Wie Unternehmen von der vorausschauenden Analyse profitieren können
Hier erfahren Sie, wie Unternehmen wertvolle, auf Daten beruhende Erkenntnisse für ihre zukünftige Ausrichtung gewinnen.
Mit vorausschauender Analyse Erfordernisse vorhersehen, anstatt nur auf sie zu reagieren
Herkömmliche BI-Methoden (Business Intelligence) sind ein Blick in den Rückspiegel, der den Unternehmen hilft, die Folgen vergangener Entscheidungen und Kundenaktivitäten zu verstehen. Die vorausschauende Analyse (Predictive Analytics) ist in die Zukunft gerichtet und ermöglicht es Unternehmen, in der Gegenwart möglichst frühzeitige und wirksame Entscheidungen zu treffen.
Vorausschauende Analyse ist ein komplizierter Prozess, der sich als äußerst profitabel erweisen kann, aber auch enorme Auswirkungen auf die IT-Infrastruktur, auf Geschäftsentscheidungen und die Art und Weise, wie Menschen in Ihrem Unternehmen interagieren, hat.
In einer Zeit der sozialen Medien und der digitalen Wirtschaft verbreiten sich Informationen innerhalb von Sekunden über den ganzen Erdball und die Wünsche von Kunden können sich im Handumdrehen ändern. In diesem schnelllebigen Umfeld ist es für die Unternehmen entscheidend, Bedürfnisse voraussehen zu können, anstatt nur auf sie zu reagieren.
So sieht sich der Gesundheitssektor zum Beispiel unter extremem Druck, die Kosten zu senken und die Effizienz zu steigern. Es reicht einfach nicht aus, den Zustand kranker Menschen zu verbessern. Das Ziel ist in erster Linie, zu verhindern, dass Menschen überhaupt krank werden. Ein wichtiger Bereich, in dem Krankenhäuser Verbesserungen herbeisehnen, ist die Häufigkeit der wiederholten Aufnahme von Patienten innerhalb von 30 Tagen, weil ihr ursprüngliches Gesundheitsproblem oftmals nicht gelöst wurde.
Im Hinblick darauf setzte ein großes Krankenhaus die vorausschauende Analyse ein, um Patienten zu finden, bei denen ein hohes Risiko für eine wiederholte Aufnahme bestand, wozu eine Fülle von Informationen berücksichtigt wurde, einschließlich elektronischer Krankenakten und sozioökonomischer Daten. Im Ergebnis konnte das Krankenhaus die Häufigkeit der wiederholten Aufnahme von Patienten reduzieren, medizinische Kosten einsparen und mögliche Medicare-Bußgelder vermeiden. Darüber hinaus wurden Ressourcen freigesetzt, um vielen weiteren Patienten zu helfen1.
Die Stärke der vorausschauenden Analyse liegt darin, dass sie Unternehmen dabei unterstützt, ihre Vorhaben gezielt zu steuern, damit sie mit möglichst wenig Ressourcen maximale Ergebnisse erzielen können.
Die Grundlagen
Einmaleins der vorausschauenden Analyse
Lernen Sie in einem Crashkurs zum Thema vorausschauende Analyse, warum diese von Bedeutung ist, wie Unternehmen die Analyse einsetzen können, wie sie die IT beeinflusst und inwiefern Intel Unterstützung bieten kann.
Mit Predictive Analytics zu besseren Entscheidungen
Erfahren Sie, wie Intel die vorausschauende Analyse und maschinelles Lernen einsetzt, um große zusammenhängende Datenmengen zu analysieren und vielversprechende Partner im Fachhändlergeschäft ausfindig zu machen.
Bleiben Sie auf dem Laufenden
Das Intel IT-Center informiert Sie laufend über technische Fortschritte, Trends und Ideen, die das Arbeitsumfeld der Zukunft prägen.
Durch die Übertragung dieses Formulars bestätigen Sie, dass Sie mindestens 18 Jahre alt sind, und Sie stimmen zu, dass Intel Sie mit Marketing-E-Mails oder telefonisch kontaktieren kann. Sie können sich jederzeit abmelden. Für die Websites und Mitteilungen von Intel gelten unsere Datenschutzerklärung und unsere Nutzungsbedingungen.
