Magazin

Predictive Analytics – Mehr Erfolg mit Statistik

Big Data, Data Mining, Predictive Analytics. Diese Schlagworte durchziehen seit einiger Zeit die Wirtschafts- und IT-Nachrichten auf der ganzen Welt. Hinter diesen Worten steht im Wesentlichen eine Idee: Mithilfe von Statistik, Mathematik und moderner Computertechnik eine Unmenge an Daten automatisiert zu analysieren, Muster zu erkennen und hierüber wahrscheinliche zukünftige Entwicklungen zu bestimmen. 

 

Wieso wir diesem Thema einen eigenen Beitrag widmen?

Weil diese Entwicklung extrem spannend ist und nicht zuletzt Placedise selbst diese Techniken nutzt, um Werbewirkung umfassend zu simulieren und Werbeeffekte zu prognostizieren. Aus diesem Grund wollen wir nachfolgend etwas mehr zum Thema Predictive Analytics erzählen.

Predictive Analytics ist ein sehr breiter Begriff, der keine konkrete Technik, sondern vielmehr die oben genannte Idee beschreibt. Die Idee, mit einer Vielzahl an historischen Daten aus unterschiedlichen Gebieten, Ereignisse und Verhalten vorherzusagen oder zu simulieren ist dabei nicht neu. Versicherungsunternehmen und Banken nutzen die Statistik seit Jahrzehnten, um Ausfallrisiken oder die Kreditwürdigkeit von Personen zu bestimmen. Bei der Komplexität dieser Themen genügt es nicht, sich die letzten 30 Kontobewegungen eines Kreditantragsstellers zu prüfen. Neben dem Wohnort oder dem Alter werden auch zahlreiche ergänzende Statistiken herangezogen. Hat die Person beispielsweise vor kurzem bereits erfolgreich einen ähnlichen Antrag gestellt und wie wahrscheinlich ist es, dass die Kreditsumme in derartigen Fällen zurückgezahlt wird? Ähnlich verhält es sich auch mit dem Thema Werbewirkung, welches eben nicht einfach durch Scoring-Modelle mit 7 Parametern valide bestimmt werden kann.

Als Grundlage für derartige Datenanalysemodelle dienen stets historische Daten. Diese können aus Studien oder von den jeweiligen Unternehmen selbst stammen. Wichtig ist am Ende nur, dass die Zahl der Daten möglichst groß ist, da mit jeder zusätzlichen Information die Validität der Aussagen steigt. So können diese Vorhersagemodelle am Ende gar aussagekräftiger sein, als kleine “echte” Untersuchungen, die direkt und sozusagen “live” am Objekt erfolgen.

Entsprechend bieten sich bspw. Einzelhandelsunternehmen exzellent für derartige Modell an, da durch den großen Warenumsatz meist (sofern sie denn erfasst wurden) umfassende Daten vorliegen. Aber auch in anderen Bereichen kann die Statistik wertvolle Ergebnisse ergeben. Vor nicht allzu langer Zeit machte beispielsweise das BKA mit der Ankündigung auf sich aufmerksam, Verbrechen mittels Data Mining vorhersagen zu wollen (siehe Beitrag hier). Was sich wie Science Fiction anhört, wird in vielen Bereichen bereits erfolgreich praktiziert – wie im folgenden Video beschrieben.

 

Doch wie kann so etwas überhaupt funktionieren?

Um das Thema wirklich zu verstehen, muss man sich zunächst von dem häufigen Irrglauben lösen, dass das Leben in erster Linie aus Chaos besteht und Entscheidungen vollkommen frei jeglicher Beeinflussung und nicht vorhersagbar sind. Das Leben bewegt sich vielmehr in sehr klaren (wenn auch komplexen) Bahnen. Dies beruht zum Teil darauf, dass viele Entscheidungen durch externe Umstände recht klar vorgegeben sind.

