Daten analysieren
Analysen werden im Rahmen der Business Intelligence häufig auch als „Analytics“ oder „Business Analytics“ bezeichnet. Dies ist ein sehr weit gefasster Begriff, der vier verschiedene Säulen im modernen Analysemodell abdeckt. Jede der Säulen spielt eine Rolle dabei, wie Sie Ihr Unternehmen besser verstehen können, was Ihre Daten offenbaren, und wie Sie diese Erkenntnisse nutzen können, um Geschäftsziele voranzutreiben.
Verstehen, was passiert
Deskriptive Analyse
Zu Analysen mit deskriptivem Fokus zählen beschreibende Analysen, welche die Auswertung von zur Verfügung stehender Daten zum Ziel haben. Dies geschieht beispielsweise in Form von Schlüsselkennzahlen (KPI). Die Analyse stellt den klassischen Ansatz der Business Intelligence dar. Deskriptive Analysen bilden eine wichtige Grundlage für ein vertieftes Verständnis der IST-Situation des betrachteten Bereiches, der Identifikation von Potenzialen und Problemfeldern und sind häufig der Ausgangspunkt für weiterführende Analysen mit diagnostischem, prädiktivem oder präskriptivem Fokus. Für Anfänger im Bereich BI kann es sich anbieten, zunächst mit deskriptiven Analysen zu starten.
Ein Beispiel für deskriptive Analysen ist die monatliche Gewinn- und Verlustrechnung. Auch eine Analyse einer großen Anzahl von Kundendaten fällt in diese Kategorie. So ist beispielsweise das Verständnis demografischer Informationen über Kunden (z. B. 30 % unserer Kunden sind selbstständig) rein deskriptiv. Die Verwendung effektiver Visualisierungen über Dashboards verstärkt die Botschaft der deskriptiven Analytik.
Erkunden, warum es passiert ist
Diagnostische Analyse
Die diagnostische Analyse zielt darauf ab, Ursachen, Auswirkungen und Wechselwirkungen von Zuständen zu klären. Typisch für den diagnostischen Fokus ist ein vergangenheitsorientierter Blick (ähnlich ist es bei der deskriptiven Analyse). Der Unterschied ist, dass versucht wird, Begründungen für Ereignisse und Entwicklungen zu finden. Dabei richtet sich der Blick eher in Richtung Zukunft statt auf die Gegenwart. So können beispielsweise bestimmte Verhaltensmuster von Kunden während des Kaufprozesses identifiziert werden.
Nach der Auswertung der deskriptiven Daten, können diagnostische Analysewerkzeuge sie in die Lage versetzen, einen Drilldown durchzuführen und so die Grundursache eines Problems zu isolieren.
Gut gestaltete Dashboards , die beispielsweise das Lesen von Zeitreihendaten (d. h. Daten über mehrere aufeinanderfolgende Zeitpunkte) beinhalten und über Filter und Drilldown-Funktionen verfügen, ermöglichen eine solche Analyse.
Herausfinden, was vermutlich als nächstes passiert
Prädiktive Analyse
Prädiktive Analysemethoden zielen auf die Vorhersage zukünftiger Ereignisse auf Basis historischer Wirkungszusammenhänge ab (z.B. Prognose der Entwicklung der Nachfrage auf Grundlage historischer Verkaufsdaten). Sie gewähren somit einen Blick in die Zukunft. Fragestellungen drehen sich häufig darum, was passieren kann. Ob es um die Wahrscheinlichkeit des Eintretens eines Ereignisses in der Zukunft geht, um die Vorhersage einer quantifizierbaren Menge oder um die Schätzung eines Zeitpunkts, zu dem etwas passieren könnte – all dies geschieht durch Vorhersagemodelle.
In einer Welt großer Ungewissheit ermöglicht die Fähigkeit, Vorhersagen zu treffen, bessere Entscheidungen. Vorhersagemodelle gehören zu den wichtigsten, die in einer Reihe von Bereichen eingesetzt werden.Viele BI-Tools haben statistische Funktionen integriert, die diese Art von Prognosen und Trends berechnen können. Die Voraussetzung hierfür ist, dass eine ausreichend große Menge historischer Daten vorliegt.
Überlegen, was zu tun ist
Präskriptive Analyse
Zusätzlich zu traditionellen statistischen Methoden können in komplexeren Analysen auch Verfahren künstlicher Intelligenz (z.B. Machine Learning, Neuronale Netze) eingesetzt werden. Diese Analysen werden auch als präskriptive Analysen bezeichnet und können neben Prognosen auch auf Handlungsempfehlungen hindeuten. Im Fokus steht die Fragestellung „was wird künftig nicht passieren und warum?“. Das präskriptive Modell nutzt ein Verständnis dessen, was passiert ist, warum es passiert ist, und eine Vielzahl von „Was-kann-passieren“-Analysen, um Anwendern zu helfen, die beste Vorgehensweise zu bestimmen. Die präskriptive Analyse besteht in der Regel nicht nur aus einer einzelnen Aktion, sondern aus einer Vielzahl anderer Aktionen.
Ein gutes Beispiel hierfür ist eine Verkehrs-App, die Ihnen bei der Auswahl der besten Route nach Hause hilft und die Entfernung jeder Route, die Geschwindigkeit, mit der man auf jeder Straße fahren kann, und vor allem die aktuellen Verkehrsbeschränkungen berücksichtigt.
Voraussetzung für die fachgerechte Durchführung präskriptiver Analysen ist ein gewisses Grundverständnis komplexer statistischer Verfahren und den zugrundliegenden Verfahren künstlicher Intelligenz.
