Vorausschauende Datenanalyse: Was ist das und welche Bedeutung hat sie?
Erfahren Sie, wie die vorausschauende Analyse Unternehmen helfen kann, sich in der neuen Ära der datengesteuerten Geschäftswelt Wettbewerbsvorteile zu verschaffen.
Was ist vorausschauende Analyse (Predictive Analytics)?
Denken Sie an all die Daten, die sich in Ihrem Besitz befinden und die nicht umfassend genutzt werden. Damit sind nicht nur die Daten gemeint, die durch übliche Kundentransaktionen erzeugt werden, sondern auch Daten, die aus Quellen wie sozialen Medien, dem Web, aus Sprachdateien und Bilddokumenten stammen. Heutzutage können Sie alle diese Daten verwerten, ob strukturiert oder unstrukturiert, um Wettbewerbsvorteile zu erlangen. Ein Schlüssel zu solchen Einblicken ist die Datenanalyse, im Besonderen die vorausschauende Analyse.
Bei der vorausschauenden Analyse (Predictive Analytics) werden alle unterschiedlichen Arten von Daten, die Ihr Unternehmen erzeugt und erfasst, verwendet, um einen Einblick in potenzielle zukünftige Resultate zu gewinnen. Beachten Sie das Wort „potenzielle“. Die vorausschauende Analyse hilft vorherzusagen, was nach dem Durchspielen von Was-wäre-wenn-Szenarien und der Bewertung von Wahrscheinlichkeiten anhand der vorhandenen Daten nach vernünftigen Maßstäben in der Zukunft geschehen könnte.
Predictive Analytics gilt als Advanced-Analytics-Technik. Advanced-Analytics-Methoden unterscheiden sich von der herkömmlichen Datenanalyse dadurch, dass sie Unternehmen den Blick nach vorn anstatt nur zurück erlauben. Sie fragen also nicht mehr danach, was geschehen ist, sondern danach, was wahrscheinlich geschehen wird. Zum Beispiel: Wird bei diesem Aufzug nach weiteren 50 Betriebsstunden eine Reparatur fällig werden? Oder sogar, wenn Ihre Analyse-Erfahrung und -Kenntnisse gewachsen sind: Was werden wir dagegen tun? Oder – als erstaunlichste Option – wenn Sie das oberste Advanced-Analytics-Niveau meistern, vertrauen Sie einfach dem System: Analysiere die Daten und mache daraus das Beste für mein Unternehmen.
Die Bereitstellung von Datenanalysen wird oftmals als eine fünfstufige Kurve für den Reifegrad dargestellt. Herkömmliche Analyseverfahren umfassen die beiden ersten Typen der Datenanalyse auf dieser Kurve, die anderen drei fasst man unter den fortgeschrittenen Analyseverfahren – Advanced Analytics – zusammen.
Welche Vorteile bietet Predictive Analytics Unternehmen bzw. Organisationen?
Viele große Unternehmen streben heute danach, mithilfe von Advanced-Analytics-Methoden, wie der vorausschauenden Analyse, mehr zu erreichen als mit herkömmlichen Business-Intelligence-Anwendungen (BI).
Doch was kann Predictive Analytics gerade Ihrem Unternehmen bringen?
Vieles. Sie werden endlich die Möglichkeit haben, Ihr rapide anwachsendes Datenvolumen, das sowohl strukturierte als auch unstrukturierte Daten umfasst, in Echtzeit zu nutzen, um Antworten auf geschäftliche Fragen zur Personalbeschaffung, Preisgestaltung und Warenbestandsverwaltung, und nicht zu vergessen, zu betriebsspezifischen Problemen wie Rechenzentrums-Uptime und SLAs zu erhalten.
Zwei Beispiele aus der Praxis:
- Ein großes Krankenhaus, das wegen geänderten gesetzlichen Auflagen dringend die Anzahl der Wiederaufnahmen von Patienten reduzieren musste, implementierte ein Modell für vorausschauende Analyse. Das Modell berücksichtigte neue und bisher unübliche Daten – unter anderem, ob der Patient unter Armut oder schlechten Lebensbedingungen litt, schlecht lesen und schreiben konnte, nur begrenzte Fähigkeiten im Umgang mit der englischen Sprache hatte oder zu Hause wenig soziale Unterstützung erhielt – und verknüpfte diese mit der elektronischen Krankenakte, um jene Patienten zu bestimmen, bei denen ein erhöhtes Risiko für eine Wiederaufnahme bestand. Durch eine gezielte und zusätzliche Betreuung dieser Patienten konnte das Krankenhaus die Häufigkeit der Wiedereinlieferungen von Patienten drastisch senken und potenzielle Bußgeldzahlungen in Millionenhöhe vermeiden, während gleichzeitig Ressourcen für die Versorgung von weiteren Patienten frei wurden.1
- Ein bekanntes Bekleidungsunternehmen brachte RFID-Tags an den Produkten an und verfolgte die Daten im Rahmen eines Predictive-Analytics-Modells, was ihm nahezu in Echtzeit einen 100%igen Überblick über den Warenbestand erlaubte. Mithilfe der Analyse konnte vorausgesagt werden, welchen Stil und welche Größen die Filialen in ihren Regalen bereithalten mussten, damit die Kunden das vorfanden, was sie suchten, und welches die „Hotspots“ und optimalen Zeiten für den Verkauf bestimmter Artikel wären. Damit erhöhte sich nicht nur der Umsatz, vielmehr war die Firma auch in der Lage, den Warenbestand effizienter nachzuverfolgen und aufzufüllen.
