Analytics für Einsteiger

Copyr ight © 2013, SAS Institute Inc. All rights reser ved.
Analytics für Einsteiger

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

FORECASTING
DATA MINING
TEXT ANALYTICS
OPTIMIZATION
STATISTICS
BUSINESS ANALYTICS
Business
Analytics

FORECASTING
DATA MINING
TEXT ANALYTICS
OPTIMIZATION
STATISTICS
BUSINESS ANALYTICS

“STATISTICS”
BUSINESS ANALYTICS
Wieviel Vanille-, Schokoladen-
und Erdbeereis habe ich den
letzten Monaten im Mittel
verkauft?

“DATA MINING”
BUSINESS ANALYTICS
Welche Eissorten werden
häufig zusammen gekauft?
?

“DATA MINING”
BUSINESS ANALYTICS
Welchen Kundengruppen biete
ich mein neues Zitroneneis an?
?

“DATA MINING”
BUSINESS ANALYTICS
Werden meine Eismaschinen in
den nächsten Wochen fehlerfrei
funktionieren?

“FORECASTING”
BUSINESS ANALYTICS
Wieviel Erdbeereis bereite ich in
den nächsten Wochen vor / werde
ich voraussichtlich verkaufen?
Saison
Trend
Events

“TEXT ANALYTICS”
BUSINESS ANALYTICS
In der Straßenbahn Trends
erkennen: Welche neue Eissorte
würde meine Kunden
interessieren? Worüber wird
gesprochen?

“OPTIMIZATION”
BUSINESS ANALYTICS
Wann und wie fährt mein
Eiswagen am Besten die
einzelnen Verkaufsstationen an?
C
A
B
E
D

STATISTICS
BUSINESS ANALYTICS
𝑥 =
𝑖=1
𝑛
𝑥𝑖
𝑉𝑎𝑟 𝑥 =
𝑖=1
𝑛
(𝑥𝑖 − 𝑥)2

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

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?

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

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

OPTIMIZATION
BUSINESS ANALYTICS • Logistik- und Verkehrsplanung
• Schicht- und Einsatzplanung
• Lageroptimierung (Supply Chain)Zielfunktion
Nebenbe-
dingungen

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

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?“

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?“

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Analytics für Einsteiger

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Analytics für Einsteiger

Ähnlich wie Analytics für Einsteiger (20)

Mehr von SAS in Deutschland, Österreich und der Schweiz

Mehr von SAS in Deutschland, Österreich und der Schweiz (16)

Analytics für Einsteiger

Hinweis der Redaktion