Durch die Übertragung dieses Formulars bestätigen Sie, dass Sie mindestens 18 Jahre alt sind, und Sie stimmen zu, dass Intel Sie mit Marketing-E-Mails oder telefonisch kontaktieren kann. Sie können sich jederzeit abmelden. Für die Websites und Mitteilungen von Intel gelten unsere Datenschutzerklärung und unsere Nutzungsbedingungen.
Geschäftsmodelle neu ausrichten
Die Datenanalyse einzusetzen, um zukünftiges Verhalten zuverlässig vorauszusagen, kann mehr bewirken, als nur den Umsatz zu steigern oder die Effizienz zu erhöhen. Die unvergleichliche Menge an praktisch umsetzbaren Erkenntnissen durch die vorausschauende Analyse kann Unternehmen auch in die Lage versetzen, ihre Geschäftsmodelle und ihr grundlegendes Nutzenversprechen neu zu überdenken. Geschickt eingesetzt, kann die vorausschauende Analyse Abgrenzungen zwischen den Branchen beseitigen und völlig neue Einnahmequellen erschließen.
Beispielsweise sind die Versicherungsgesellschaften in Italien mit der höchsten Anzahl an Autounfällen und den höchsten durchschnittlichen Schäden in Europa konfrontiert. Gleichzeitig haben Preisvergleichs-Websites den Wettbewerb verschärft und die Gewinnspannen bei Policen geschmälert.
Daraufhin installierte eine große Versicherungsgesellschaft in den Autos ihrer Kunden „Blackboxes“, die Daten über ihr Fahrverhalten erfassten, speicherten und analysierten, z. B. wie schnell sie in Kurven fuhren oder wie sanft sie abbremsten. Der Versicherer konnte so die Wahrscheinlichkeit eines Unfalls vorhersagen und auch schlechte Fahrer dazu anregen, ihre Gewohnheiten zu ändern.
Dieses Konzept führte nicht nur dazu, dass die Versicherungsfirma ihre bisherige Geschäftspraxis optimieren konnte, vielmehr bewirkte die vorausschauende Analyse auch grundlegende Veränderungen. Als Resultat der verwertbaren Daten entwickelte der Versicherer neue Geschäftsmodelle mit der Bezeichnung „Pay as You Drive“ oder „Pay How Your Drive“, bei denen die Prämienhöhe basierend auf den tatsächlichen Fahrgewohnheiten der Versicherten und nicht auf der Grundlage traditioneller und verschwommener Prädiktoren wie Alter, Geschlecht und Fahrpraxis errechnet werden. Des Weiteren kann die Versicherungsgesellschaft auf der Grundlage der erfassten Daten neue Dienste anbieten, wie Kraftstoffmanagement und Ferndiagnose, die bisher nicht in den Tätigkeitsbereich der Branche fielen.
Denken Sie bei der Aufstellung eines Business Case für die vorausschauende Analyse weiter als nur daran, bestehende Prozesse zu verbessern. Die Stärke der vorausschauenden Analyse kann auch darin liegen, neue Erkenntnisse hervorzubringen, die zu einer grundlegenden Veränderung Ihres bisherigen Geschäftsbetriebs führen und Ihnen gewinnbringende neue Optionen erschließen können, die Ihre Branche revolutionieren.
Anwendungsfälle, Anwendungen und Beispiele
Vorausschauende Analyse im Einzelhandel
Lesen Sie, wie die vorausschauende Analyse mit einer Cloudera-Distribution von Hadoop einer Haushaltsgerätefirma hilft, große Mengen von Kunden-Rohdaten zu übernehmen und zu verarbeiten, um Kaufgewohnheiten der betreffenden Kunden vorauszusagen.
Vorausschauende Analysen im Gesundheitswesen
Eine innovative Lösung für die vorausschauende klinische Datenanalyse auf der Basis der Intel®-Architektur hilft Leistungserbringern und Kostenträgern, die Patientensicherheit zu verbessern, die betriebliche Effizienz zu steigern und die Zufriedenheit der Patienten zu erhöhen.
