungspunkt haben: Mit Methoden des maschinellen Lernens lassen sich äußerst präzise Vorhersagen treffen. Grund dafür ist, dass die Algorithmen enorm große Datenmengen verarbeiten können und das in sehr kurzer Zeit. Künstliche Intelligenz und Predictive Analytics ergänzen sich also gegenseitig.
In dem Bild ist der Zusammenhang noch einmal visuell dargestellt.
5. “Ist Predictive Analytics immer eine Software?”
Genauso gut könnte man fragen „ist rechnen immer ein Taschenrechner?“. Nein, man kann auch im Kopf rechnen – die einen schneller, die anderen langsamer. Aber mit einem Taschenrechner geht es in der Regel einfacher.
So ist es auch mit Predictive Analytics und einer Software. Es gibt verschiedene Wege, wie man Predictive Analytics umsetzen kann. Einfache Modelle können sogar mit Taschenrechner, Stift und Papier berechnet werden. So wird es in manchen Statistik Prüfungen verlangt.
Natürlich ist das für Unternehmen, die einigermaßen effizient arbeiten wollen, keine Option. Nehmen wir an, ein Unternehmen möchte mit Predictive Analytics Vertriebsvorhersagen aus seinen Verkaufsdaten erstellen (auch „Predictive Sales Analytics“ genannt).
Dazu gibt es verschiedene Möglichkeiten: selbst erstellte Excel Analysen, Self-Service Business Intelligence Lösungen oder eine spezialisierte Predictive Sales Software „aus dem Regal“.
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
Die fünf meistgestellten Fragen über Predictive Analytics – Fazit
Das waren unsere Antworten auf die fünf meistgestellten Fragen über Predictive Analytics.
Wir finden es ist keine Selbstverständlichkeit die ganzen Namen und Begriffe aus den Bereichen KI, maschinelles Lernen und Predictive Analytics zu kennen.
Aus diesem Grund ist es unser Ziel mit einfachen Erklärungen ein bisschen Klarheit zu schaffen.
Denn von einer Sache sind wir ebenfalls überzeugt: an dieser Technologie kommt niemand von uns mehr vorbei. Und das schon heute. Ein Grundverständnis dafür kann deshalb nicht schaden!
Waren die Antworten für Sie verständlich und hilfreich?
ICH MÖCHTE PREDICTIVE ANALYTICS FÜR DEN B2B-VERTRIEB
Literaturnachweis:
