Advanced Analytics


Advanced Analytics ist ein Schlagwort, das in der BI-Szene derzeit immer mehr Aufmerksamkeit erfährt. Hinter dem Begriff verbirgt sich die Vision eines ganzheitlichen BI-Ansatzes, der neben der Betrachtung der Ist-Situation (Reporting), der Analyse zurückliegender Ereignisse (Analytics) und darauf aufbauender Planung auch die Vorhersage der zukünftigen Entwicklung mit einbezieht.

Während klassische Business Intelligence Lösungen Antworten auf die Fragen „Wie sind die Zahlen aktuell?“, „Wie haben sich die Zahlen in der Vergangenheit entwickelt?“ und „Warum sind die Zahlen so, wie sie sind?“ liefern, versuchen Advanced Analytics-Systeme auch die Frage „Wie wird sich die Entwicklung in der Zukunft fortsetzen?“ zu beantworten.

Grundlage für die Vorhersagen sind dabei Daten aus der Vergangenheit, die mit Hilfe von komplexen mathematischen und statistischen Modellen analysiert werden. Viele dieser Verfahren sind schon aus dem Bereich Data Mining bekannt: Clustering, Assoziationsanalyse, Maschinelles Lernen, Neuronale Netze, Support-Vector-Machines, Entscheidungsbäume oder die bedingte Wahrscheinlichkeit nach Bayes werden schon seit Jahren eingesetzt, um Muster und Zusammenhänge in großen Datenmengen zu finden.

Die so gewonnenen Modelle lassen sich aber auch einsetzen, um zukünftige Entwicklungen vorherzusagen.

Ein prominentes Beispiel ist die Ermittlung eines Score-Wertes für die Kreditwürdigkeit: anhand der vorhandenen Informationen über zurückliegende Transaktionen eines potentiellen Kreditnehmers wird berechnet, ob er den Kredit wieder zurückzahlen wird und wie hoch das Ausfallrisiko ist.

Aber auch in anderen Bereichen lassen sich mit Hilfe von Advanced Analytics wirtschaftlich relevante Schlüsse ziehen. Techniken aus dem Bereich Advanced Analytics werden heute schon eingesetzt:

  • bei der gezielten Auswahl von Kunden für Kampagnen anhand ihres vorhergesagten Kaufverhaltens
  • zur Kundenbindung (Vorhersage von Kündigungsabsicht aufgrund geändertem Nutzerverhalten)
  • bei der Risikobewertung im Versicherungsgewerbe
  • bei der Bewertung individueller Risikofaktoren einzelner Patienten im Gesundheitsbereich
  • zur Aufdeckung von betrügerischem Verhalten (Bewertungsportale im Internet)

und täglich kommen neue Anwendungsfelder hinzu.

Durch den konsequenten Einsatz von Advanced Analytics können Chancen und Risiken noch frühzeitiger erkannt und ökonomische Vorteile realisiert werden.