Digitalisierungs Blog

3 min Lesezeit

Predictive Analytics vs. Business Intelligence

19. Oktober 2018

Analytics. Ein Schlagwort mit unzähligen Facetten. Man versteht darunter allgemein sowohl die Technologien als auch die Methoden und Fertigkeiten, um Daten konstant und iterativ zu untersuchen. Und um schließlich gewinnbringende Einblicke zu sammeln und die Unternehmensplanung voranzutreiben. Zwei große Bereiche tun sich unter dem Sammelbegriff Analytics hervor, nämlich Predictive Analytics und Business Intelligence. Inwiefern unterscheiden sie sich? Bauen sie aufeinander auf oder lassen sie sich auch getrennt voneinander anwenden? Dieser Blogbeitrag liefert die Antworten.

Predictive Analytics Business Intelligence IoT

Business Intelligence (BI) – ein alter Hut?

Mit dem Blick in den Rückspiegel betrachtet. Heraus kommt ein Bericht darüber, was warum passiert ist und was weshalb aktuell geschieht. BI hält Ausschau nach Trends auf der Makroebene des Unternehmens; es werden also sämtliche Bereiche gescannt und dann Gebiete identifiziert, die besonders gut oder besonders schlecht performen. Solche Aspekte können zum Beispiel sein: Zeit, Produkte, Kunden, Geschäfte, Geografie, Partner, Kampagnen.

Predictive Analytics – alles neu?

Im Gegensatz dazu dreht sich bei Predictive Analytics alles um den analytischen Blick in die Zukunft. Predictive Analytics sagt auf Basis der gesammelten Daten vorher, was höchstwahrscheinlich passieren wird und warum es sich so zutragen wird. Es kann sich dabei sowohl um eine Makro- als auch eine Mikroebene handeln und sogar den einzelnen Kunden, ein spezifisches Produkt, eine Kampagne oder auch ein einziges Ladengeschäft fokussieren. Dank mathematischer Formeln werden vorhersagbares Verhalten, Neigungen und Geschäftsprinzipien bewertet, um daraus schließlich Schlüsse auf die Zukunft zu ziehen und Handlungen anzupassen. Mit Predictive Analytics lassen sich versteckte komplexe Muster in den unternehmenseigenen Datenschätzen erkennen, die in Form von aussagekräftigen Modellen wahrscheinliche künftige Ereignisse darstellen.

Was genau unterscheidet Business Intelligence und Predictive Analytics voneinander? 

Deutlich wird also: Business Intelligence analysiert die Vergangenheit und gibt Antworten auf Fragen, die das Heute betreffen. Prescriptive Analytics analysiert ebenfalls die Vergangenheit, zieht daraus aber Schlüsse auf wahrscheinliche Ergebnisse im Morgen. Ein paar Beispiele zur Illustration?

BI gibt Aufschluss über demografische Faktoren und Charakteristika Ihrer Kunden, Ihrer Produkte und Ladengeschäfte und sagt Ihnen, wie gut Ihr Unternehmen im Angesicht verschiedenster Dimensionen performt. Sie können dank BI Fragen beantworten wie: Wie lange ist ein Kunde bereits mein Kunde? Wo lebt er? Wie viele Familienmitglieder hat er? Neben diesen typischen demografischen Aspekten gibt BI auch Auskunft über Performance-Aspekte: Welche Artikel hat mein Kunde in der vergangenen Woche gekauft? Auf welche Angebote hat er reagiert? Hat er in den vergangenen vier Wochen im Vergleich zum Vormonat mehr oder weniger Geld ausgegeben?

Predictive Analytics ermöglicht es Unternehmen, mit den Auskünften, die BI zur Verfügung stellt, einen großen Schritt weiterzugehen und auf dieselben Fragen vorausdeutende Antworten und Empfehlungen zu geben. Geschäftsfördernd sind zum Beispiel die Antworten auf folgende Fragen: Wie hoch ist die Wahrscheinlichkeit, dass mein Kunde das Produkt XYZ kauft? Wie häufig wird mein Kunde voraussichtlich in der Weihnachtszeit mein Geschäft (meinen Onlineshop) aufsuchen? Konkrete Handlungsempfehlungen können den Antworten auf diese Fragen folgen: Welche Produktneuheit sollte dem Kunden empfohlen werden? Mithilfe welcher Angebote locken wir den Kunden zusätzlich zwei weitere Male ins Geschäft?

Informationen auf einer nächsten Stufe

Predictive Analytics hebt die Antworten, die Business Intelligence gibt, auf die nächste Stufe. Retrospektive Antworten werden zu Auskünften, die die Vorhersage der Performance fokussieren und klare Handlungsempfehlungen geben. Business Intelligence ist also unabdingbar, um verstehen zu können, was warum in der Vergangenheit geschah. Genauso wichtig ist Predictive Analytics, um die eigenen Ressourcen optimieren zu können, wenn es darum geht, Entscheidungen zu treffen und Weichen für die Zukunft zu stellen.

Predictive Analytics

Prescriptive Analytics als Königsdisziplin

Lassen Sie die Zukunft für sich arbeiten! Es klingt vielleicht verrückt, doch genau das ist der Ansatz der präskriptiven Analytik, die BI und Predictive Analytics noch einen Schritt weiterdenkt. Präzise Zukunftsprognosen mittels Big Data sind ja schön und gut, aber es geht vielmehr darum, was Sie mit Ihnen anstellen. Prescripitive Analytics hilft Ihnen nicht nur, bestimmte Ereignisse vorherzusehen, sondern errechnet Ihnen Möglichkeiten und Handlungsanweisungen, wie Sie ein vorhergesehenes Problem bewältigen.

Prescriptive Analytics ist auf alle Fertigungsanlagen anwendbar. Überall, wo sich Daten abrufen lassen, können sie diese, ermöglicht durch die rasanten Fortschritte im Bereich Machine Learning, auch interpretieren und dem Maschinenführer Maßnahmen vorschlagen, um negativen Auswirkungen vorzubeugen.
Diese Technologie erfordert eine nahtlos integrierte Dateninfrastruktur, die nur eine geeignete IoT-Plattform bieten kann. Im NXTGN-Whitepaper "IoT-Plattformen - Die Basis Ihrer IoT-Initiativen im Überblick" erfahren Sie, welche Software für Ihre Zwecke am geeignetsten ist.

Die Möglichkeiten, die sich aus der Verknüpfung dieser Technologien ergeben, sind nahezu unbegrenzt und bringen einen enormen Nutzen für den Anwender.

Dieses immens wichtige und brandaktuelle Thema hat Sie gepackt? Lesen Sie weiter in unserem kostenlosen Whitepaper "Standortbestimmung  – Intelligente Daten". Darin erfahren Sie auch alles Wichtige über den Zusammenhang von BI und Big Data sowie dem Internet of Things. Gleich unverbindlich downloaden!

Download

Themen: Digitalisierung

Matthias Pirzer
Autor Matthias Pirzer

Matthias Pirzer ist als Senior Consultant Digital Transformation bei der NXTGN tätig. Die NXTGN unterstützt Unternehmen dabei prozess- und softwareseitige Herausforderungen der Digitalen Transformation zu meistern. Matthias Pirzer hat in den letzten 10 Jahren eine Vielzahl von BI- und CRM-Lösungen konzipiert sowie Prozesse von verschiedenen Unternehmensbereichen harmonisiert und optimiert. Sein Fokus bei der NXTGN liegt im Bereich DataInsight, d.h. wie können vorhandene Daten zukunftsgerichtet genutzt werden.

Kommentar hinterlassen