Suchen

Predictive Analytics: Von Fakten zu Prognosen

Business Intelligence und der Blick in die Kristallkugel

Seite: 3/3

Firma zum Thema

Sehr nützlich sind dabei Funktionen aus dem Bereich Survival Analysis: Eingesetzt werden die Methoden der „Überlebensanalyse“ und der dazu passenden Scoring-Routinen zur Prognose der Wirkungsweise neuer Produkte. In der Fertigungsindustrie erfolgt damit beispielsweise die Modellierung der Eintrittswahrscheinlichkeit möglicher Fehler und Ausfälle von Maschinen und einzelner Bauteile. Grafikfunktionen dienen dazu, Ergebnisse besser visuell darstellen zu können.

Zum Einsatz kommen Methoden der prognostischen Analytik beispielsweise auch bei der Risikoabschätzung von Krediten. Die Dealer Services Corporation in den USA etwa, ein Gebrauchtwagenfinanzierer, nutzt eine Kombination aus BI und Predictive Modeling, um die Kreditrisiken von Händlern bei Autoverkauf genauer einschätzen zu können.

Bildergalerie

Vor Einführung der heutigen Lösung betrug die durchschnittliche Ausfallquote der Kredite 27 Prozent. Dabei war die Risikobewertung rein subjektiv. Mit der neuen Lösung beruht die Einschätzung der Ausfallwahrscheinlichkeit auf Fakten. Durch einen Kundensegmentierung ließ sich zunächst einmal die Ausfallquote in den einzelnen Gruppen ermitteln. Das schlechteste Segment hatte eine Ausfallquote von 52 und das beste von 8 Prozent.

Wichtig an der Stelle sind natürlich auch Werkzeuge, mit denen die Qualität der Daten, die in das Modell eingehen, begutachtet und sichergestellt wird. Allein durch eine restriktivere Vergabe von Krediten an die riskantesten Klienten ließ sich die durchschnittliche Ausfallquote von 27 auf 22 Prozent senken. Der Einsatz statistischer Verfahren, wie sie die prognostische Analytik bereitstellt, vermindert die Ausfallrisiken und reduziert die Abschreibungen.

Intuitive Benutzeroberflächen

Der Erfolg prognostischer Analytik in den Unternehmen entscheidet sich aber auch an der Benutzeroberfläche der Tools. Anwender müssen die Funktionen einfach und ohne langen Schulungsaufwand im Alltag einsetzen können. Interaktion bedeutet in diesem Fall: Mit Hilfe einfacher Leitfragen müssen sie die Anwender automatisch durch die Auswahl der Modelle und Verfahren führen.

Die Auswahl der geeigneten Modelle sollte das Tool selbstständig treffen. Für die Anwender bedeutet dies, dass sie keine detaillierten theoretischen statischen Vorkenntnisse benötigen, um Modellberechnungen durchführen und Prognosen erstellen zu können.

Der zentrale Punkt dabei: Prognostische Analytik verwandelt operative Daten ohne großen Aufwand für den Anwender in strategisch bedeutsame Informationen. Das hilft, Entscheidungen auf sicherer Faktenbasis zu treffen.

(ID:2053132)