Prescriptive Analytics

Pre­scrip­tive Ana­lyt­ics bildet die let­zte Stufe und geht über Pre­dic­tive Ana­lyt­ics hin­aus, indem neben Vorher­sagen Hand­lungsempfehlun­gen gegeben wer­den, die eine gezielte Bee­in­flus­sung der zukün­fti­gen Entwick­lun­gen ermöglichen. Im Zen­trum ste­ht die Frage: Was sollen wir tun? Diese wird mith­il­fe von Algo­rith­men des Maschinellen Ler­nens und Sim­u­la­tio­nen beant­wortet. Es obliegt dem Men­schen die let­ztin­stan­zliche Entschei­dungs­ge­walt, ob die Vorschläge des Algo­rith­mus umge­set­zt werden.

Welche Methoden der Datenanalyse-Mindmap können mit Prescriptive Analytics verknüpft werden?
 
  • Kün­stliche Neu­ronale Netze

Der Ein­satz Kün­stlich­er Neu­ronaler Net­ze (KNN) bietet sich an, wenn noch keine Ver­mu­tun­gen über Zusam­men­hänge von Vari­ablen beste­hen. Damit zählt der Ein­satz von KNN zu den struk­tur-ent­deck­enden Ver­fahren. Die Ent­deck­ung von Vari­ablen und deren Zusam­men­hän­gen ver­läuft selb­ständig mit­tels eines Lern­prozess­es, ähn­lich biol­o­gis­chen Lern­prozessen im Ner­ven­sys­tem von Men­schen und Tieren.

  • Machine-Learn­ing-Algo­rith­men
Es bietet sich an, Machine-Learn­ing-Algo­rith­men (kurz: ML) zur Date­n­analyse einzuset­zen, da diese sta­tis­tis­che Daten­beziehun­gen und Muster iden­ti­fizieren und auf dieser Grund­lage Entschei­dun­gen tre­f­fen kön­nen. Als Beispiel sei der Bayes-Klas­si­fika­tor genan­nt. Dieser ermöglicht die Berech­nung der bed­ingten Wahrschein­lichkeit des Ein­tretens eines Ereignisses.
 
Welche Use Cases können zu Prescriptive Analytics gezählt werden?

Zappe mit den Pfeilen durch die Karten. Durch einen Klick auf die jew­eilige Karte gelangst du zum dahin­ter­ste­hen­den Use Case.

Übersicht über alle Use Cases, die zu Prescriptive Analytics gezählt werden können

Alle Use Cas­es aus dem Bilderkarus­sell auf einen Blick:

Kaufbereitschaft
Kundenkommunikation
Logistikprozesse
Neue Services
Personaleinsatzplanung
Personalisierung von Angeboten
Preissetzung
Produktentwicklung
Recruiting

Pub­lika­tion: Wie Unternehmen Dat­en heute schon nutzen und in Zukun­ft nutzen kön­nen. Her­aus­ge­ber: Fraun­hofer IMW, Inhalt: Data Min­ing und Wertschöpfung

Quellen: gartner.com, industry-analytics.de, stitchdata.com, online.hbs.edu,