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,