Analytics für Einsteiger

3.385 Aufrufe

Veröffentlicht am

Business Analytics Glossar - die Definition der wichtigsten Fachbegriffe auf einen Blick.

Veröffentlicht in: Business
0 Kommentare
2 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
3.385
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
1.926
Aktionen
Geteilt
0
Downloads
22
Kommentare
0
Gefällt mir
2
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

  • Optimization: Analyze massive amounts of data in order to accurately identify areas likely to produce the most desired results

    "Welche Entscheidungsalternativen maximieren oder minimieren eine bestimmte Zielgröße unter Einhaltung bestimmter Nebenbedingungen ?"


    Anwendungsbeispiele:
    Welche Aufteilung meines Werbebudgets auf verschiedene Medien liefert die beste Gesamt-Awareness für meine Zielgruppe?
    Über welche Kanäle und mit welchen Angeboten sind bei gegebenem Budget einzelne Kunden kostenminimal anzusprechen?
    Welche Belieferungswege und Bestellmengenpolitiken minimieren die logistischen Gesamtkosten einer Supply Chain?
    Wie teile ich ein Investitionsvolumen renditemaximierend auf ver-schiedene Asset-Klassen auf?
    Wie plane ich wechselseitig voneinander abhängige Arbeitsabläufe in einem komplexen Projekt so, dass die Gesamtlaufzeit minimal ist?
    Analytische Verfahren:
    Lineare (quadratische, nichtlineare, Mixed-Integer-) Programmierung
    Goal-Seeking, dynamische Programmierung
    Genetische Algorithmen, Critical-Path-Methode


    Was sind die Bestandteile eines Optimierungsmodels

    Zielgröße (soll maximiert oder minimiert werden)
    Profit, Umsatz, Kosten, Produktionsausstoß, Risiko,Transportwege
    Entscheidungen (Variablen deren optimale Justierung man bestimmen möchte)
    Welchen und wieviel Input nehme ich
    Mit welchen Anlage produziere ich wie viel
    Zu welchem Grade sichere ich mich ab
    Welche Verkehrsverbindungen nutze ich
    Nebenbedingungen (Bindende Abhängigkeiten der Entscheidungen)
    Budget
    Lagerkapazität
    Transportkapazität
    Produktionskapazität


    Optimierung
    Beantwortet die Fragen: Welche Entscheidungen führen zu einer effizienten Nutzung meiner begrenz- ten Ressourcen um das günstigste Ziel zu erreichen?
    Beispiel: Intelligente Preis-Mengensteuerung eines Flugbuchungssystems, um die vorhandenen Sitze bestmöglich zu verkaufen, jedoch ohne dabei die Loyalität der Stammkunden zu aufs Spiel zu setzen.



    "Welche Entscheidungsalternativen maximieren oder minimieren eine bestimmte Zielgröße unter Einhaltung bestimmter Nebenbedingungen ?"
    Finde den günstigsten Weg vom Startpunkt zum Ziel ….
    …unter folgenden Bedingungen:
    Gesamtbudget von 30 €
    Rechtsabbiegen kostet 1 €
    Strafe von 20 €, wenn bisher zurück gelegte Wegstrecke noch einmal gekreuzt wird


    Wie teilen wir das vorhandene Werbebudget bestmöglich auf?

    Transportlogistik:Problem Beschreibung:
    Optimierung von Transport u. Logistik
    Netzwerk mit 30,000 Produzenten, 180 Silos,13 Fabriken, 8 Seehäfen, 3 Verkehrsmittel, 10 Zeitperioden
    Ausweichroutenpalung für Notfälle (Streik, Eisenbahnunfälle, Überflutungen)
    Planung für Eröffnung neuer Silos, Verarbeitungsanlagen, Logistikzentren



    Beispiele:
    Optimale Aufteilung des Budgets auf verschiedene Faktoren
    Optimale Planung wechselseitig voneinander abhängige Arbeitsabläufe im Zustellungsprozess
    Minimierung der Belieferungswege
    Minimierung der logistischen Gesamtkosten

    Service Parts/Inventory Optimization
    Intelligente Preis-Mengensteuerung eines Flugbuchungssystems



