Der Mittelstand profitiert eindeutig von Predictive Analytics – Einfach mal probieren

Predictive Analytics ist mehr als nur ein Big-Data-Trend. Beispiele zeigen, dass gerade der Mittelstand ohne großen finanziellen Aufwand Daten nutzen kann, um zukünftige Ereignisse vorherzusagen.

Der Wunsch ist vielerorts groß, Vorhersagen auf Basis von historischen Daten zu treffen. Aber wie stellen sich Mittelständler mit ihren vergleichsweise kleinen IT-Abteilungen wirkungsvoll auf? Wie können die innovativen Vorstellungen von Kunden, Management und Trendpropheten in die etablierten Verantwortlichkeiten der IT aufgenommen und integriert werden? Wie kann man für Begriffsklarheit sorgen und die unterschiedlichen Trendbegriffe wie »KI« oder »Big Data« und die damit verbundenen Technologien in einen konkreten Mehrwert und Nutzen überführen? Im Markt wachsen diese Begriffe zudem immer weiter zusammen. Siri, Cortana und Watson als die »personalisierte KI«, Predictive als Geheimwaffe im BI-Umfeld – und die Analyse aller Daten sind die Basis für Unternehmensentscheidungen. 

Begriffe und Erwartungen klären. Wichtig ist demzufolge die Begriffsklärung zu Beginn – und damit verbunden die Justierung der Erwartungshaltung an Predictive Analytics. Dies empfiehlt sich als Einstiegspunkt für Dienstleister und Berater von Unternehmen, die das Thema nachhaltig erfolgreich gestalten wollen.

Es werden in der Regel drei Bereiche unterschieden:

  • Predictive Customer Analytics – Gewinnen, Entwickeln und Binden von Kunden
  • Predictive Operational Analytics – Managen von IT- und Produktionsabläufen
  • Predictive Risk Analytics – Managen von Risiken und Bedrohungssituationen

Im Finanzsektor. Speziell in der Welt der Finanzdienstleister liegt der Fokus häufig auf dem analytisch geprägten Kunden- und Kampagnenmanagement. Das Ziel sollte sein, von einem Gießkannenprinzip zu einer zielgruppenspezifischen Ansprache zu kommen. Die Auswirkungen der jeweiligen Herangehensweise sind groß: Im positiven Fall liegen die Abschlusszahlen im dreistelligen Prozentbereich – im negativen Fall sind aber auch die Stornoquoten im dreistelligen Prozentbereich angesiedelt. 

Für die Analysen werden Hardware, Software und Modelle sowie zugehörige Daten benötigt. Diese Kombination ist als Investition nicht für jeden Mittelständler zu stemmen. Somit ist unerlässlich, dass alle Komponenten und sogar die Daten einzeln beschafft werden können.

In der Lebensmittelindustrie. In der Getränkeindustrie werden beispielsweise Bierflaschen im sogenannten Gegendruckverfahren befüllt. Stimmen der Vorspanndruck in der Flasche und Abfülldruck nicht überein, führt dies zu Überschäumen, Unterfüllungen bis hin zu Ausfallzeiten bei den Maschinen und somit zu kostenintensiven Reinigungsarbeiten. 

Da der Innendruck pro Flasche technisch bedingt nicht gemessen werden kann, werden Prädiktoren aus Umgebungsvariablen ermittelt und mit Hilfe eines prädiktiven Modells Korrelationen für positive und negative Fälle generiert. Nach dem Training dieses Modells können über einen sogenannten »Healthscore« Zustandsbeschreibungen und Vorhersagen über mögliche Ausfälle getroffen werden.

In der industriellen Fertigung. Predictive Maintenance wird als Unterthema der Produktionsoptimierung verstanden. Die komplexe und oftmals mit hohen Initialkosten verbundene Technologie unterstützt folgende Idee: auf Basis von Daten in Kombination mit kognitiven und statistischen Methoden Prognosen für die Zukunft zu liefern. Damit verbunden sind unterschiedliche Reifegrade der Wartungsstrategie: von reaktiven Wartungen über präventive und zustandsorientierte Wartungen bis hin zu vorausschauenden Wartungen – der Traum aller Produzenten unter den Aspekten Zeit, Kosten und Qualität.

Gemeinsam mit externen Spezialisten können in Miniprojekten Ansätze zur Optimierung erarbeitet werden. Das können beispielsweise Korrelationen von Teilschritten oder Zusammenhänge zwischen Sensoren sein. All das kann über die herkömmlichen Leitstände und andere IT-Systeme nicht ermittelt werden. 