Wie sieht die optimale Infrastruktur für die vorausschauende Analyse aus?
Jede Art der Analyse stellt bestimmte Anforderungen an die IT-Infrastruktur. Ihr erster Schritt besteht also darin, Ihre vorhandene Infrastruktur unter die Lupe zu nehmen. Analysieren Sie, an welchen Stellen Ihre Rechen-, Netzwerk- und Datenspeicherressourcen veralten und Sie dadurch behindern.
Für die vorausschauende Analyse kann es notwendig sein, Ihre Infrastruktur zu modernisieren, damit sie die erforderliche Leistung, Sicherheit, Arbeitsspeicher- und Massenspeicherkapazität bereitstellen kann. Ihre Infrastruktur muss ausreichend flexibel sein, um sowohl kommerzielle als auch Open-Source-Lösungen für vorausschauende Analyse einsetzen zu können, und reichlich Wachstumsspielraum bieten, denn es reicht nicht mehr aus, nur linear zu wachsen, die Infrastruktur muss sich eventuell weit über Ihre normalen Erwartungen hinaus skalieren lassen, um Ihre Anforderungen erfüllen zu können.
Die Infrastruktur sollte in der Lage sein, eine Reihe von Analyse-Workloads zu bewältigen, von der Echtzeitanalyse mit In-Memory-SAP-HANA*-Lösungen oder Oracle*-Exadata*-Datenbanken bis zu Streaming-Analyse (Storm*, Flink*) und Big-Data-Hadoop*-Installationen. Während Sie zu einem Zeitpunkt vielleicht einen Hadoop*-Datensee anlegen möchten, könnte es am nächsten Tag eine eigenständige Spark*-Umgebung sein. Ihre Infrastruktur muss ausreichend flexibel sein, um beides zu unterstützen.
Denken Sie auch an Cloud-Computing. Rechen- und Datenspeicherkapazitäten in der Cloud können Ihre Infrastruktur ergänzen, wenn Sie sich Predictive Analytics im großen Stil zum Ziel gesetzt haben, und Sie haben dann die Möglichkeit, Kapazitäten je nach Eignung wahlweise hausintern oder extern zu erweitern. Die Cloud kann auch die Bereitstellung von Infrastruktur- oder Plattformlösungen, die Sie gegenwärtig noch nicht im Blick haben, beschleunigen.
Wählen Sie, um all dies zu erreichen, Infrastrukturkomponenten, die sich an Industriestandards halten; doch allein damit sollten Sie sich nicht zufriedengeben. Das ist nur eine Minimalforderung. Ihre Komponenten sollten auch für Predictive-Analytics-Aufgaben getestet worden und optimiert sein, was zum Beispiel über die allgemeinen Prozessorfunktionen hinausgeht und kundenspezifisch anpassbare FPGAs zur gezielten Beschleunigung von Analyse-Workloads, Arbeitsspeicher, Datenspeicher, Ethernet und Schnittstellen sowie für Deep Learning optimierte Plattformen betrifft.
Produkte von Intel für die Datenanalyse
Skalierbare Intel® Xeon® Prozessoren
Machen Sie mit den neuen skalierbaren Intel® Xeon® Prozessoren einen großen Schritt nach vorn und erfahren Sie, wie Sie praktisch umsetzbare Erkenntnisse gewinnen, sich auf hardwarebasierte Sicherheit verlassen und Dienste dynamisch bereitstellen können.
Intel® Rechenzentrums-SSDs
Beseitigen Sie Engpässe mit optimalen Datenspeicherlösungen für Rechenzentren. Modernisieren Sie Ihre Infrastruktur, um mit den Anforderungen der digitalen Wirtschaft Schritt zu halten. Intel® Rechenzentrums-SSDs sind für hohe Leistung, Zuverlässigkeit und Langlebigkeit optimiert.