  • Analytics für Einsteiger

    1. 1. Copyr ight © 2013, SAS Institute Inc. All rights reser ved. Analytics für Einsteiger
    2. 2. Copyright © 2014, SAS Institute Inc. All rights reserved. DEFINITION WAS BEDEUTET BUSINESS ANALYTICS? Business Analytics beschreibt den Prozess der so genannten Datenveredelung. Es ist ein strategisches Werkzeug für Entscheidungsträger in Unternehmen. Analytics Lösungen kommen branchenübergreifend zum Einsatz. Ziel ist es, Antworten nicht nur auf die Frage: „Was war?“, sondern auch: „Was wird sein?“ zu finden. Quelle: http://www.enzyklopaedie-der-wirtschaftsinformatik.de
    3. 3. Copyright © 2014, SAS Institute Inc. All rights reserved. FORECASTING DATA MINING TEXT ANALYTICS OPTIMIZATION STATISTICS BUSINESS ANALYTICS Business Analytics Copyright © 2014, SAS Institute Inc. All rights reserved.
    4. 4. Copyright © 2014, SAS Institute Inc. All rights reserved. FORECASTING DATA MINING TEXT ANALYTICS OPTIMIZATION STATISTICS BUSINESS ANALYTICS Copyright © 2014, SAS Institute Inc. All rights reserved.
    5. 5. Copyright © 2014, SAS Institute Inc. All rights reserved. “STATISTICS” BUSINESS ANALYTICS Wieviel Vanille-, Schokoladen- und Erdbeereis habe ich den letzten Monaten im Mittel verkauft? Copyright © 2014, SAS Institute Inc. All rights reserved.
    6. 6. Copyright © 2014, SAS Institute Inc. All rights reserved. “DATA MINING” BUSINESS ANALYTICS Welche Eissorten werden häufig zusammen gekauft? ?
    7. 7. Copyright © 2014, SAS Institute Inc. All rights reserved. “DATA MINING” BUSINESS ANALYTICS Welchen Kundengruppen biete ich mein neues Zitroneneis an? ?
    8. 8. Copyright © 2014, SAS Institute Inc. All rights reserved. “DATA MINING” BUSINESS ANALYTICS Werden meine Eismaschinen in den nächsten Wochen fehlerfrei funktionieren?
    9. 9. Copyright © 2014, SAS Institute Inc. All rights reserved. “FORECASTING” BUSINESS ANALYTICS Wieviel Erdbeereis bereite ich in den nächsten Wochen vor / werde ich voraussichtlich verkaufen? Saison Trend Events
    10. 10. Copyright © 2014, SAS Institute Inc. All rights reserved. “TEXT ANALYTICS” BUSINESS ANALYTICS In der Straßenbahn Trends erkennen: Welche neue Eissorte würde meine Kunden interessieren? Worüber wird gesprochen?
    11. 11. Copyright © 2014, SAS Institute Inc. All rights reserved. “OPTIMIZATION” BUSINESS ANALYTICS Wann und wie fährt mein Eiswagen am Besten die einzelnen Verkaufsstationen an? C A B E D
    12. 12. Copyright © 2014, SAS Institute Inc. All rights reserved. STATISTICS BUSINESS ANALYTICS 𝑥 = 𝑖=1 𝑛 𝑥𝑖 𝑉𝑎𝑟 𝑥 = 𝑖=1 𝑛 (𝑥𝑖 − 𝑥)2
    13. 13. Copyright © 2014, SAS Institute Inc. All rights reserved. DATA MINING BUSINESS ANALYTICS Assoziationsregel A  D B & C  D Häufigkeit (Support) 2/5 1/5 Bed. W.keit (Confidence) 2/3 1/3 A B C A C D B C D A D E B C E • Bestandskundensegmentierung: Welche Kunden sind einander ähnlich? • Warenkorbanalyse: Welche Produkte werden häufig zusammen gekauft? MUSTER- ERKENNUNG
    14. 14. Copyright © 2014, SAS Institute Inc. All rights reserved. BUSINESS ANALYTICS Scoring: aktueller Kunden- bestand Vorhersage- modell+ Stornonester Top x% historische Kundendaten Wer hat gekündigt? (Zielmerkmal) Vorhersage- modell+Training: PRÄDIKTIVE MODELLIERUNG DATA MINING • Kündigerprävention: Wie kann ich Kunden von der Kündigung abhalten? • Bonitätsprüfung: Welche Kunden zeigen ein negatives Zahlungsverhalten?
    15. 15. Copyright © 2014, SAS Institute Inc. All rights reserved. FORECASTING BUSINESS ANALYTICS TrendV t SaisonalitätV t Einflussfaktoren (z.B. Kalender) V t ZufallsrauschenV t Historische NachfrageV t • Absatzplanung • Prognose der Anrufe eines Call-Centers • Einsatzplanung für Transport und Lagerkapazitäten
    16. 16. Copyright © 2014, SAS Institute Inc. All rights reserved. TEXT ANALYTICS BUSINESS ANALYTICS • Auswertung von Online-Foren • Früherkennung von Firmeninsolvenzen anhand negativer Nachrichtentexte • Automatische Weiterleitung von Eingangspost an den Verantwortlichen • Kundenfeedback im Online-Handel