Ein Beispiel:
Man stelle sich eine Kreuzung vor. Eine Person läuft auf die Kreuzung zu. Es gilt herauszufinden, welche Straße die Person zuerst überqueren wird. Viele würden nun annehmen, dass dies einer Art “freiem Willen” unterliegt und ja, letzten Endes tut es dies. Allerdings wird die Entscheidung durch viele Parameter beeinflusst. Dies beginnt damit, welche Ampel gerade auf grün schaltet. Historische Daten zeigen bspw., dass Personen, mit ähnlichem Bildungsgrad und sozialem Hintergrund in 90% der Fälle dann zunächst diese Straße überqueren. Nun könnte diese Person aber natürlich genau dies wissen und bewusst gegen diese “Regel” verstoßen. Ein umfassendes Modell berücksichtigt allerdings auch diese Wahrscheinlichkeit. Unter Umständen zeigt sich hier ggf. auch ein Muster in dem Sinne, dass Personen, die an anderer Stelle bewusst gegen Konventionen verstoßen, dies auch an dieser Kreuzung tun. Entsprechend würde man die Wahrscheinlichkeiten anpassen. Nach Berücksichtigung vieler weiterer Faktoren kommt man zu einem Ergebnis, welches relativ genau vorherzusagen vermag, welche Straße die Person zuerst überquert. Ein Straßen-Verkäufer könnte sich mit dieser Information nun bspw. ideal positionieren.

Kritiker werden nun einwenden, dass am Ende trotzdem keine absolute Aussage, sondern lediglich eine Wahrscheinlichkeit steht. Dies ist korrekt, doch ist dies trotz allem eine immense Verbesserung gegenüber der Alternative. Weiß man in beschriebenem Beispiel bspw., dass die Person zu 88% Straße A überquert, ist dies deutlich (!) besser, als alternativ mit einer 50:50 Chance zu raten! Und ist es nicht besser von 100 nur 12 Kunden zu verlieren, als möglicherweise 50 und mehr?!

 

Dies ist die Funktionsweise von Predictive Analytics, die quasi auf alle Bereiche des Lebens anwendbar ist. Die große Herausforderung besteht am Ende lediglich darin, vorhandene Daten passend aufzubereiten und automatisierte Analyseprozesse zu konzipieren. Viele Angebote sind hierbei aktuell leider derart komplex und von statistischem Fachvokabular durchzogen, dass es für Unternehmen ohne entsprechende Experten schwer nutzbar ist. Aber auch dies wird sich durch viele innovative Unternehmen in den kommenden Jahren ändern.

Noch nicht von den Möglichkeiten der modernen Datenanalyse überzeugt?

Haben Sie die Fußballweltmeisterschaft 2014 verfolgt?
Haben Sie ggf. zumindest insgeheim getippt, wer welches Spiel gewinnt?
Haben Sie alle Ergebnisse richtig getippt?
Nein?
Microsoft hat dies beinahe (außer das Spiel um Platz 3) mit Hilfe von besagten Methoden geschafft (hier nachzulesen)!

 

Der Beitrag gefällt?
Teilen Sie Ihn!
Bewerten Sie diesen Beitrag!
Predictive Analytics – Mehr Erfolg mit Statistik
Ø 5; 17 Votes
Jens Kürschner

Autor: Jens Kürschner

Jens Kürschner ist Gründer und Geschäftsführer von Placedise. Als Experte für Konsumentenverhalten und Medien-Enthusiast ist er maßgeblich für das Produkt-Know-How verantwortlich. In unserem Blog wird dieses Wissen sowie die Erfahrungen aus langjähriger Forschung und Studium mit Ihnen geteilt.

Verwandte Beiträge

Placedise auf dem 12. Product Placement Kongress

Vom 15. bis 16. Oktober findet in Stuttgart der 12. Product Placement und Branded Entertainment Kongress statt. Wir werden hierbei nicht nur vor Ort sein, sondern Placedise auch im Detail in einem Vortrag vorstellen. Neben der Präsentation freuen wir uns auf viele geniale Gespräche mit Experten aus allen Bereichen der Branche. Der ProPKo wird von WTV Entertainment […]

Placedise 3.0 veröffentlicht

Long time, no see. Es ist einige Zeit her, das wir etwas im Placedise-Blog (Magazin) veröffentlicht haben. In der Zwischenzeit ist das Thema “Branded Content” weltweit stark gewachsen – schließlich ist es ein verdammt werthaltiger Marketing-Kanal – wenn man es richtig macht! Dies ist auch der Grund, weshalb alle Stakeholder immer stärker auf die Unterstützung […]