Bessere Prognosen mit Advanced Analytics und Predictive Analytics

 

Die pmOne hilft Unternehmen, mit präzisen Prognosen bessere Entscheidungen für die Zukunft zu treffen. Dabei setzen wir konsequent auf den Einsatz von Advanced und Predictive Analytics. Unser Ziel ist es, Zusammenhänge in Daten aufzudecken und damit Prognosen über zukünftiges Verhalten zu erstellen. Durch Algorithmen des maschinellen Lernens stellen wir sicher, dass auch neue Muster schnell erkannt werden und eine hohe Prognosequalität erreicht wird. Zu unseren Kunden zählen renommierte Unternehmen aus unterschiedlichen Branchen - vom mittelständischen Familienbetrieb bis zum Großkonzern.

Ein schönes Beispiel für den Nutzen von Advanced Analytics in der Krebsforschung - schauen Sie sich das kurze Video an

Erst Advanced Analytics schaffen Wert für die Unternehmenssteuerung

Die technologischen Innovationen der letzten zehn Jahre erlauben die sehr schnelle Analyse sehr großer Datenmengen zu geringeren Kosten, so dass mehr Stakeholder direkten Zugriff auf vorhandene Daten einforderten, um eigene Erkenntnisse zu gewinnen.

Dafür wurden zunächst Analysen durchgeführt, die Ereignisse beschrieben haben (Descriptive Analytics). Klassisches Beispiel ist die Darstellung des Umsatzes im Zeitverlauf. Wird dann beispielsweise der Umsatz von Erdgas der Außentemperatur gegenübergestellt, sollen aus Zusammenhängen von Ereignissen Erkenntnisse gewonnen werden. Diese Form der Analyse wird auch als Explorative Analytics bezeichnet.

Sehr schnell wurden zur Erkenntnisgewinnung Verfahren aus den Bereichen Maschinelles Lernen und Computational Statistics in diesem betrieblichen Kontext angewendet. Liegt der Fokus der Erkenntnisgewinnung auf Vorhersagen in verschiedenster Form, ist von Predictive Analytics die Rede. Prescriptive Analytics ist dann der nächste Schritt, bei dem es schwerpunktmäßig um die Optimierung verschiedenster Prozesse geht, wozu auch Vorhersagen herangezogen werden.

Predictive Analytics und Prescriptive Analytics lassen sich in dem Begriff Advanced Analytics zusammenfassen.


Customer Analytics und Product Analytics

Customer Analytics und Product Analytics

Anwendungsfälle für die Analyse des Kundenverhaltens und die Analyse von Produktdaten sind unter anderem:

  • Clustering, also die Zusammenfassung bzw. Segementierung der Kunden nach unterschiedlichen Kriterien;
  • Kampagnenmanagement mit Aussagen über das Verhalten von Kunden als Reaktion auf Marketing-Maßnahmen
  • Customer Lifetime Value, also die Prognose des Wertes eines Kunden über einen Zeitraum;

  • Empfehlungen, also den Einsatz eines elektronischen Verkäufers, um Kunden passende, zusätzliche Produkte anzubieten (next best offer).
  • Abwanderungs-Präventionen, also die Identifizierung von abwanderungswilligen Kunden, mit dem Ziel sie durch gezielte Maßnahmen als Kunden zu halten;

Manufacturing Analytics und Machine Analytics

Manufacturing Analytics und Machine Analytics

Anwendungsfälle für die Analyse von Fertigungsdaten und die Analysen von Produktionsdaten sind unter anderem:

  • Predictive Maintenance, also die Wartung zum bestmöglichen Zeitpunkt;
  • Faulty Part Detection, also Vorhersagen über den möglichen Ausfallzeitpunkt von Teilen,
  • Shop Floor Digitalization, also die Digitalisierung des Fertigungsbereiches

  • Optimize Process Quality, also die Optimierung der Prozessqualität in der Produktion
  • Condition Monitoring, also die Überwachung der äußeren Bedingungen in der Fertigung
Webinare Lösungen Kontakt