Predictive Analytics

Was sind Predictive Analytics?

Predictive Analytics beschreibt die Verwendung von Statistiken und Modellen zur Bestimmung der zukünftigen Leistung auf der Grundlage aktueller und historischer Daten. Predictive Analytics untersucht Muster in Daten, um festzustellen, ob diese Muster wahrscheinlich wieder auftreten. Auf diese Weise können Unternehmen und Investoren anpassen, wo sie ihre Ressourcen einsetzen, um mögliche zukünftige Ereignisse zu nutzen.

Grundlegendes zu Predictive Analytics

Es stehen verschiedene Arten von Predictive Analytics-Methoden zur Verfügung. Beim Data Mining werden beispielsweise große Datentranchen analysiert, um Muster daraus zu erkennen. Die Textanalyse funktioniert genauso, mit Ausnahme großer Textblöcke.

Vorhersagemodelle untersuchen vergangene Daten, um die Wahrscheinlichkeit bestimmter zukünftiger Ergebnisse zu bestimmen, während beschreibende Modelle vergangene Daten untersuchen, um zu bestimmen, wie eine Gruppe auf eine Reihe von Variablen reagieren kann.

Predictive Analytics ist ein Entscheidungsinstrument in einer Vielzahl von Branchen. Zum Beispiel untersuchen Versicherungsunternehmen Versicherungsnehmer, um die Wahrscheinlichkeit einer Auszahlung eines zukünftigen Anspruchs auf der Grundlage des aktuellen Risikopools ähnlicher Versicherungsnehmer sowie vergangener Ereignisse, die zu Auszahlungen geführt haben, zu bestimmen. Vermarkter untersuchen, wie Verbraucher bei der Planung einer neuen Kampagne auf die Gesamtwirtschaft reagiert haben, und können anhand von demografischen Veränderungen feststellen, ob der aktuelle Produktmix die Verbraucher zum Kauf verleitet.

Aktive Händler betrachten eine Vielzahl von Kennzahlen, die auf vergangenen Ereignissen basieren, wenn sie entscheiden, ob sie ein Wertpapier kaufen oder verkaufen. Gleitende Durchschnitte, Bänder und Haltepunkte basieren auf historischen Daten und werden zur Vorhersage zukünftiger Preisbewegungen verwendet.

Häufige Missverständnisse bei Predictive Analytics

Ein häufiges Missverständnis ist, dass Predictive Analytics und maschinelles Lernen dasselbe sind. Predictive Analytics umfasst im Kern eine Reihe statistischer Techniken (einschließlich maschinelles Lernen, Vorhersagemodellierung und Data Mining) und verwendet Statistiken (sowohl historische als auch aktuelle), um zukünftige Ergebnisse abzuschätzen oder vorherzusagen. Predictive Analytics helfen uns, mögliche zukünftige Ereignisse zu verstehen, indem wir die Vergangenheit analysieren. Während maschinelles Lernen andererseits ein Teilgebiet der Informatik ist, das nach der Definition von Arthur Samuel von 1959 ein amerikanischer Pionier auf dem Gebiet des Computerspiels und der künstlichen Intelligenz ist, der Computern die Fähigkeit gibt, zu lernen, ohne explizit programmiert zu werden. “

Zu den gängigsten Vorhersagemodellen gehören Entscheidungsbäume, Regressionen (linear und logistisch) und neuronale Netze – das aufstrebende Gebiet der Deep-Learning-Methoden und -Technologien.

Beispiel für Predictive Analytics

Prognosen sind eine wesentliche Aufgabe in der Fertigung, da sie eine optimale Nutzung der Ressourcen in einer Lieferkette gewährleisten. Kritische Speichen des Supply-Chain-Rads, egal ob es sich um eine Bestandsverwaltung oder eine Werkstatt handelt, erfordern genaue Prognosen für das Funktionieren. Die prädiktive Modellierung wird häufig verwendet, um die Qualität der für solche Prognosen verwendeten Daten zu bereinigen und zu optimieren. Durch die Modellierung wird sichergestellt, dass mehr Daten vom System aufgenommen werden können, auch aus kundenorientierten Vorgängen, um eine genauere Prognose zu gewährleisten.