Dieses explorative Vorgehen ermöglicht dem Kunden, seine Wartung planbarer zu machen und gleichzeitig den Ausschussanteil im Produktionsprozess deutlich zu reduzieren.

Managed Services als Startpunkt für den Mittelstand. Eine weitere Entwicklung zeichnet sich seit geraumer Zeit ab: Neben den Beratungsleistungen wird die Veredelung von Plattform-as-a-Service-Modellen zu echten Lösungen immer wichtiger für den Mittelstand. Partnerschaftliche Abrechnungsmodelle, die den Kunden und seine Dienstleister an den Einsparungen und Vorteilen partizipieren lassen, sind oftmals Basis der Diskussion. Speziell »Predictive-as-a-Service« bietet hierbei zahlreiche Vorteile, um gemeinsam in die Digitalisierung einzusteigen und entlang eines erprobten Vorgehensmodells die Herangehensweise zu jedem Zeitpunkt transparent und nachvollziehbar zu machen. Das Pay-per-Use-Modell – also das Konsumieren von Services – ist aus der privaten in die Wirtschaftswelt übertragen worden. So wird die Verschmelzung von IT-(Cloud-)Plattformen, Branchen- und Prozessexpertise zu einer individuellen Lösung mit einem pauschalierten Abrechnungsmodell. Wer externe Berater und Dienstleister hinzuzieht, sollte darauf achten, ob dieses Grundverständnis vorhanden ist. 

Und das bedeutet für Mittelständler auch, dass ohne Vorausinvestitionen Anschaffungen möglich sind. Neu ist die Veränderung von CAPEX zu OPEX. Wir empfehlen dieses Thema frühzeitig aktiv anzusprechen, damit nicht zu spät im Entscheidungsprozess Sorgen und Fragestellungen entstehen. 

Probieren ohne Risiko. Predictive Analytics kann also ohne großen finanziellen Aufwand und dem damit verbundenen potenziellen Risiko einer Fehlinvestition für konkrete Anwendungsszenarien wirkungsvoll genutzt werden. Ausprobieren und Experimentieren sind möglich. Bei Nichtgefallen oder zu kleinem Nutzen wird die Investition beziehungsweise der Konsum des Services gestoppt und damit das Risiko kontrolliert gesteuert. Bei all dem sollte der Blick nicht zu sehr auf dem Technischen liegen: Der vertrauensvolle und faire Umgang zwischen Kunde und Dienstleister auf Augenhöhe ist am Tag X das A und O. 


André Vogt,
Senior Vice President EIM,
CENIT AG
http://www.cenit.com/de_DE/anwendungsfelder/planung-predictive-analytics-reporting.html

 

 

Illustration: © DesignPrax /shutterstock.com

 

191 Artikel zu „Predictive Analytics“

Der Mittelstand profitiert eindeutig von Predictive Analytics

Predictive Analytics ist mehr als nur ein Big-Data-Trend. Beispiele zeigen, dass gerade der Mittelstand ohne großen finanziellen Aufwand Daten nutzen kann, um zukünftige Ereignisse vorherzusagen. Der Wunsch ist vielerorts groß, Vorhersagen auf Basis von historischen Daten zu treffen. Aber wie stellen sich Mittelständler mit ihren vergleichsweise kleinen IT-Abteilungen wirkungsvoll auf? Wie können die innovativen Vorstellungen…

Einsatz von Machine Learning und Predictive Analytics bei der Tour de France

Bei der Tour de France 2017 werden erstmals Machine Learning und Predictive Analytics eingesetzt, um neue Einsichten in den Radsport zu ermöglichen und das Zuschauererlebnis zu verbessern. Zu diesem Zweck wurde die Big-Data-Analytics-Plattform weiterentwickelt.   Der Service- und Lösungsanbieter für Informationstechnologie Dimension Data, hat in Zusammenarbeit mit der Amaury Sport Organisation (A.S.O.) seine Big-Data-Cycling-Analytics-Platform optimiert…

Customer Intelligence und Predictive Analytics sind die am häufigsten umgesetzten Hadoop-Projekte

Neue Studie beleuchtet »Hadoop und Data Lakes«. In der aktuellen Studie »Hadoop und Data Lakes« sind die Marktanalysten von BARC diesmal der Frage nachgegangen, ob Hadoop bereits eine ausgereifte Analyseplattform ist [1]. Befragt wurden 380 Teilnehmer aus unterschiedlichen Branchen und Unternehmensgrößenklassen, davon 77 Prozent aus Europa und 13 Prozent aus den USA. Damit handelt es…

