Vorhersagen mit Hilfe von Datenanalyse, Business Analytics und Data Science Was ist prädiktive Analytik (Predictive Analytics)?

Anbieter zum Thema

DataCore Software GmbH

FAST LTA GmbH

Prädiktive Analytik nutzt historische und aktuelle Daten, um daraus mithilfe statistischer Modelle, mathematischer Algorithmen und Verfahren der Künstlichen Intelligenz und des maschinellen Lernens Vorhersagen für die Zukunft abzuleiten. Es werden beispielsweise Ereignisse vorhergesagt oder zukünftige Ressourcenbedarfe ermittelt. Im Storage-Bereich wird dies auch als Predictive Storage Analytics bezeichnet.

Der englische Begriff für prädiktive Analytik lautet Predictive Analytics. Es handelt sich dabei um einen Zweig der fortgeschrittenen Datenanalyse, Business Analytics und Data Science. Die prädiktive Analytik erstellt mithilfe der statistischen und mathematischen Modellierung historischer und aktueller Daten sowie Künstlicher Intelligenz und maschinellem Lernen Vorhersagen für die Zukunft. Es werden beispielsweise Wahrscheinlichkeiten für bestimmte Ereignisse oder zukünftige Trends ermittelt. Auf Basis dieser Vorhersagen können anschließend geeignete Maßnahmen eingeleitet werden.

Unternehmen nutzen die prädiktive Analytik beispielsweise, um Risiken oder Chancen frühzeitig zu erkennen, bessere datengestützte Entscheidungen zu treffen oder Prozesse zu optimieren und zu automatisieren.

Wie funktioniert prädiktive Analytik?

Die Funktionsweise der prädiktiven Analytik lässt sich in folgenden grundlegenden Schritten beschreiben:

Schritt 1: Definition der Zielsetzung und Fragestellung,

Schritt 2: Definition relevanter Datenquellen,

Schritt 3: Datenerfassung, -organisation und -aufbereitung,

Schritt 4: Auswahl und Entwicklung des Vorhersagemodells,

Schritt 5: Training, Anpassung und Bereitstellung des Modells,

Schritt 6: Anwendung des Modells mit aktuellen Daten,

Schritt 7: Validierung und Bereitstellung der Vorhersageergebnisse,

Schritt 8: gegebenenfalls Ableitung von Handlungsempfehlungen oder Maßnahmen aus den Vorhersageergebnissen.

Prädiktive Analytik kann dynamisch ausgelegt sein und neue historische und aktuelle Daten zur Aktualisierung und Verbesserung der Vorhersagen nutzen. Je nach Anwendung werden die Modelle kontinuierlich, regelmäßig oder bei Bedarf aktualisiert. Die genannten Schritte werden daher immer wieder durchlaufen. Teilweise findet die Erstellung der Prognosen nahezu in Echtzeit auf Basis der aktuell ermittelten Daten statt. Als Vorhersagemodelle für die prädiktive Analytik können verschiedene Modelle wie Klassifizierungsmodelle, Regressionsmodelle, Clustering-Modelle, Zeitreihenmodelle sowie neuronale Netze und Deep-Learning-Modelle zum Einsatz kommen.

Was sind typische Einsatzbereiche der prädiktiven Analytik?

Predictive Analytics kommt in vielen Bereichen zum Einsatz. Im IT-Bereich werden beispielsweise mithilfe von Predictive Capacity Planning zukünftige Ressourcenbedarfe wie Rechenleistung, Netzwerkbandbreite oder Speicherplatz vorhergesagt und bereitgestellt. Im Storage-Bereich wird die prädiktive Analytik beispielsweise zur Vorhersage des Kapazitätsbedarfs, der Performanceentwicklung oder möglicher Systemprobleme eingesetzt und teilweise als prädiktive Speicheranalyse (Predictive Storage Analytics) bezeichnet.

Weitere Einsatzbereiche der prädiktiven Analytik sind zum Beispiel:

• Vorhersage des Kundenverhaltens im Marketing und Vertrieb,

• Nachfrageprognose und Optimierung von Lagerbeständen und Lieferketten,

• Vorhersage von Verkehrsaufkommen und Lieferzeiten für eine effizientere Transport- und Routenplanung,

• vorausschauende Wartung (Predictive Maintenance) von Maschinen und Anlagen,

• Vorhersage von Materialpreisen zur Ermittlung optimaler Einkaufszeitpunkte,

• Vorhersage von Ausfallrisiken im Kreditwesen,

• Risikobewertung, Preisgestaltung und Schadensmanagement im Versicherungswesen,

• Patientenüberwachung und frühzeitiges Erkennen von möglichen medizinischen Komplikationen,

• Vorhersage von Wetterereignissen,

• Prognose klimatischer Entwicklungen.

(ID:50956925)