Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Advanced Analytics: Kurzüberblick

226 views

Published on

Advanced Analytics hat sich zu einer bedeutenden Zukunftsdisziplin für viele Unternehmen entwickelt, insbesondere in den Bereichen Künstliche Intelligenz und Machine Learning. Erfahren Sie in dieser kurzen Präsentation, was den Einsatz von Advanced Analytics charakterisiert und welche Faktoren für eine erfolgreiche Einführung maßgeblich sind.

Published in: Leadership & Management
  • Be the first to comment

  • Be the first to like this

Advanced Analytics: Kurzüberblick

  1. 1. Strategie- & Managementberatung für Digitalisierung, Handel und Konsumgüter Advanced Analytics Kurzüberblick Safaric Consulting Mai 2020
  2. 2. 2 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Motivation Mit dem „Big Data“-Trend kamen etliche neue Technologien für Analytics auf den Markt, die viele Use Cases über klassisches Reporting hinaus ermöglichen „As business leaders we need to understand that lack of data is not the issue. Most businesses have more than enough data to use constructively; we just don‘t know how to use it. The reality is that most businesses are already data rich, but insight poor.“ BERNHARD MARR, 2015 ▪ Data Warehouses als Standard für „erklärendes“ Reporting etabliert ▪ Unternehmen haben die letzten Jahre beträchtliche Datenmengen gesammelt ▪ Neue Datenquellen innerhalb und außerhalb der Organisation können erschlossen werden, diese sind aber häufig nicht strukturiert oder müssen schnell analysiert werden ▪ Predictive Analytics und Prescriptive Analytics sind der logische nächste Schritt ▪ Hochverteilte Verarbeitung und Analyse von Daten wird mit neuen Big-Data-, Analytics- und KI-Technologien möglich, diese können auf alle Arten und Geschwindigkeiten von Daten angewandt werden ▪ Diese neuen Analysepipelines müssen viele Unternehmen erst für sich erschließen, da diese völlig anders arbeiten
  3. 3. 3 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Abgrenzung Standard Analytics und Advanced Analytics Advanced Analytics umfasst „komplexe“ Verfahren, u.a. aus den Bereichen Machine Learning und Data Mining Standard Analytics (Traditionelle BI Analytics oder „Core Analytics“) Advanced Analytics Quellen: Gartner (2017), RapidMiner (2014), Franks (2012), Schlegel and Sood/Gartner (2007) ▪ Bezieht sich meist auf neuartige Big Data Analytics ▪ Darunter fallen Verfahren, die mit „anspruchs- vollen“ Methoden Herausforderungen lösen oder neue Erkenntnisse hervorbringen ▪ Umfasst deskriptive Analysen (insb. komplexe Auswertungen) und vor allem auch Vorhersagen (Predictive und Prescriptive Analytics) ▪ Verfahren entstammen primär dem Feld des Data Mining und des Machine Learning / KI, die in traditioneller BI Analytics nicht verfügbar sind, z.B. − Mustererkennung − Forecasting, Cluster-Analysen, multivariate Statistik − Neurale Netze ▪ Bezieht sich meist auf traditionelle Business Intelligence (BI) Analytics ▪ Darunter fallen besonders deskriptive BI- Methoden, wie z.B. OLAP, Dashboards, Reports und Ad-hoc Abfragen ▪ Standard Analytics beschreibt und vergleicht Daten mit aggregierten Kennzahlen, z.B. mittels Summen, Mittelwerten oder Varianzen ▪ Ziel ist die Beantwortung „einfacher“ Fragen mit deskriptiven Analysen, z.B. „Umsatz pro Monat“ ▪ Moderne BI Analytics umfasst teils auch Verfahren aus Advanced Analytics (z.B. Trendanalysen, Forecasts / Vorhersagen)
  4. 4. 4 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Schrittweise Erweiterung des Analytics-Repertoires Durch die neuen Möglichkeiten können Unternehmen auf prädiktive und präskriptive Analysen mit neuen Advanced-Analytics-Verfahren zurückgreifen Descriptive Analytics Descriptive Analytics Descriptive Analytics Predictive Analytics Predictive Analytics Prescriptive Analytics Standard Analytics Standard Analytics Advanced Analytics (inkl. KI + ML) Analytics-Reifegrad Analytics- Fähigkeiten ▪ Erklärende Standard-Analysen ▪ Standard-Reporting mit DWH ▪ Zusätzliche modellbasierte Auswertungen und Vorhersagen ▪ Einsatz von Advanced-Analytics-Verfahren (Regression, Cluster-Analyse, …) ▪ Ggf. Nutzung von Datenstromanalysen und Big-Data-Analysen (z.B. in Data Lakes) ▪ Intensivierte Nutzung von Data Mining ▪ Intensivierte Nutzung von Künstlicher Intelligenz (KI) und Machine Learning (ML) ▪ Verfahren lernen und verbessern sich selbst ▪ Vorhersagen steuern auch aktiv das Prozessverhalten (präskriptive Analyse) Standard Analytics Advanced Analytics (insb. KI + ML) Bedeutung Analyse- Kategorien