    17. 17. Copyright © 2014, SAS Institute Inc. All rights reserved. OPTIMIZATION BUSINESS ANALYTICS • Logistik- und Verkehrsplanung • Schicht- und Einsatzplanung • Lageroptimierung (Supply Chain)Zielfunktion Nebenbe- dingungen
    18. 18. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR WICHTIGE BEGRIFFE IN KURZEN DEFINITIONEN ANALYTICS BUSINESS INTELLIGENCE DATA MINING BIG DATA DATA WAREHOUSE FORECASTING HADOOP IN-MEMORY OPTIMIERUNG STATISTIK TEXT MINING STRUKTURIERT / UNSTRUKTURIERT VORHERSAGE- MODELL
    19. 19. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR ANALYTICS Sammelbegriff für mathematische Methoden der systematischen Auswertung von Daten wie etwa  Forecasting, Optimierung oder Statistik. Im Gegensatz zu Business Intelligence ist Analytics nach vorne ausgerichtet und erlaubt Einsichten in kommende Entwicklungen und Szenarien. Eine Auf- gabenstellung ist zum Beispiel: „Welche Produkte muss ich zu welchem Preis welchem Kunden anbie- ten, damit mein Umsatz profitabel wächst?“
    20. 20. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR BUSINESS INTELLIGENCE Methoden und Werkzeuge zur Entscheidungs- unterstützung in Unternehmen. In etablierten und teils aufwändigen Prozessen sammeln und aggregieren Unternehmen Daten aus operativen Systemen (Warenwirtschaft, Kundendaten, etc.) und bereiten sie so auf (in Reports oder Dashboards), dass auf deren Grundlage Entscheidungen getroffen werden können. Eine typische Frage ist etwa: „Wie viele Produkte habe ich zu welchem Preis in welcher Region verkauft?“
    21. 21. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR BIG DATA Mittlerweile etablierter Begriff für das Phänomen rasant steigender Datenmengen aus unterschiedlichsten Quellen. Getrieben durch überall vorhandene Sensoren und weiter fortschreitende Digitalisierung stehen Unternehmen immer mehr Daten zur Verfügung. Das fordert zum einen die vorhandene IT-Infrastruktur heraus (speichern, verwalten) und erzeugt zum anderen neue Chancen durch optimierte Auswertung. Gleichzeitig sind neue Rahmenbedingungen zu bedenken: wer kann die Datenberge auswerten, was dürfen Unternehmen, was ist gesellschaftlich akzeptiert etc.
    22. 22. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR DATA MINING Methode und Softwaretools, die das Entdecken von Zusammenhängen und Mustern in großen und sehr großen Datenbeständen ermöglichen. Als Teilgebiet von Analytics geht es um die Beantwortung komplexer Fragestellungen wie etwa „Warum kauft ein Kunde genau diese Produkte in dieser Kombina- tion?“, um daraus Rückschlüsse auf die Optimierung der zugrundeliegenden Prozesse zu schließen.
    23. 23. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR DATA WAREHOUSE Konzept und technische Infrastruktur zur Sammlung und Aggregation von Unternehmensdaten im Rahmen von Business Intelligence und Analytics. In den 90er Jahren hat sich dieses Konzept in der Unternehmenswelt großflächig durchgesetzt, weil dadurch immer neue Anforderungen nach Auswertungen und Analysen bedient werden können. Die dafür typischerweise eingesetzten Datenbanken kommen allerdings in Zeiten von Big Data unter Druck.
    24. 24. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR FORECASTING Methode und Softwaretools, die Aussagen über zukünftige Ereignisse treffen. Etwas weiter gefasst hat sich der Begriff Forecast in Controlling und Absatz- planung etabliert. Im engeren Sinne versteht man darunter eine Methode im Bereich von Analytics, die auf der Grundlage von Vorhersagemodellen in der Lage ist, möglichst präzise Abschätzungen zu treffen. Ein häufiges Einsatzgebiet ist die Prognose von Nachfrage aufgrund saisonaler oder anderer Schwankungen.
