Präskriptive Analytik

Was ist Prescriptive Analytics?

Prescriptive Analytics ist eine Art der Datenanalyse – der Einsatz von Technologie, um Unternehmen dabei zu helfen, durch die Analyse von Rohdaten bessere Entscheidungen zu treffen. Insbesondere berücksichtigen präskriptive Analysen Informationen über mögliche Situationen oder Szenarien, verfügbare Ressourcen, vergangene und aktuelle Leistungen und schlagen eine Vorgehensweise oder Strategie vor. Es kann verwendet werden, um Entscheidungen in jedem Zeithorizont zu treffen,. von unmittelbar bis langfristig.

Das Gegenteil von Prescriptive Analytics ist Descriptive Analytics,. bei der Entscheidungen und Ergebnisse im Nachhinein untersucht werden.

Wie Prescriptive Analytics funktioniert

Prescriptive Analytics stützt sich auf Techniken der künstlichen Intelligenz wie maschinelles Lernen – die Fähigkeit eines Computerprogramms, ohne zusätzliche menschliche Eingaben die erfassten Daten zu verstehen und weiterzuentwickeln und sich dabei ständig anzupassen. Maschinelles Lernen ermöglicht es, eine enorme Menge an Daten zu verarbeiten, die heute verfügbar sind. Wenn neue oder zusätzliche Daten verfügbar werden, passen sich Computerprogramme automatisch an, um sie zu nutzen, in einem Prozess, der viel schneller und umfassender ist, als menschliche Fähigkeiten es bewältigen könnten.

Zahlreiche Arten von datenintensiven Unternehmen und Regierungsbehörden können von der Verwendung präskriptiver Analytik profitieren, einschließlich solcher im Finanzdienstleistungs- und Gesundheitswesen, wo die Kosten menschlicher Fehler hoch sind.

Prescriptive Analytics arbeitet mit einer anderen Art von Datenanalyse, Predictive Analytics,. die die Verwendung von Statistiken und Modellen beinhaltet, um die zukünftige Leistung auf der Grundlage aktueller und historischer Daten zu bestimmen. Es geht aber noch weiter: Anhand der Einschätzung von Predictive Analytics, was wahrscheinlich passieren wird, empfiehlt es den zukünftigen Kurs.

Die Vor- und Nachteile von Prescriptive Analytics

Prescriptive Analytics kann das Durcheinander aus unmittelbarer Unsicherheit und sich ändernden Bedingungen durchbrechen. Es kann helfen, Betrug zu verhindern, Risiken zu begrenzen, die Effizienz zu steigern, Geschäftsziele zu erreichen und loyalere Kunden zu gewinnen.

Prescriptive Analytics ist jedoch nicht narrensicher. Es ist nur dann effektiv, wenn Organisationen wissen, welche Fragen sie stellen und wie sie auf die Antworten reagieren sollen. Wenn die Eingabeannahmen ungültig sind, sind die Ausgabeergebnisse nicht genau.

Bei effektiver Anwendung kann Prescriptive Analytics Unternehmen jedoch dabei helfen, Entscheidungen auf der Grundlage hochgradig analysierter Fakten zu treffen, anstatt auf der Grundlage von Instinkten zu unzureichend informierten Schlussfolgerungen zu gelangen. Präskriptive Analytik kann die Wahrscheinlichkeit verschiedener Ergebnisse simulieren und die Wahrscheinlichkeit jedes einzelnen aufzeigen, was Unternehmen dabei hilft, das Maß an Risiken und Unsicherheiten, denen sie ausgesetzt sind, besser zu verstehen, als sie sich auf Durchschnittswerte verlassen könnten. Organisationen können die Wahrscheinlichkeit von Worst -Case-Szenarien besser einschätzen und entsprechend planen.

Beispiele für Prescriptive Analytics

Zahlreiche Arten von datenintensiven Unternehmen und Regierungsbehörden können von der Verwendung präskriptiver Analysen profitieren, einschließlich solcher in den Sektoren Finanzdienstleistungen und Gesundheitswesen, wo die Kosten menschlicher Fehler hoch sind.

Präskriptive Analytik könnte verwendet werden, um zu bewerten, ob eine örtliche Feuerwehr von Anwohnern verlangen sollte, ein bestimmtes Gebiet zu evakuieren, wenn in der Nähe ein Lauffeuer brennt. Es könnte auch verwendet werden, um vorherzusagen, ob ein Artikel zu einem bestimmten Thema bei Lesern beliebt sein wird, basierend auf Daten über Suchanfragen und Social Shares für verwandte Themen. Eine andere Verwendung könnte darin bestehen, ein Schulungsprogramm für Arbeiter in Echtzeit anzupassen, basierend darauf, wie der Arbeiter auf jede Lektion reagiert.

Prescriptive Analytics für Krankenhäuser und Kliniken

In ähnlicher Weise kann die präskriptive Analytik von Krankenhäusern und Kliniken eingesetzt werden, um die Ergebnisse für Patienten zu verbessern. Es stellt Gesundheitsdaten in einen Kontext, um die Kosteneffizienz verschiedener Verfahren und Behandlungen zu bewerten und offizielle klinische Methoden zu bewerten. Es kann auch verwendet werden, um zu analysieren, bei welchen Krankenhauspatienten das höchste Risiko einer erneuten Aufnahme besteht, damit Gesundheitsdienstleister durch Patientenaufklärung und ärztliche Nachsorge mehr tun können, um ständige Rückkehr ins Krankenhaus oder in die Notaufnahme zu verhindern.

Prescriptive Analytics für Fluggesellschaften

Angenommen, Sie sind der CEO einer Fluggesellschaft und möchten die Gewinne Ihres Unternehmens maximieren. Prescriptive Analytics kann Ihnen dabei helfen, indem sie Ticketpreise und -verfügbarkeit basierend auf zahlreichen Faktoren, einschließlich Kundennachfrage, Wetter und Benzinpreisen, automatisch anpasst. Wenn der Algorithmus beispielsweise feststellt, dass der diesjährige vorweihnachtliche Ticketverkauf von Los Angeles nach New York hinter dem des letzten Jahres zurückbleibt, kann er automatisch die Preise senken und gleichzeitig sicherstellen, dass sie angesichts der diesjährigen höheren Ölpreise nicht zu tief fallen.

Gleichzeitig kann der Algorithmus, wenn er die überdurchschnittlich hohe Nachfrage nach Tickets von St. Louis nach Chicago aufgrund von vereisten Straßenbedingungen auswertet, die Ticketpreise automatisch erhöhen. Der CEO muss nicht den ganzen Tag auf einen Computer starren, um zu sehen, was mit Ticketverkäufen und Marktbedingungen passiert, und dann die Mitarbeiter anweisen, sich in das System einzuloggen und die Preise manuell zu ändern; ein Computerprogramm kann all dies und noch mehr – und das sogar noch schneller.

Höhepunkte

• Prescriptive Analytics nutzt maschinelles Lernen, um Unternehmen bei der Entscheidung über eine Vorgehensweise auf der Grundlage der Vorhersagen eines Computerprogramms zu unterstützen.

• Bei effektiver Anwendung kann Prescriptive Analytics Organisationen dabei helfen, Entscheidungen auf der Grundlage von Fakten und wahrscheinlichkeitsgewichteten Prognosen zu treffen, anstatt auf der Grundlage von Instinkten zu unzureichend informierten Schlussfolgerungen zu gelangen.

• Prescriptive Analytics arbeitet mit Predictive Analytics, die Daten verwendet, um kurzfristige Ergebnisse zu bestimmen.