Ausrichtung der IT und Geschäftsbereiche auf die Analytik
Ein fundamentaler Aspekt der vorausschauenden Analyse ist Agilität – die Fähigkeit, Ereignisse und Geschäftschancen vorherzusehen. Um solche Projekte erfolgreich umzusetzen, müssen allerdings die IT-Abteilung und die Fachbereiche an einem Strang ziehen und die geschäftlichen Entscheider in die Entwicklungsphase des Analysevorhabens eingebunden werden.
EMC*, einem führenden Anbieter von Datenspeichertechnik und Lösungen für die Datenanalyse, war effektive Leadgenerierung und gezieltes Marketing nicht möglich, da seine eigenen Daten an zu vielen Stellen in Form von Insellösungen gespeichert waren. In mehr als 10 Jahren hatte EMC* 80 Firmen übernommen, und die Daten blieben in vielen Formaten über viele Standorte verstreut. Das Unternehmen konsolidierte viele der in Insellösungen separierten Daten in einem Datensee – von unstrukturierten Daten aus sozialen Medien bis zu strukturierten Daten, wie Kundendatensätzen.
Ein wichtiger Teil des Prozesses bestand darin, sich nicht nur auf die technischen Aspekte und Infrastrukturanforderungen für die vorausschauende Analyse zu konzentrieren, sondern auch zu überlegen, wie man auf die Bedürfnisse der einzelnen Fachabteilungen hinsichtlich der Interpretation der Daten eingehen konnte. Zunächst implementierte EMC* eine Projektführung, die es den Geschäftsbereichen ermöglicht, an Analyseprojekten teilzunehmen und zusammenzuarbeiten. Jeder Fachabteilung wurde außerdem eine „Sandbox“ bereitgestellt, um Analyseszenarien in einer Self-Service-Umgebung durchzuspielen.
Auf diese Weise wurde aus einer IT-Abteilung, die als Pförtner für die Daten agierte, ein Vermittler von Erkenntnissen. Die IT stellte den Fachbereichen ihr technisches und Daten-Know-how zur Verfügung, während diese die Führung bei der Entwicklung von Projekten übernehmen konnten, in denen die täglichen Geschäftsentscheidungen vermittelt werden. Fazit: Die Zusammenarbeit von Geschäfts- und IT-Abteilung ist ein hervorragendes Modell für Ihre Organisation, um deren Leistungsfähigkeit zu erweitern und dem Unternehmen schnellere Rentabilität zu sichern.
Intel-IT-Netzwerk für Berufskollegen
Der nächste Schritt bei der Big-Data-Analyse
Erfahren Sie, welchen Raum die vorausschauende Analyse in der Big-Data-Analyse einnimmt und was Ihr Unternehmen tun muss, um erfolgreich zu sein.
Von der rückblickenden zur vorausschauenden Analyse
Die moderne Datenanalyse geht andere Wege. Lesen Sie nach, welches Konzept Sie für die Daten Ihrer Organisation mit Blick auf die Entwicklung der Datenanalyse verfolgen sollten.
Vorhersagemethoden und das Internet der Dinge
In der Unternehmenswelt werden moderne Fahrzeuge zu Computern auf vier Rädern, die auf jedem Kilometer eine Flut von Leistungs- und GPS-Daten erzeugen. Sensoren in den Fahrzeugen der Fuhrparks erfassen Daten über den Reifendruck, die Hydraulik und andere Fahrzeugkomponenten, die es den Fuhrparkmanagern ermöglichen, sogar Wochen im Voraus festzustellen, ob beispielsweise ein Motor auszufallen droht.
Das Problem dabei ist, dass die Handhabung der riesigen Datenmenge, die von online vernetzten Geräten – dem Internet der Dinge – erzeugt wird, die IT-Abteilungen überfordern kann. Jedes Byte der von jedem vernetzten Gerät erzeugten Daten zur Verarbeitung und Analyse in die Cloud zu übertragen, würde enorme Backend-Datenkosten verursachen.