  5. 5. 5 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Beispiele Deskriptive Analysen sind vergangenheitsorientiert, prädiktive und präskriptive Analysen sind hingegen zukunftsorientiert Descriptive Analytics Predictive Analytics Prescriptive Analytics Zu beantwortende Fragen Beispiele ▪ Was ist passiert? ▪ Wann ist etwas passiert? ▪ Warum ist etwas passiert? Der Gabelstapler ist letzten Monat fünf Stunden ausgefallen Was wird als nächstes passieren? Was müssen wir tun, damit etwas Bestimmtes passiert? („next best action“) Nach Wartungsstand und Elektronikdatenanalyse wird er morgen wieder ausfallen Wenn wir alle 20 Tage warten, wird kein Ausfall vorkommen 50 Kunden hatten gestern 100 Produkte im Onlinewarenkorb und haben den Kauf abgebrochen Wenn der Kauf nach 120 Sekunden nicht abgeschlos- sen ist, bricht der Kunde diesen ab Wenn wir nach 100 Sekunden eine Promotion schalten, wird der Kauf in 50% der Fälle durchgeführt
  6. 6. 6 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Übersicht typischer Analytics-Aufgabencluster Bei Advanced Analytics wird ein breites Spektrum komplexer Analyseverfahren angewandt, auf Standard Analytics sind nur einfachere Verfahren zutreffend Charakterisierung und Diskriminierung Klassifikation und Regression Cluster-Analyse Ausreißererkennung Muster-, Assoziations- und Korrelationsmining ▪ Charakterisierung: Zusammenfassung allg. Dateneigenschaften ▪ Diskriminierung: Vergleich von allg. Dateneigenschaften zwischen Datenobjekten ▪ Mittelwert, Abweichung, Summe, Varianz, Quartile, … ▪ DWH- bzw. OLAP-Funktionen (Drill- down, Roll-up) ▪ Klassifikation: Modellierung kategorischer Datenbeschriftungen (z.B. Klassifizierung von Kunden in Kundensegmente) ▪ Regression: Modellierung kontinuierlicher Funktionen (z.B. Imputation fehlender Werte, numerische Vorhersagen) ▪ Regelbasiert, Entscheidungs-bäume, Neurale Netze, SVM, K-NN, … ▪ Lineare oder multiple Regression ▪ Ermittlung eines Modells oder einer Funktion, die Datenklassen oder -konzepte beschreibt oder unterscheidet (z.B. Topic-Modellierung / Themenerkennung beim Text Mining) ▪ Partitionsverfahren (z.B. k-means) ▪ Hierarchische Verfahren ▪ Dichtebasierte Verfahren (z.B. DBSCAN) ▪ Ermittlung von Mustern, Assoziationen und Korrelationen mittels mathematischer Verfahren (z.B. Häufig zusammen gekaufte Artikel oder von anderen Kunden ebenfalls gekaufte Artikel) ▪ Frequent Itemset Mining (Apriori) Typisches Analytics-Aufgabencluster Ziel und Anwendung Verfahrensbeispiele Quelle: Han, Kamber and Pei (2011) ▪ Ermittlung von Datenpunkten, die „wesentlich“ vom Rest der Daten abweichen (z.B. für Betrugserkennung bei Kreditkarten) ▪ Euklidische Distanz ▪ Verfahren der o.g. Aufgabencluster, z.B. Cluster-Analyse Standard Analytics & Advanced Analytics Hauptsächlich Advanced Analytics
  7. 7. 7 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Erfolgsfaktoren Für die erfolgreiche Einführung von Advanced Analytics sind neben der Anpassung der IT-Landschaft auch kulturelle Änderungen entscheidend Erfolgs- faktoren Geeignete Use Cases auswählen Mitarbeiter Befähigung initiieren Reportingprozesse anpassen Modernisierung der IT-Landschaft einleiten Agile Vorgehensweise etablieren Kulturelle Veränderungen einleiten Advanced Analytics heißt datenbasierte Entschei- dungen treffen. Dies bedeutet eine Kulturänderung. Führungskräfte müssen hier Vorbild sein. Iterative Herangehensweisen eignen sich am besten, um früh Business Nutzen aufzuzeigen und die Machbarkeit zu validieren. Neue Technologien sind in bestehende Landschaften zu integrieren, ggf. müssen Interimsszenarien gemanagt werden. In Workshops mit Fachbereichen und IT-Experten werden Use Cases identifiziert und initial bewertet. Bestehende Prozesse müssen im Hinblick auf die neuen Anforderungen angepasst werden. Self-Service- Elemente sollten sinnvoll integriert werden. Anwender sind in neuen Analysemethoden, Tools und agiler Methodik zu schulen. Der Aufbau von Data Scientists kann erforderlich werden.
  8. 8. 8 Advanced Analytics: Kurzüberblick. Mai 2020. © Safaric Consulting 2020. Alle Rechte vorbehalten. Petra Weichel Experte Digital Finance petra.weichel@safaric-consulting.com David Fekete Experte Advanced Analytics und Künstliche Intelligenz david.fekete@safaric-consulting.com Dr. A. Safaric Consulting GmbH Alteburger Straße 371 | 50968 Köln www.safaric-consulting.com Kontaktieren Sie uns, um mehr zu erfahren!

×