Big Data Analytics

Big Data Analytics

Prescriptive Analytics: Die neue Generation von Big-Data-Analysen

Michael Connaughton,
Big Data Leader EMEA, Oracle @mikeconna1


Big-Data-Technologien werden häufig dazu eingesetzt, Entwicklungen vorherzusehen. Der nächste große Schritt ist Prescriptive Analytics, also die automatische Steuerung auf Basis der Big-Data-Analysen.

Intel

Noch vor fünf Jahren war es wirtschaftlich nicht zu realisieren, zur Beantwortung unternehmerischer Schlüsselfragen alle relevanten Daten zusammenzustellen und auszuwerten. Das sieht heute anders aus: Durch die rasante Entwicklung von Big-Data-Technologien können Unternehmen günstiger und einfacher als je zuvor große, wachsende Datenmengen auswerten.

Durch Big Data entsteht Raum für Innovationen

Insbesondere bei der Informationsgewinnung (Information Discovery) werden Rohdaten in Unternehmens-Kennzahlen übersetzt und betriebswirtschaftliche Zusammenhänge sichtbar gemacht. Durch diesen transparenten Einblick in die Geschäftsabläufe lassen sich Prozesse revolutionieren – es entsteht Raum für Innovationen.

Viele zukunftsorientierte Unternehmen arbeiten bereits mit den Informationen aus prognostizierenden Analyse-Tools. Sie nutzen die Methoden für einfach Aufgaben wie die Vorhersage von Umsatzschwankungen im Verkauf. Hinzu kommen hochkomplexe Anforderungen wie beispielsweise die Prognose von Defekten an Produktionsanlagen oder die Auswirkungen von Änderungen im Arbeitsablauf. In allen Fällen werden die gewonnenen Erkenntnisse genutzt, um Effizienz, Wertschöpfung und Produktivität zu erhöhen.

Michael Connaughton

Michael Connaughton, Big Data Leader EMEA

Viele zukunftsorientierte Unternehmen arbeiten bereits mit den Informationen aus prognostizierenden Analyse-Tools. Sie nutzen die Methoden für einfach Aufgaben wie die Vorhersage von Umsatzschwankungen im Verkauf. Hinzu kommen hochkomplexe Anforderungen wie beispielsweise die Prognose von Defekten an Produktionsanlagen oder die Auswirkungen von Änderungen im Arbeitsablauf. In allen Fällen werden die gewonnenen Erkenntnisse genutzt, um Effizienz, Wertschöpfung und Produktivität zu erhöhen.

So hat die belgische Mediengruppe „De Persgroep“ eine prognostizierende Analyse auf Grundlage ihrer Kundendaten durchgeführt, um tiefergehende Erkenntnisse über die Leserschaft ihrer Zeitungen zu bekommen. Mithilfe der Big Data Appliance von Oracle kann das Unternehmen das Verhalten seiner Kunden heute so genau vorhersehen, dass mit 92-prozentiger Genauigkeit klar ist, ob ein Leser sein Abonnement verlängern oder kündigen will.

Datenabfragen kommen heute fast einer Unterhaltung gleich

Die Informationsgewinnung mit Big-Data-Technologie hat ein Level erreicht, auf dem sie nicht mehr nur auf eine einzelne Frage innerhalb eines eng umrissenen Rahmens oder Zeitraums beschränkt ist. Dank neuer Auswertungs-Tools können Analysten ihre Abfragen in natürlicher Sprache durchführen und so einfach wie nie zuvor tiefergehende und differenziertere Einblicke erhalten. Das Anzapfen der relevanten Daten ist heute fast vergleichbar mit einer normalen Unterhaltung.

 Durch die rasante Entwicklung von Big-Data-Technologien können Unternehmen günstiger und einfacher als je zuvor große, wachsende Datenmengen auswerten. 

Sucht man nach Antworten auf Fragen wie „Wird ein Leser demnächst sein Zeitungs-Abo beenden?“, führt man große Datenmengen zusammen, um sie auf Zusammenhänge hin zu untersuchen. Während dieses Prozesses können Big-Data-Technologien immer komplexere und tiefergehende Erkenntnisse bringen. Entscheidend dabei ist die Agilität bei der Arbeit mit den Daten.

Das CERN, die Europäische Organisation für Kernforschung, nutzt Big Data Discovery von Oracle, um die Leistung ihres Teilchenbeschleunigers LHC (Large Hadron Collider) zu analysieren. Der LHC ist der größte seiner Art und eines der teuersten wissenschaftlichen Geräte, das je gebaut wurde.

