Martin Artz
Associate Professor of Marketing and Management Accounting
Martin Artz is Associate Professor of Marketing and Management Accounting at Frankfurt School of Fin...
Research

Predictive Business Analytics

September 8, 2016
0
4
2479
< >

Man stelle sich vor, ein Modehändler weiß im Voraus, welche Farben, Schnitte oder Größen seine Kunden in der nächsten Saison nachfragen werden. Man stelle sich vor, Arbeiter in der Fertigung wissen wann und warum eine Maschine in der Zukunft ausfallen wird – bevor dies passiert und bevor die Produktion deswegen angehalten werden muss. Man stelle sich vor, ein Versicherungsunternehmen kann präzise die Wahrscheinlichkeit vorhersagen, mit der ein neuer Kunde einen Verkehrsunfall verursachen wird – und was dieser die Versicherung kostet.

All dieses Wissen über die Zukunft würde es den betreffenden Unternehmen erlauben, bereits heute bessere Entscheidungen zu treffen und erfolgreicher zu sein. Aber wie lässt sich die Zukunft vorhersagen?

In der Vergangenheit haben einzelne Manager mit ihrer Branchenerfahrung und ihrem individuellen Gespür für Trends und Entwicklungen den Unterschied ausgemacht. Heutzutage übernehmen dies moderne Verfahren der Datengewinnung und Datenanalyse. Indem Vergangenheitsdaten und statistische Verfahren, wie beispielsweise die Regressionsanalyse, eingesetzt werden, können Unternehmen zukünftige Entwicklungen besser prognostizieren. Diese wahrscheinlichen Szenarien können genutzt werden, um bessere Entscheidungen zu treffen – sei es in der Entwicklung von Produkten, der Festlegung von Preisen, der vorausschauenden Instandhaltung von Maschinen oder der Gewinnung neuer Kunden. In dem Kinofilm Moneyball, der auf einer realen Handlung basiert, gelingt es einem amerikanischen Baseball Team mit begrenztem Budget und einem damals unkonventionellen Ansatz für Furore zu sorgen. Das Management des Vereins setzte dabei auf kostengünstige Spieler, welche nach traditionellen Scouting-Verfahren eher schlecht abschnitten. Aufgrund einer Betrachtung komplexerer statistischer Kennzahlen gelang es dem Management jedoch, unterbewertete Spieler kostengünstig zu verpflichten und mit diesem Team sportlich sehr erfolgreich zu sein.

Einige neuere Entwicklungen in den letzten Jahren, wie die zunehmende Digitalisierung von Geschäftsprozessen, haben dafür gesorgt, dass Unternehmen die Möglichkeiten von Predictive Business Analytics besser nutzen können als in der Vergangenheit:

  • Unternehmen sammeln und speichern mehr Daten als in der Vergangenheit. Diese stammen aus einer Vielzahl von Quellen, wie beispielsweise dem Online-Vertrieb, internen Abrechnungs- und Controllingsystemen, Kundenstammdaten oder Produktionsanlagen, welche über Sensoren Produktionsdaten auslesen. Neu ist auch, dass es zunehmend besser gelingt, diese Daten über Schnittstellen miteinander zu verknüpfen.
  • Viele dieser Daten sind bereits maschinenlesbar und können direkt mit einer Analysesoftware ausgewertet werden. Zudem erlauben neue Techniken auch die Gewinnung unkonventioneller Daten, wie beispielsweise Text von Internetseiten, Audiodaten aus Podcasts, Bewegungsdaten über das Auslesen von Wärmesensoren oder eine Kombinationen dieser Daten durch das systematische Auslesen von Videos.
  • Daten können heutzutage aufgrund einer leistungsfähigeren IT Infrastruktur leichter in Echtzeit gewonnen, gespeichert und direkt analysiert werden. Beispielsweise erhalten Kunden auf Online-Portalen direkt neue Produktempfehlungen basierend auf Ihrem gegenwärtigem Such- oder Einkaufsverhalten. Einige Online-Händler prognostizieren heute schon die Zahlungsmoral eines Kunden in Echtzeit und bieten, darauf basierend, einigen Kunden die Zahlung per Rechnung und anderen lediglich die Zahlung per Vorkasse an.
  • Schließlich hat sich auch die Ausbildung an Universitäten und Hochschulen weiterentwickelt. Heutige Absolventen haben eine strukturiertere Ausbildung in statischen Verfahren und deren Anwendung für reale Managementprobleme erhalten und können dieses Wissen in Unternehmen in Positionen wie der eines Business Analysten oder Business Intelligence Managers einsetzen.

Allerdings bergen diese neuen Ansätze – wie jede andere Methode auch – einige Risiken in sich. Sie funktionieren nur, wenn Vergangenheitsdaten tatsächlich auch in entsprechender, analysierbarer Qualität vorliegen und das Potential haben, zukünftige Entwicklungen hinreichend zu beschreiben. Dies ist glücklicherweise für viele Entscheidungen des täglichen Managements der Fall. Bei grundlegenden Umwälzungen in bestimmten Branchen oder neuartigen Geschäftsmodellen ist dies schwieriger. In manchen Fällen können Analysen basierend auf Vergangenheitsdaten sogar irreführend sein. Dies gilt vor allem dann, wenn Kunden oder Wettbewerber ihre Angewohnheiten oder Verhaltensweisen schlagartig ändern. Der Erfolg von Henri Fords Model T oder der „Coffee-to-go“ Trend, der das Wachstum von Starbucks stark beeinflusst hat, wäre mit historischen Daten nicht prognostiziert worden. In einem derartigen Umfeld sind unternehmerische Intuition und eine vorausschauende Analyse des Marktes weiterhin von großer Wichtigkeit und Relevanz.

 

Comments
Kommentieren