top of page

Erfolgsfaktoren von Predictive Analytics Projekten: Spannungsfelder in Big Data und Machine Learning


Dieser Artikel ist der erste Teil einer dreiteiligen Reihe


Der Unternehmensnutzen in Big Data und Predictive Analytics Projekten ist von vielfältigen Faktoren abhängig. Drei besonders relevante Bereiche sind hierbei die Anforderungsanalyse zu Beginn des Projekts, die Qualität von Daten und Vorhersagen sowie die Performance der Software.


Anforderungsanalyse Welche Aufgabe sollen die gewonnenen Erkenntnisse unterstützen?

Hier ist die Frage besonders spannend, wie detailliert Analysen sein müssen, um die Unternehmenszwecke zu unterstützen. Eine kundenindividuelle Analyse kann auch eine Zuordnung zu gemeinsam definierten Segmenten oder Personas sein. Die Analyseebene muss zu den darauf aufbauenden Maßnahmen passen. Gilt es für eine Kundenbindungskampagne aus 3 Maßnahmen den idealen Inhalt auszuwählen, können drei Gruppen ausreichen. Die Aktualisierung dieser drei Gruppen, ob in Echtzeit oder monatlich, hat sich ebenfalls nach den Unternehmenszielen und den Aufwänden für die Datenbereitstellung zu richten. Werden Kampagnen nur monatlich selektiert und an Dienstleister übergeben, können auch monatliche Überprüfungszyklen in der Software ausreichend sein, um gute Ergebnisse zu erzielen.

Softwarebasierte Mustererkennung und Predictive Analytics: Was für eine Lösung passt zu meinem Unternehmen?

Im Bereich der Predictive Analytics Software gibt es eine Vielzahl von Anbietern und Programmen. Hierbei ist eine Frage besonders wichtig: Welchen Zweck soll diese Software erfüllen? Soll es eine generell einsetzbare Software sein, die vielfältig einsetzbar ist oder eine Software , dienur einen konkreten Zweck erfüllt? Die Antwort hierauf: Es kommt darauf an. Will sich das Gesamtunternehmen datenbasierten Entscheidungshilfen verschreiben, kann eine umfangreiche Software mit vielfältigen Einsatzmöglichkeiten sinnvoll sein, um diese abteilungsübergreifend für verschiedene Projekte einzusetzen. Wir empfehlen aktuell jedoch gezielte Lösungen für klar identifizierte Probleme. Die Systeme sind schneller einsetzbar, leichter anwendbar und führen zu einem schnellen Projekterfolg. In diesem Kontext ist auch die Entscheidung zu treffen, ob kommerzielle oder Open Source Software genutzt werden sollte. Kommerzielle Software in unserem Bereich kann zu verkürzten Projektlaufzeiten führen, ist allerdings mit höheren Kosten und geringerer Flexibilität verknüpft. Unsere Entscheidung für Open-Source-Software liegt vor allem in der Flexibilität begründet. Wir sind so in der Lage unsere Software kundenspezifisch zu erweitern und gleichzeitig die volle Kontrolle zu behalten.


Hier geht es zu:


bottom of page