Wie kommt Open Source bei der vorausschauenden Analyse ins Spiel?
Sie können die vorausschauende Analyse einführen, ohne Open-Source-Tools zu evaluieren, doch dann entgehen ihnen wichtige Optionen. Die Open-Source-Analyse-Gemeinde ist breit aufgestellt, mit profundem Wissen ausgestattet hat ein phänomenales Portfolio von Advanced-Analytics-Tools hervorgebracht, von Hadoop* bis zu Spark* und Hive* sowie einer Menge anderer Tools, die von der weltweiten Open-Source-Community ständig verbessert und weiterentwickelt werden.
Open-Source-Tools für die vorausschauende Analyse können – oberflächlich betrachtet – mit deutlich weniger Kosten bereitgestellt werden als proprietäre Analyseplattformen. Das macht sie für Unternehmen attraktiv, die gerade erst in die Welt der vorausschauenden Analyse hineinschnuppern. Außerdem sind diese Tools äußerst flexibel und dank einer Vielzahl von Optionen für ein breites Spektrum von Analyse-Workloads geeignet.
Allerdings erschwert gerade diese Flexibilität ihre Verwendung. Für die Open-Source-Alternative werden Mitarbeiter mit neuen und fortgeschrittenen Befähigungen gebraucht – Datenwissenschaftler, Datentechniker und Datenanalytiker. Sie können solche Fachkräfte entweder neu einstellen oder das Know-how hausintern weiterentwickeln, was Zeit kostet. Viele Unternehmen werben schlussendlich Berater an, was die Kosten von Open-Source-Vorhaben zusätzlich erhöht.
Einige Firmen führen erst Proof-of-Concept-Tests von Predictive-Analytics-Systemen mit Open Source durch und wechseln für den Produktivbetrieb dann aber zu proprietären Lösungen. Open Source spielt bei Lösungen für den regulären Betrieb jedoch wegen der Möglichkeiten, alle Daten des Unternehmens, ob strukturiert oder unstrukturiert, nutzen und interessante neue Analysekonzepte testen zu können, eine zunehmend gewichtige Rolle. Dies führt oftmals zu einer Vermischung von offenen und proprietären Techniken und erlaubt es, die jeweils besten Lösungen für verschiedene Aufgaben auszuwählen und zu kombinieren, um optimale Resultate zu erhalten.
Kosten-Nutzen-Analyse für Predictive Analytics in Ihrer Organisation
Eines der größten Hindernisse für die Einführung der vorausschauenden Analyse ist die Abschätzung, welchen Nutzen eine vorgeschlagene Initiative für das Unternehmen haben wird.
Sie schätzen Ihre BI-Lösung heute, weil Sie nicht mehr ohne sie leben können. Wie aber lässt sich der Nutzen der vorausschauenden Analyse bewerten? Als Erstes müssen Sie den Anfangsaufwand für die Einrichtung einer neuen Infrastruktur, die Einstellung von Fachkräften oder die Ausbildung von Mitarbeitern und die Anschaffung der Analyseplattform oder -tools rechtfertigen. Sie müssen nachweisen, dass die Investition Ihrem Unternehmen mehr bringen kann als die rückblickende Sichtweise, die Ihnen die herkömmliche Datenanalyse in den letzten zehn Jahren präsentiert hat.
Die wichtigste erste Regel lautet: Holen Sie die geschäftlich Verantwortlichen ins Boot. Vorausschauende Analyse ist keine abstrakte Angelegenheit. Sie nutzen sie, um geschäftliche Probleme zu lösen. Bitten Sie die Nutzer in den Fachbereichen, Ihnen ihre größten Probleme zu nennen, die mit vorausschauender Analyse gelöst werden können. Wählen Sie ein Problem aus, das sie nicht bewältigen konnten, weil es die Möglichkeiten Ihrer gegenwärtigen Datenquellen und Analysesysteme überfordert. Oder suchen Sie ein neues Problem aus, dem sich die Benutzer zuvor noch nie angenommen hatten, weil die Datenquellen neu, ungeprüft oder unstrukturiert waren.
Die zweite Regel ist, klein anzufangen. Vorausschauende Analyse kann ein überwältigendes Projekt sein. Schließlich handelt es sich um ein höchst komplexes Gebiet, auf dem Änderungen an der Tagesordnung sind. Ständig kommen neue Lösungen und neue Tools auf den Markt – besonders in der Open-Source-Welt – und es ist unklar, wie sie alle integriert werden können. Außerdem muss auch noch die Datensicherheit bedacht werden.
