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.

Beispiel Use Case: Personalized Marketing


Die Datengrundlage für Personalized Marketing bieten unter Anderen soziodemographische Daten, Chatlogs, soziale Netzwerke und Vertrags- und Kundendaten.

Customer Lifetime Value


Dient zur Vorhersage der potentiellen Rentabilität von neuen Kunden und der Abschätzung der Vorteilhaftigkeit der Kundenbeziehung.

Customer Churn Prediction


Verhindert die Kundenabwendung zu Konkurrenten durch gezielte Kundenbindung.

Customer Response Patterns


Dient zur Ermittlung des optimalen Zeitraums, Mediums und Inhalts für gezieltes, kundenorientiertes Marketing.

Wie wird sich die Entwicklung in Zukunft fortsetzen?


Das ist die Frage, die Advanced Analytics anhand von Daten aus der Vergangenheit, die mit Hilfe von komplexen mathematischen und statistischen Modellen analysiert werden, beantwortet. Bekannte Verfahren dabei sind: Clustering, Assoziationsanalyse, Maschinelles Lernen, Neuronale Netze, Support-Vector-Machines, Entscheidungsbäume oder die bedingte Wahrscheinlichkeit nach Bayes.

Predictive Analysis - Kreditwürdigkeit


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. Diese 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.

Branchenübergreifende Use Cases


saracus hat für viele Geschäftsprozesse wie Marketing, Vertrieb, Produktion, Einkauf und HR Advanced Analytics Modelle entwickelt. Dazu kommen noch eine Vielzahl branchenspezifischer Data Science Modelle für Versicherungen, Banken, Retail, Energieversorger, Pharma, Automobilindustrie sowie anderer produzierender Unternehmen.

Time Series

Campaign Optimization
Customer Personalized Offer NBA
Price Optimization
Recommendation
Cross-Selling
Attribution Modelling

Outlet Article Forecast
Energy Demand Forecast

Employee Churn

Natural Language Processing

Chatbots
Automatisches Email-Routing
Sentiment-Analyse

Text Classification

Computer Vision

Aufbereitung
Analyse
Objekterkennung

3D Pose Estimation
Motion Estimation

Fazit


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