Prescriptive Analytics
Was ist Prescriptive Analytics?
Prescriptive Analytics ist eine Art von Datenanalyse – der Einsatz von Technologie, mit der Unternehmen durch die Analyse von Rohdaten bessere Entscheidungen treffen können. Insbesondere enthält die präskriptive Analyse Informationen zu möglichen Situationen oder Szenarien, verfügbaren Ressourcen, der Leistung in der Vergangenheit und der aktuellen Leistung und schlägt eine Vorgehensweise oder Strategie vor. Es kann verwendet werden, um Entscheidungen in jedem Zeithorizont zu treffen, von unmittelbar bis langfristig.
Das Gegenteil von Prescriptive Analytics ist Descriptive Analytics, bei dem Entscheidungen und Ergebnisse nachträglich untersucht werden.
Funktionsweise von Prescriptive Analytics
Prescriptive Analytics basiert auf Techniken der künstlichen Intelligenz wie maschinellem Lernen – der Fähigkeit eines Computerprogramms, ohne zusätzliche menschliche Eingaben die erfassten Daten zu verstehen und weiterzuentwickeln und sich dabei ständig anzupassen. Maschinelles Lernen ermöglicht es, eine enorme Menge an Daten zu verarbeiten, die heute verfügbar sind. Sobald neue oder zusätzliche Daten verfügbar werden, passen sich Computerprogramme automatisch an, um sie zu nutzen. Dies ist ein Prozess, der viel schneller und umfassender ist, als es die menschlichen Fähigkeiten verwalten könnten.
Zahlreiche Arten datenintensiver Unternehmen und Regierungsbehörden können von präskriptiven Analysen profitieren, einschließlich solcher im Finanzdienstleistungs- und Gesundheitssektor, wo die Kosten für menschliches Versagen hoch sind.
Prescriptive Analytics arbeitet mit einer anderen Art von Datenanalyse, der Predictive Analytics, bei der Statistiken und Modelle verwendet werden, um die zukünftige Leistung auf der Grundlage aktueller und historischer Daten zu bestimmen. Es geht jedoch noch weiter: Unter Verwendung der Einschätzung der Predictive Analytics, was wahrscheinlich passieren wird, wird empfohlen, welchen zukünftigen Kurs Sie einschlagen sollen.
Die Vor- und Nachteile von Prescriptive Analytics
Prescriptive Analytics kann das Durcheinander von unmittelbarer Unsicherheit und sich ändernden Bedingungen beseitigen. Es kann dazu beitragen, Betrug zu verhindern, Risiken zu begrenzen, die Effizienz zu steigern, Geschäftsziele zu erreichen und loyalere Kunden zu gewinnen.
Prescriptive Analytics ist jedoch nicht kinderleicht. Dies ist nur dann effektiv, wenn Unternehmen wissen, welche Fragen sie stellen müssen und wie sie auf die Antworten reagieren müssen. Wenn die Eingabeannahmen ungültig sind, sind die Ausgabeergebnisse nicht korrekt.
Bei effektiver Anwendung können präskriptive Analysen Unternehmen jedoch dabei helfen, Entscheidungen auf der Grundlage stark analysierter Fakten zu treffen, anstatt instinktiv zu unterinformierten Schlussfolgerungen zu gelangen. Prescriptive Analytics können die Wahrscheinlichkeit verschiedener Ergebnisse simulieren und die Wahrscheinlichkeit jedes einzelnen anzeigen. Dies hilft Unternehmen dabei, das Risiko und die Unsicherheit, mit denen sie konfrontiert sind, besser zu verstehen, als sie sich auf Durchschnittswerte verlassen könnten. Unternehmen können die Wahrscheinlichkeit von Worst-Case-Szenarien besser verstehen und entsprechend planen.
Die zentralen Thesen
- Prescriptive Analytics nutzt maschinelles Lernen, um Unternehmen bei der Entscheidung über eine Vorgehensweise auf der Grundlage der Vorhersagen eines Computerprogramms zu unterstützen.
- Prescriptive Analytics arbeitet mit Predictive Analytics, bei dem Daten verwendet werden, um kurzfristige Ergebnisse zu ermitteln.
- Bei effektiver Anwendung können präskriptive Analysen Unternehmen dabei helfen, Entscheidungen auf der Grundlage von Fakten und wahrscheinlichkeitsgewichteten Projektionen zu treffen, anstatt instinktiv zu unterinformierten Schlussfolgerungen zu gelangen.
Beispiele für Prescriptive Analytics
Zahlreiche Arten datenintensiver Unternehmen und Regierungsbehörden können von präskriptiven Analysen profitieren, einschließlich solcher im Finanzdienstleistungs- und Gesundheitssektor, wo die Kosten für menschliches Versagen hoch sind.
Mithilfe von Prescriptive Analytics kann bewertet werden, ob eine lokale Feuerwehr von den Bewohnern verlangen sollte, ein bestimmtes Gebiet zu evakuieren, wenn in der Nähe ein Lauffeuer brennt. Es könnte auch verwendet werden, um vorherzusagen, ob ein Artikel zu einem bestimmten Thema bei Lesern beliebt sein wird, basierend auf Daten zu Suchanfragen und sozialen Freigaben für verwandte Themen. Eine andere Verwendung könnte darin bestehen, ein Arbeiterschulungsprogramm in Echtzeit anzupassen, je nachdem, wie der Arbeiter auf jede Lektion reagiert.
Prescriptive Analytics für Krankenhäuser und Kliniken
In ähnlicher Weise können Krankenhäuser und Kliniken präskriptive Analysen verwenden, um die Ergebnisse für Patienten zu verbessern. Es stellt Gesundheitsdaten in einen Kontext, um die Kostenwirksamkeit verschiedener Verfahren und Behandlungen zu bewerten und offizielle klinische Methoden zu bewerten. Es kann auch verwendet werden, um zu analysieren, welche Krankenhauspatienten das höchste Risiko einer erneuten Aufnahme haben, damit Gesundheitsdienstleister durch Patientenaufklärung und ärztliche Nachsorge mehr tun können, um eine konstante Rückkehr ins Krankenhaus oder in die Notaufnahme zu verhindern.
Prescriptive Analytics für Fluggesellschaften
Angenommen, Sie sind der CEO einer Fluggesellschaft und möchten den Gewinn Ihres Unternehmens maximieren. Prescriptive Analytics kann Ihnen dabei helfen, indem Sie die Ticketpreise und die Verfügbarkeit automatisch an zahlreiche Faktoren anpassen, darunter Kundennachfrage, Wetter und Benzinpreise. Wenn der Algorithmus beispielsweise feststellt, dass die diesjährigen vorweihnachtlichen Ticketverkäufe von Los Angeles nach New York hinter denen des letzten Jahres zurückbleiben, kann er die Preise automatisch senken und gleichzeitig sicherstellen, dass sie angesichts der höheren Ölpreise in diesem Jahr nicht zu niedrig fallen.
Wenn der Algorithmus die überdurchschnittlich hohe Nachfrage nach Tickets von St. Louis nach Chicago aufgrund vereister Straßenbedingungen bewertet, kann er gleichzeitig die Ticketpreise automatisch erhöhen. Der CEO muss nicht den ganzen Tag auf einen Computer starren, um zu sehen, was mit dem Ticketverkauf und den Marktbedingungen passiert, und dann die Mitarbeiter anweisen, sich in das System einzuloggen und die Preise manuell zu ändern. All dies und mehr kann ein Computerprogramm – und das auch schneller.