Stellen Sie sich einige grundlegende Fragen: Was genau will ich für das Unternehmen erreichen? Inwiefern wird mir die vorausschauende Analyse mehr Erkenntnisse liefern als die herkömmliche Analyse? Stehen die Daten, die ich dazu brauche, überhaupt zur Verfügung, und werden sie geschäftliche Vorteile im Hinblick auf den Wettbewerb bringen? Wie sieht es mit der voraussichtlichen Rentabilität aus?
Die Vorteile durch Intel als Partner
Intel ist ein Impulsgeber für Innovationen, die Ihnen helfen, die vorausschauende Analyse erfolgreich einzusetzen. Intel®-Technik umfasst alle Aspekte der Infrastruktur, um Unternehmen dabei zu unterstützen, mit der vorausschauenden Analyse Wettbewerbsvorteile zu erzielen.
Insbesondere definiert und forciert Intel die Standards, welche die Entwicklung der Computer-, Netzwerk- und Massenspeichertechnik vorantreiben. Innovationen von Intel wurden für das breiteste Spektrum von Predictive-Analytics-Lösungen in der Branche optimiert und getestet und unterstützen eine Predictive-Analytics-fähige Infrastruktur für ein weites Feld von Aufgabenstellungen, ob auf Open-Source- oder herstellerspezifischen Plattformen. Weil die neuen Plattformen für die vorausschauende Analyse alle auf der Intel-Architektur basieren, können Analysen überall durchgeführt werden, was Möglichkeiten für verteilte Analysen als Teil jeder Bereitstellung eröffnet.
Was die Rechenleistung anbelangt, decken Intel®-Prozessoren sämtliche Anforderungen in Verbindung mit der vorausschauenden Analyse ab. Die Produktpalette erstreckt sich über die universell einsetzbaren Intel® Xeon® Prozessoren hinaus auf kritische Zusatztechnik wie anpassbare FPGAs für die Beschleunigung von Analyse-Workloads, Arbeitsspeicher, Massenspeicher, Ethernet und Schnittstellentechnik.
Bei der Modernisierung von Datenspeichersystemen für die vorausschauende Analyse bietet Technik von Intel bahnbrechende Leistungseigenschaften – und schneller verfügbare Erkenntnisse. Die Datenspeicherlösungen von Intel sind schnell und zeichnen sich durch niedrige Anschaffungskosten und hohe Leistung sowie die nahtlose Funktion in Verbindung mit Intels Prozessoren, Chipsätzen, Firmware, Software und Treibern aus.
Auch die für die vorausschauende Analyse wichtigen Netzwerkaspekte kommen bei Intel nicht zu kurz. Verzögerungen bei der Datenübertragung zwischen dem Datensee oder Data-Warehouse und der Computerinfrastruktur können im Echtzeitbetrieb unnötige Kosten bedeuten. Intel bietet eine der schnellsten verfügbaren Fabrics an, um den für die vorausschauende Analyse erforderlichen Datentransfer über Netzwerkverbindungen zu beschleunigen und solche Verzögerungen zu vermeiden.
Und schließlich die Sicherheit: Intels Hardware- und Software-Sicherheitstools helfen, die Zugangssicherheit zu wahren und die Daten sowohl am Speicherort als auch bei der Übertragung und Verarbeitung zu schützen.
Klicken Sie hier, um mehr darüber zu erfahren, wie Intel die Predictive-Analytics-Strategie Ihres Unternehmen unterstützen kann.
Profitieren Sie von unserem Advanced-Analytics-Technologieumfeld
Microsoft
Windows Server* 2016 ermöglicht fortgeschrittene Rechenzentrumsfunktionalität mit Software-definierten Rechen-, Massenspeicher- und Netzwerkfunktionen, die flexibel und wirtschaftlich einsetzbar sind. Das Betriebssystem ist für Intels Technik optimiert und bietet deshalb hervorragende Leistung, Optimierung, Effizienz und Skalierbarkeit.
Cloudera
Cloudera und Intel liefern Innovationen für Apache Hadoop* bezüglich Sicherheit, Leistungsfähigkeit, Management und Governance auf Enterprise-Niveau.
SAS
Die Leistungseigenschaften der neuen skalierbaren Intel® Xeon® Prozessorreihe geben SAS die Möglichkeit, dem Einzelhandel komplexere, schnellere Analysemethoden anzubieten.
SAP
SAP HANA2* und die skalierbare Intel® Xeon® Prozessorreihe sind der Antrieb für Innovationen und Resultate; sie sorgen dafür, dass die Daten den geschäftlichen Entscheidern ohne Unterbrechung bereitgestellt werden.
DELL EMC
Die Dell-EMC-IT setzte die skalierbare Intel® Xeon® Prozessortechnik ein, um eine Datensee-Architektur zu entwickeln und echte Erkenntnisse zu ermöglichen, die Unternehmen voranbringen.