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 berücksichtigt die präskriptive Analyse Informationen zu möglichen Situationen oder Szenarien, verfügbaren Ressourcen, früherer Leistung und aktueller 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 präskriptiver Analytik ist deskriptive Analytik, die Entscheidungen und Ergebnisse nachträglich untersucht.
So funktioniert 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 zu verarbeiten und sich dabei ständig anzupassen. Maschinelles Lernen ermöglicht es, die enorme Datenmenge zu verarbeiten, die heute verfügbar ist. Sobald neue oder zusätzliche Daten verfügbar werden, passen sich Computerprogramme automatisch an, um sie zu nutzen. Dies geschieht viel schneller und umfassender, als es die menschlichen Fähigkeiten können.
Zahlreiche datenintensive Unternehmen und Regierungsbehörden können von der Verwendung präskriptiver Analysen profitieren, einschließlich derjenigen im Finanzdienstleistungs- und Gesundheitssektor, bei denen 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: Ausgehend von der Einschätzung der Predictive Analytics, was voraussichtlich passieren wird, wird empfohlen, welchen zukünftigen Kurs Sie einschlagen sollten.
Vor- und Nachteile von Prescriptive Analytics
Prescriptive Analytics kann das Durcheinander von unmittelbaren Unsicherheiten und sich ändernden Bedingungen beseitigen. Dies 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 narrensicher. Es ist nur dann effektiv, wenn Unternehmen wissen, welche Fragen sie stellen müssen und wie sie auf die Antworten reagieren sollen. Wenn die Eingabeannahmen ungültig sind, sind die Ausgabeergebnisse nicht korrekt.
Wenn sie jedoch effektiv eingesetzt werden, können Prescriptive Analytics Unternehmen dabei helfen, Entscheidungen auf der Grundlage von hoch analysierten Fakten zu treffen, anstatt instinktiv zu unzureichenden Schlussfolgerungen zu gelangen. Prescriptive Analytics kann die Wahrscheinlichkeit verschiedener Ergebnisse simulieren und die Wahrscheinlichkeit der einzelnen Ergebnisse aufzeigen, sodass Unternehmen das Risiko und die Unsicherheit, mit denen sie konfrontiert sind, besser verstehen können, als sie sich auf Durchschnittswerte verlassen könnten. Unternehmen können die Wahrscheinlichkeit von Worst-Case-Szenarien besser einschätzen und entsprechend planen.
Die zentralen Thesen
- Prescriptive Analytics nutzt maschinelles Lernen, um Unternehmen bei der Entscheidung zu helfen, basierend auf den Vorhersagen eines Computerprogramms vorzugehen. Prescriptive Analytics arbeitet mit Predictive Analytics, bei dem Daten zur Ermittlung kurzfristiger Ergebnisse verwendet werden basierend auf Fakten und wahrscheinlichkeitsgewichteten Projektionen, anstatt zu unterbewussten Schlussfolgerungen zu springen, die auf Instinkt basieren.
Beispiele für Prescriptive Analytics
Zahlreiche datenintensive Unternehmen und Regierungsbehörden können von der Verwendung präskriptiver Analysen profitieren, einschließlich derjenigen im Finanzdienstleistungs- und Gesundheitssektor, bei denen die Kosten für menschliches Versagen hoch sind.
Mithilfe von Prescriptive Analytics könnte bewertet werden, ob eine lokale Feuerwehr die Anwohner auffordern 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 Suchvorgängen und sozialen Anteilen für verwandte Themen. Eine andere Verwendung könnte darin bestehen, ein Arbeitnehmerschulungsprogramm in Echtzeit basierend auf der Reaktion des Arbeitnehmers auf jede Lektion anzupassen.
Prescriptive Analytics für Krankenhäuser und Kliniken
Ebenso können Krankenhäuser und Kliniken vorgeschriebene Analysen verwenden, um die Ergebnisse für die Patienten zu verbessern. Die Gesundheitsdaten werden in einen Kontext gestellt, um die Kostenwirksamkeit verschiedener Verfahren und Behandlungen zu bewerten und offizielle klinische Methoden zu bewerten. Es kann auch verwendet werden, um zu analysieren, bei welchen Krankenhauspatienten das höchste Risiko einer erneuten Aufnahme besteht, sodass die Leistungserbringer durch Patientenaufklärung und ärztliche Nachsorge mehr tun können, um eine ständige Rückkehr in das 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 Ticketpreis und -verfügbarkeit anhand zahlreicher Faktoren wie Kundennachfrage, Wetter und Benzinpreise automatisch angepasst werden. Wenn der Algorithmus beispielsweise feststellt, dass der Ticketverkauf für die Vorweihnachtszeit von Los Angeles nach New York im vergangenen Jahr hinterherhinkt, kann er automatisch die Preise senken, ohne sie angesichts der diesjährigen höheren Ölpreise zu stark zu senken.
Gleichzeitig kann der Algorithmus automatisch die Ticketpreise erhöhen, wenn er die aufgrund der vereisten Straßenbedingungen überdurchschnittlich hohe Nachfrage nach Tickets von St. Louis nach Chicago bewertet. Der CEO muss nicht den ganzen Tag auf einen Computer blicken, um zu sehen, was mit dem Ticketverkauf und den Marktbedingungen geschieht, und dann die Mitarbeiter anweisen, sich im System anzumelden und die Preise manuell zu ändern. Ein Computerprogramm kann all dies und mehr - und das auch schneller.