Die Lösung? In diesem Beispiel entschied sich die IT-Abteilung eines großen Transportunternehmens für die Datenanalyse auf Endgeräteebene (Edge Analytics), bei der die Daten nahe am Ort ihrer Erfassung analysiert werden. Telemetriesensoren in Motor, Kamera und anderen Teilen des Fahrzeugs nehmen Datenströme auf und übertragen sie an ein IoT-Gateway, das sich im Fahrzeug selbst befindet und das die Daten in Echtzeit analysieren kann. Bei drohenden Problemen kann der Fahrer sofort alarmiert werden oder die Informationen können zur Cloud geschickt werden, damit IT-Teams in der Betriebsabteilung bzw. der Unternehmenszentrale eine genauere Analyse durchführen können. Darüber hinaus kann die Cloud alle Daten aggregieren und Fuhrparkmanagern ermöglichen, noch strategischere Entscheidungen zu treffen, wie etwa bei der Verwaltung von Ersatzteilen, der Festlegung von Flottenrichtlinien und der Entscheidung, welche Fahrzeuge jeweils eingesetzt werden.
Das Internet der Dinge ist dabei, ein unverzichtbares Instrument für die vorausschauende Analyse zu werden, um z. B. aufgrund von Marketingprogrammen und anderen Initiativen umgehende Kursänderungen vorzunehmen. Der Nutzen der IoT-Daten nimmt jedoch schnell ab und die Erkenntnisse müssen deshalb rasch gewonnen und umgesetzt werden. Daten, die erkennen lassen, dass ein Motor kurz davor steht auszufallen, werden wertlos, sobald der Motor tatsächlich ausfällt. Durch die Verarbeitung und Analyse von Daten am Entstehungsort können Unternehmen das Internet der Dinge zu einer Quelle der Erkenntnis machen, statt zu einem Datengeysir.
IoT-Anwendungen und -Beispiele
Vorausschauende Instandhaltung
Sehen Sie in diesem Video, wie die Intel® IoT-Plattform das traditionelle Maschinengeschäft von Fusheng mit neuen Lösungen und Diensten, die notwendige Wartungen voraussagen und erkennen, grundlegend verändert hat.
Industrie 4.0
Die voraussagende Instandhaltung mit IoT-basierter Technik hilft Unternehmen, wertvolle Erkenntnisse über den Zustand ihrer Anlagen zu gewinnen, mit denen sich unvorhergesehene Kosten im Zusammenhang mit Geräteausfällen reduzieren lassen.
Unternehmen auf Wachstum und Skalierung einstellen
Wenn Unternehmen mehr Erfahrung mit der vorausschauenden Analyse gesammelt haben, wächst ihr Durst danach, verwertbare Daten zu sammeln und besser fundierte Entscheidungen treffen zu können. Sie müssen die Fähigkeit entwickeln, ihre Analyselösungen zu skalieren, um zu wachsen zu können, wenn sich das Unternehmen das Wissen um die Analyse der erfassten Daten und die geeignete Reaktion angeeignet hat.
So wollte zum Beispiel ein internationaler Süßwarenhändler sicherstellen, dass sein Warenangebot, seine Verkaufsstrategie und sein Marketing auf die kritische Ostersaison eingerichtet sind, eine Zeit, in der ein Wandel im Geschmack der Verbraucher über das Wohl und Wehe des Unternehmens entscheiden kann.
Um sich die Agilität zu bewahren und die Kosten im Zaum zu halten, nutzte die Firma eine Cloud-Infrastruktur für den rechenintensiven ETL-Prozess (extract, load, transform) bei den Verlaufsdaten, was die Kapazität der Datenbank für Analyseaufgaben schonte. Die eng integrierte Lösung ermöglichte es dem Süßwarenhändler, historische Daten mit wöchentlichen Verkaufsdaten aus jeder Region zu kombinieren und die Manager konnten interaktive Dashboards nutzen, um Trends vor Ostern ausfindig zu machen. Als Folge davon trafen die Manager bessere Entscheidungen darüber, welche Warenangebote, welche Verpackung und welche Marketingkampagnen die Verbraucher in verschiedenen Gegenden des Landes in die Geschäfte locken würden.