    25. 25. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR HADOOP Open-Source-Framework für das verteilte Speichern und Rechnen mit großen Datenmengen. Mittlerweile entstehen unter dem Namen Hadoop eine ganze Reihe von Projekten (Hive, Pig, Yarn, Impala, etc.), die sich damit beschäftigen, kostengünstig, schnell und einfach zugänglich mit jeder Art von Daten (Big Data, strukturiert / unstrukturiert) umgehen zu können.
    26. 26. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR IN-MEMORY Technologie, die datenintensive Berechnungs- methoden in den Hauptspeicher verschiebt und damit Geschwindigkeitsvorteile gegenüber herkömmlichen Ansätzen erzielt. Bedingt durch sinkende Preise für Arbeitsspeicher verfolgen viele Softwarefirmen mittler- weile den Ansatz, Daten im Hauptspeicher zu halten und damit den Transfer von Festplatten oder Cache- Speichern zu umgehen. Auch Analytics wird dadurch beschleunigt und kann damit Herausforderungen wie Big Data einfacher lösen.
    27. 27. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR OPTIMIERUNG Methode und Softwaretools, die komplexe Abhängig- keiten berechnet und Lösungen vorschlägt. Ein klas- sisches Beispiel ist das „Handelsvertreterproblem“: Welche Route soll der Vertreter nehmen, um mit möglichst wenig Umwegen möglichst viele Kunden besuchen zu können? Dabei gibt es typische Einschränkungen („Restriktionen“) wie Reisezeit pro Tag, Zwischenlagerstandorte für Waren, Geschwindig- keit des Fortbewegungsmittels etc. Moderne Optimierungsalgorithmen nutzen dabei hoch-iterative Verfahren auch In-Memory.
    28. 28. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR STATISTIK Mathematische Teildisziplin, die Methoden der Wahrscheinlichkeitsrechnung entwickelt und nutzt. Durchschnitte, Mittelwerte, Standardabweichungen sowie Korrelationen helfen dabei, große Mengen von Daten zu durchdringen und zu verstehen. Statistik ist wiederum eine Teilmenge von Analytics.
    29. 29. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR TEXT MINING Genau wie Data Mining sowohl Methode als auch Software, die das Erschließen von Texten ermöglicht. Gerade in Zeiten von Big Data stehen immer mehr Daten in Form von Texten zur Verfügen. Beispiele sind Internetinhalte wie Foren, soziale Netzwerke oder Nachrichtenseiten, aber auch verschriftliche Call- Center-Daten, Kunden-E-Mails oder Werkstattprotokolle mit Freitextfeldern. Dabei können sowohl Inhalte, als auch Stimmungen automatisiert erfasst und Auswertungen zum genaueren Verständnis von Kunden und Prozessen verwendet werden.
    30. 30. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR UNSTRUKTURIERT / STRUKTURIERT Heutige Datenbanksysteme arbeiten vornehmlich mit sog. strukturierten Daten. Diese lassen sich in Form von Tabellenzeilen und Tabellenspalten erfassen. Viele Frage- stellungen in einem Unternehmen sind mit solchen Daten- sätzen lösbar, etwa eine Kundendatenbank, Lagerbestände und Unternehmensprozesse wie Einkauf, Rechnungs- legung etc. Big Data stellt neue Herausforderungen. Texte, Bilder, Videos und Maschinendaten folgen nicht mehr der eingeführten („relationalen“) Logik, sondern sind aus Sicht der klassischen Datenbanksysteme „unstrukturiert“. Um diese Daten verwalten und auswerten zu können, sind daher neue Technologien nötig – etwa Hadoop.
    31. 31. Copyright © 2014, SAS Institute Inc. All rights reserved. GLOSSAR VORHERSAGEMODELL Mathematische Abbildung von Erkenntnisse, um Aussagen über zukünftige Ereignisse treffen zu können. Anhand von vielen Daten aus der Vergangenheit, etwa den Abverkauf von Produkten, versuchen Analytiker Muster zu entdecken und in mathematischen Formeln zu fassen. Wenn dieses Vorsagemodell auf genügend vielen und genügend aussagekräftigen Daten basiert, werden die daraus abgeleiteten Prognosen in ihrer Qualität besser.
    32. 32. Copyr ight © 2013, SAS Institute Inc. All rights reser ved. SAS Deutschland info@ger.sas.com +49 6221 415-123 Zum Nachlesen: Predictive Analytics in Beispielen

    ×