Big-Data-Trends im Überblick

Was ist was bei Predictive Analytics?

Predictive Analytics ist derzeit einer der wichtigsten Big Data-Trends. Doch worin unterscheidet sich Predictive Analytics von Business Intelligence oder Business Analytics? Ist Data Mining mit Predictive Analytics identisch? Wir beantworten diese Fragen und klären die Begriffe.

Der Science Fiction-Thriller "Minority Report" zeigt eine Methode, mit der auch die deutsche Polizei künftig auf Verbrecherjagd gehen will: Predictive Policing, die Vorhersage von Straftaten. Software berechnet anhand von Tatmustern der vergangenen Jahre (Ort, Tatzeit, Art und Weise) beispielsweise die Wahrscheinlichkeit, mit der in einer bestimmten Region ein Einbruch geschehen wird. Die Polizei könnte dann Streifenwagen in der als gefährdet eingestuften Gegend konzentrieren.

Kommt mit Predictive Policing als eine Form der Predictive Analytics die Vorhersage von Straftaten?
Kommt mit Predictive Policing als eine Form der Predictive Analytics die Vorhersage von Straftaten?

Predictive Policing ist eine Form von Predictive Analytics. Es geht darum, auf Basis von Datenmodellen Voraussagen darüber zu treffen, wie sich eine Situation in Zukunft entwickeln wird oder kann. Auch Unternehmen wollen komplexe wirtschaftliche Zusammenhänge vorhersagen können, um bessere Entscheidungen zu treffen und sich einen Wettbewerbsvorteil zu verschaffen.

Doch was bedeutet Predictive Analytics konkret? Der Begriff fällt häufig im Kontext von Business Intelligence, Business Analytics und Data Mining. Weitere Schlagwörter wie Descriptive oder Prescriptive Analytics stiften zusätzliche Verwirrung.

Übergeordnet: Business Intelligence und Business Analytics

Predictive Analytics ist eine Teilmenge von Business Intelligence (BI) und Business Analytics (BA). BI und BA werden oft synonym verwendet, obwohl es Unterschiede bei Fragestellung und Methodik gibt. Im Prinzip stellt Business Analytics eine fortschrittlichere Evolutionsstufe von BI dar. Business Intelligence wird aber oft als Oberbegriff für alle Formen der Datenanalyse im Unternehmen verwendet.

Mit Business Intelligence (BI) sind Unternehmen in der Lage, Fragen zur aktuellen wirtschaftlichen Situation zu beantworten, indem sie Unternehmensdaten systematisch sammeln, auswerten und darstellen. Kennzahlen und Auswertungen zum Monats- oder Quartalsende unterstützen in Kombination mit Soll-Ist-Vergleichen das Management dabei, bessere operative oder strategische Entscheidungen zu treffen.

BI befasst sich überwiegend mit den Geschehnissen in der Vergangenheit und deren Auswirkungen auf die Gegenwart. Es beantwortet Fragen zum Geschehen (Was ist wann passiert?), zur Menge, Häufigkeit oder den Ursachen eines Ereignisses. Werkzeuge dafür sind beispielsweise Reporting (KPIs, Metriken), automatisiertes Monitoring (Alarm bei Über-/Unterschreiten von Schwellenwerten), Dashboards, Ad-hoc-Anfragen oder OLAP (Online Analytical Processing). OLAP beispielsweise arbeitet deduktiv, stellt also Hypothesen auf und fragt gezielt Informationen ab, um die Vorannahme zu bestätigen oder zu verwerfen.

Predictive Analytics als Teil-Disziplin von Business Analytics

Predictive Analytics bildet eine Teildisziplin von Business Analytics. Sie setzt da an, wo OLAP oder Reporting aufhören.
Predictive Analytics bildet eine Teildisziplin von Business Analytics. Sie setzt da an, wo OLAP oder Reporting aufhören.
Foto: vetkit-shutterstock.com

Business Analytics erweitert BI um den Blick in die Zukunft und setzt vor allem auf statistische Analysen von Unternehmensdaten. Business Analytics gibt Antworten auf die Fragen nach den Gründen, Auswirkungen, Wechselwirkungen oder Folgen von Ereignissen. Zudem ist es möglich, Szenarien durchzuspielen und Handlungsalternativen aufzuzeigen: Was geschieht, wenn wir an dieser oder jener Stellschraube drehen?

Um den Planungsprozess im Unternehmen zu verbessern, nutzt Business Analytics diverse Analyse-Tools. Hier die wichtigsten Anwendungen von Business Analytics inklusive Methode:

• A/B-Tests oder multivariates Testen mit mehreren Variablen, um Entscheidungen zu überprüfen.

• Statistische oder quantitative Analyse, um zu erklären, warum ein bestimmtes Ergebnis eingetreten ist.

• Entdeckung von neuen Mustern und Zusammenhängen in Daten (Data Mining). Im Gegensatz etwa zu OLAP ist diese Analysetechnik induktiv, das heißt sie sucht in den Datensätzen ohne eine Vorannahme nach Auffälligkeiten oder Mustern, interpretiert diese und stellt eigene Hypothesen auf.

• Vorhersage künftiger Ergebnisse, sprich Predictive Analytics.

Predictive Analytics bildet damit eine Teildisziplin von Business Analytics. Sie setzt da an, wo OLAP oder Reporting aufhören. Statt nur die bestehende Situation zu analysieren, versucht Predictive Analytics mit Hilfe von Datenmodellen Vorhersagen über mögliche Ereignisse in der Zukunft zu treffen. Dabei besteht eine enge Verbindung mit Data Mining.