Das Ergebnis spricht für sich selbst. Die Firma verzeichnete einen Umsatzanstieg gegenüber der Ostersaison des Vorjahres, während der Warenbestand insgesamt zurückging. Kurz gesagt, die Läden legten mehr Vorräte von den Artikeln an, die von den Verbrauchern gewünscht wurden, und diese Produkte verkauften sich schneller.
Dies war zwar ein eindrucksvoller unmittelbarer Geschäftsgewinn, doch die Firma behielt auch die Zukunft im Blick. Dazu nutzte sie die Open-Source-Plattform Hadoop*, die dafür ausgelegt ist, große Datenmengen und viele Datenquellen und Datenströme zu bewältigen. Hadoop kann bei einer Zunahme der Aufgaben und Kunden problemlos und wirtschaftlich um weitere Knoten ergänzt werden, was dem Vorhaben Zukunftssicherheit verleiht. In Anbetracht seines großen Produktspektrums, das ständig erweitert wurde, wollte der Süßwarenhändler eine Predictive-Analytics-Plattform, die schnell mit dem Unternehmen wachsen konnte.
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. Intels Rechenzentrums-SSDs sind für hohe Leistung, Zuverlässigkeit und Langlebigkeit optimiert.
Analyselösungen für die Zukunft planen
So wie vorausschauende Analyse zu Leistungsverbesserungen führt, sollten IT-Abteilungen ihre Predictive-Analytics-Projekte mit Blick in die Zukunft und unter dem Gesichtspunkt ständiger Verbesserung konzipieren und sich gleichzeitig Gedanken darüber machen, wie Mensch und Maschine zusammenarbeiten werden, um die Entscheidungsfindung zu verbessern.
TeacherMatch* stellt Analysetools bereit, die Schulleiter dabei unterstützen, die besten Lehrer für ihren Schulbezirk einzustellen. In der Vergangenheit war die Einstellung ein sehr subjektiver Vorgang und mehr Kunst als Können. TeacherMatch* sammelt Daten aus mehreren Quellen, unter anderem die üblichen Informationen wie Zulassungen der Bundesstaaten und Lehrproben. Das System beinhaltet außerdem ein EPI-Tool („Educator’s Professional Inventory“), das die Kandidaten zu vier verschiedenen Bereichen befragt – Eigenschaften oder Qualifikationen, kognitive Fähigkeiten, Einstellungsfaktoren und pädagogische Kompetenzen – und diese mit der Wahrscheinlichkeit in Beziehung setzt, dass die Lehrkraft ein bestimmtes Leistungsniveau der Schüler erzielt.
Durch die Zusammenführung dieser verschiedenen Informationen ist es für Schulleiter einfacher, die bestmöglichen Kandidaten aus einem Stapel von Bewerbungen herauszufischen, wobei quantitative und qualitative Aspekte der Entscheidungsfindung gegeneinander abgewogen werden. Entscheidend dabei ist, dass das System mit maschinellem Lernen arbeitet. Informationen über die tatsächlichen Leistungen der Schüler fließen – in Form von Abschlüssen und Befragungen, wie die Schüler mit dem Lehrer zufrieden waren – in das System zurück und ermöglichen eine stetige Verfeinerung der Algorithmen.
Die vorausschauende Analyse hängt auch von den beteiligten Menschen ab, sowohl von den Fähigkeiten der IT-Mitarbeiter als auch davon, wie die Entscheidungsträger die Informationen nutzen. Während die vorausschauende Analyse gegenwärtig die Entscheidungsfindung unterstützt, wird sie in der Zukunft diese Entscheidungen treffen und es wird dann noch wichtiger sein, die Daten und Machine-Learning-Verfahren bestmöglich zu erstellen und auszuwählen, um die Systeme und Algorithmen ständig zu verbessern.
Die Notwendigkeit, immer bessere Möglichkeiten der Entscheidungsfindung zu schaffen, findet nie ein Ende. Eine flexible, agile Infrastruktur bereitet Unternehmen darauf vor, schon heute auf die wirtschaftlichen Rahmenbedingungen reagieren zu können und auch morgen auf veränderte Anforderungen vorbereitet zu sein.
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.