Jede neue Information darüber, wie sich seine Leistungsfähigkeit und Verfügbarkeit verbessern lässt, ist extrem wertvoll. Besonders wenn man bedenkt, dass der LHC 1 TB Daten pro Sekunde erzeugt.

Dank vorausschauender Analytik ist es möglich, in scheinbar zufälligen Datensätzen Muster zu erkennen. Beispiel gefällig? In der Finanzbranche wird das Verfahren genutzt, um missbräuchliche beziehungsweise manipulative Transaktionen zu identifizieren. Aufgrund der zahlreichen Erkennungsmerkmale ist es mit herkömmlichen Mitteln unmöglich, diese zeitnah aufzudecken.

Ein Kunde von Oracle hat 35 Merkmale ausfindig gemacht, die auf missbräuchlichen Handel hindeuten. So lassen Trader, die etwas Unerlaubtes getan haben, zum Beispiel ihr Orderbuch mit hoher Wahrscheinlichkeit nicht unbeaufsichtigt. Oder sie übergeben es nicht an Kollegen, wenn sie frei haben. Weitere Alarmsignale können Auffälligkeiten in der Urlaubsplanung sowie typische Stress-Symptome sein. Durch die Verbindung dieser unterschiedlichen Datenquellen lassen sich missbräuchliche Transaktionen vorhersagen und rechtzeitig unterbinden.

Evolution hin zu Prescriptive Analytics findet bereits statt

Noch bevor sich Predictive Analytics in der Breite durchgesetzt hat, steht die nächste Big-Data-Evolution schon vor der Tür: Prescriptive Analytics – Analysen, die Handlungsempfehlungen abgeben und umsetzen können.

Das bedeutet, einfach gesagt, dass die vorhersagende Analyse mit einem Mechanismus erweitert wird, der auf Basis der Prognose Entscheidungen treffen und umsetzen kann. Unternehmen können dadurch ohne menschliches Zutun Prozesse optimieren und Verbesserungs-Maßnahmen einleiten.

Wie funktioniert das? Die aus der vorhersehenden Analyse gewonnenen Informationen werden an ein selbstlernendes Regelwerk übergeben, das automatisiert vordefinierte Aktionen auslöst. Wenn also ein positives oder negatives Ereignis vorhergesehen wird, können bereits Maßnahmen ergriffen werden, bevor es tatsächlich eintritt. Diese können das Ergebnis entweder unterstützen oder verhindern.

 Prescriptive Analytics – Analysen, die Handlungsempfehlungen abgeben und umsetzen können. 

Auch bei dieser Technologie ist der Finanz-Sektor Vorreiter: Im algorithmischen Handel werden Kursschwankungen analysiert und bei bestimmten Änderungsmustern Käufe oder Verkäufe ausgelöst.

Doch die Anwendungsszenarien für Prescriptive Analytics sind breit gefächert und weitreichend: Zum Beispiel lassen sich im Arbeitsalltag gesammelte Daten analysieren, um Angestellten automatisch Tipps zur effektiveren Erledigung ihrer Aufgaben zu geben. Betreiber von Ölbohrinseln können Sensoren auf ihren Anlagen dazu nutzen, die Sicherheit und Gesundheit der Mitarbeiter zu verbessern oder um aus nahezu erschöpften Ölquellen das Maximum zu fördern sowie Wartungsarbeiten zu optimieren.

Gute Aussichten für Echtzeit-Unternehmen

Prescriptive Analytics steckt zwar noch in den Kinderschuhen, wird aber in den kommenden Jahren in immer mehr Unternehmen Einzug halten. Entscheidend wird sein, sicherzustellen, dass sich bereits vorhandene Big-Data-Technologien, insbesondere Analyse-Tools, einfach erweitern lassen, sobald neue Funktionalitäten zur Verfügung stehen. Vieles spricht dafür, bei der nächsten Evolutionsstufe der Datenanalyse schon jetzt dabei zu sein. Die dafür nötige Technologie und Infrastruktur ist bereits vorhanden und erschwinglich. Die Aussichten für Daten-gestützte Echtzeit-Unternehmen sind daher besser als jemals zuvor.


Dieser Artikel über Big Data wurde von Oracle und Intel® für Sie erstellt.

Intel® und das Intel-Logo sind Marken der Intel Corporation in den USA und anderen Ländern.


Erfahren Sie mehr

Wir helfen Ihnen gerne

Sprechen Sie mit einem Oracle-Experten

  • +49 6103 397 002

Sprechen Sie mit dem Oracle Support