Predictive Analytics: Unsichtbar wirksam

»Invisible Analytics« gehören einer Studie der GfK-Marktforscher zu den zehn wichtigsten Tech-Trends des Jahres 2016. Alle zehn von der GfK identifizierten Trends, darunter Künstliche Intelligenz, Virtuelle Realität, mobiles Bezahlen, Smart Home und Connected Cars, erzeugen oder nutzen große Datenmengen (»Big Data«). »Die komplexen Analysen auf der Basis von Kundendaten sind essenziell, um seine Kunden zu…

Business Intelligence setzt auf Big Data und Predictive Analytics

Die Prognosen für den deutschen Business-Intelligence-Markt sind laut einer neuen Studie des Business Application Research Center (BARC) weiter positiv. Für eine große Dynamik und Wachstum sorgen Entwicklungen wie die Digitalisierung, die wachsenden Reife neuer Anwendungsgebiete und eine starke Konkurrenz durch innovative Marktakteure. Software für Business Intelligence und das Datenmanagement bleibt bei deutschen Unternehmen gefragt. Nach…

Supply Chain Management: Großer Nachholbedarf im Bereich Predictive Analytics

Historische Analysen sind gang und gäbe, das Potenzial von Predictive Analytics wird im Bereich Supply Chain noch verschenkt – so das Ergebnis einer neuen Studie [1] zum Status Quo von Supply-Chain-Analysen. »Auch Unternehmen, die ihre Supply Chain noch nicht auswerten, sehen großes Potenzial in der Verbesserung ihres Datenmanagements und der Datenanalysen«, sagt Dan Gilmore, President…

Predictive Analytics: Mehrwert aus Daten generieren

Heute schon wissen, was Kunden morgen kaufen werden. Polizisten zu wahrscheinlichen Tatorten schicken, noch bevor ein Verbrechen geschieht. Frühzeitig erkennen, welche Mitarbeiter gegebenenfalls das Unternehmen verlassen wollen, noch ehe diese es selbst wissen. Maschinen genau dann warten, wenn es nötig ist, und so teure Downtime vermeiden. Dies sind nur einige Anwendungsszenarien für die vorausschauende Datenanalyse…

Advanced, predictive, preventive: Data Analytics – Trend oder Zukunft?

Die Themen Digitalisierung und Big Data stehen bereits seit Jahren auf der »To-do-Liste« der Unternehmen und sind auch in den Fachmedien mehr als präsent. Allerdings steckt die Umsetzung in der Realität bei vielen Unternehmen noch in den Kinderschuhen. Das Potenzial, das Daten bieten, ist häufig nicht auf den ersten Blick ersichtlich. Erst durch eine detaillierte Analyse der Daten lassen sich diese optimal nutzen. Mittlerweile eröffnen sich hier mit Data Analytics ganz neue Möglichkeiten.

Studie zum Status quo von Advanced-und-Predictive-Analytics-Initiativen in der DACH-Region

Das Business Application Research Center (BARC) hat die Studie »Advanced und Predictive Analytics« vorgestellt. Mit 210 Teilnehmern aus der DACH-Region und einer breit gefächerten Branchenverteilung bietet die Studie einen objektiven Blick auf die gegenwärtige und geplante Nutzung von fortgeschrittenen Analysen durch Unternehmen. Dabei liegt der Fokus auf Data Science im Fachbereich und welche Unterschiede zu…

Neue Kultur durch Business Intelligence & Advanced Analytics

Im Zuge des rasant fortschreitenden technischen Wandels stehen Unternehmen heute neue Analysemethoden zur Verfügung. Im Gegensatz zur vergangenheitsorientierten klassischen Business Intelligence (BI) verfolgen diese modernen Analysewerkzeuge einen in die Zukunft gerichteten Verwendungszweck. Dadurch ist es nun möglich, nicht nur den operativen und strategischen Mehrwert von Daten erheblich zu steigern, sondern Informationen als entscheidenden Erfolgsfaktor zu…

Predictive Maintenance: Den Lebenszyklus von Industriebatterien im Fuhrpark intelligent verlängern

Für die Industrie sind zuverlässig funktionierende Transportfahrzeuge in der Intralogistik die Voraussetzung für wirtschaftliches Arbeiten. Da immer mehr Software, Elektronik und damit auch Batterien in den Geräte- und Maschinenpark Einzug halten, steigt der Aufwand für Wartung, Reparatur und Management der Batterien. Ein intelligentes Batteriemanagement kann dabei helfen, die Kosten und Ausfallzeiten zu verringern.   Intelligente…