Advanced Predictive Analytics – Wenn traditionelle BI nicht genug ist (Part 3)
Im ersten Teil unserer Serie über Predictive Analytics stand eine grobe Einordnung des Themas im Mittelpunkt. In Part 2 haben wir detailliert die generelle Vorgehensweise in analytischen Projekten betrachtet und verschiedene Modelle vorgestellt. In diesem Teil der Serie möchten wir nun untersuchen in welchen Bereichen diese Modelle Anwendung finden können. Wir stellen also die Frage nach Use Cases für Predictive Analytics.
Analytics Use Cases in allen denkbaren Bereichen
Analytics Use Cases lassen sich entlang der gesamten Wertschöpfungskette finden. Um einen groben Überblick zu geben, orientieren wir uns an der Wertkette:
Einkauf
Im Bereich des Einkaufs können, z. B. Absatz- oder Preisprognosen dafür sorgen, dass bestmögliche Einkaufsstrategien entwickelt werden und kostspielige Über- und Unterbestände vermieden werden. Dies ist vor allem im Falle von stark schwankenden Rohstoffpreisen und hohen Einkaufsvolumina zu empfehlen.
Produktion
Als Beispiele für Analytics Use Cases in der Produktion wollen wir Losgrößenoptimierung, Predictive Maintenance und Personaleinsatzplanung nennen. Hierbei geht es darum, Kapazitäten besser auszulasten, Ausschuss zu verringern bzw. mögliche Produktionsausfälle frühzeitig zur prognostizieren. Auf der Grundlage von Analysetechniken und der Visualisierung der Ergebnisse (z. B. in Form von Dashboards) können Mitarbeiter schnellere und besser fundierte Entscheidungen treffen.
Distribution
Analytics in der Distribution besteht hauptsächlich aus der Optimierung von Logistikprozessen, vor allem von Transport- und Lagerprozessen.
Marketing/Vertrieb
Customer Churn, Dynamic Pricing, Customer Value, Up-&Cross-Selling u. v. m. – Die Liste von Analytics Use Cases in den Bereichen Marketing und Vertrieb ist lang. Die Use Cases haben das Ziel das gesammelte Wissen über die Kunden zu bündeln und gezielt nutzbar zu machen. Gelingt dadurch eine individuellere Kundenansprache und eine Verbesserung der Kundenerfahrung, stärkt dies die Kundenbindung und damit den Unternehmenserfolg.

(Kunden-) Service
Fortgeschrittene Analysen können auch helfen individualisierte Kundeninteraktion, Tarife und Service-Level sowie optimierte Antwortzeiten zu bewirken.
Besseres Kundenverständnis durch Predictive Analytics: Gezielte Kündigungsprävention durch individuelle Kundenansprache
Am Beispiel der Kundenabwanderungs-Prävention, dem sog. Churn-Management wollen wir uns folgendes im Detail ansehen:
- Welche Motivation/Leitfragen stecken hinter diesem Use Case?
- Welche Methoden kommen zur Anwendung?
- In welcher Form stiftet dieser Use Case Nutzen?
Motivation/Leitfragen
Neukundengewinnung ist um ein vielfaches teurer als Kundenbindung.
- Wie erkenne ich potentielle Kündiger?
- Was kann ich tun die Loyalität meiner Kunden zu erhöhen?
- Was biete ich einem Kunden an, damit er seine Kündigung zurückzieht?
Methodik
- Einsatz von Klassifikations- und Regressionsmethoden
- Mit Hilfe meiner beschrifteten, historischen Daten trainiere und teste ich den Algorithmus
- Erst wenn der Algorithmus eine zufriedenstellende Güte aufweist, verwende ich ihn dafür die Kündigungsneigung meiner aktiven Kunden individuell vorherzusagen
- Regelmäßige Aktualisierung (Closed Loop Ansatz)
- Darüber hinaus können Kundenwertberechnungen helfen die Kunden, die auf Grund eines hohen Werts für das Unternehmen unbedingt gehalten werden sollten, zu identifizieren
Nutzen von Predictive Analytics
- Durch Kündigungsprävention Kundenabwanderung (von profitablen Kunden) vermeiden
- Rückgewinnung von Kunden die bereits gekündigt haben
- Einen neuen Kunden gewinnen ist für Unternehmen 5-10 mal so teuer, als einen bestehenden Kunden zu halten
Eine individuelle Kundenansprache ist die Chance sich von der Konkurrenz abzuheben und Wettbewerbsvorteile zu generieren. Ihre Kunden werden es Ihnen danken.
Weitere Links zu Predictive Analytics
- Advanced Predictive Analytics – Wenn traditionelle BI nicht genug ist (Part 1)
- Advanced Predictive Analytics – Wenn traditionelle BI nicht genug ist (Part 2)

Team affinis
"In einer disruptiven und komplexen Welt unterstützen wir unsere Kunden dabei, genau die Entscheidungen zu treffen, die sie nach vorne bringen. Dafür bieten wir Lösungen aus einer Hand und vertrauensvolle Kundenbeziehungen."
Noch mehr spannende Beiträge
Power BI Log.Insights – Effektives Power BI Monitoring zur optimalen Verwaltung von Systemen
Mit Power BI Log.Insights erhalten Unternehmen umfangreiche Einsichten in ihre Power…
Power BI Log.Insights als kritischer Faktor für Unternehmen am Beispiel IDV
Wie lassen sich die regulatorischen Anforderungen der IDV in Self Service-Szenarien mit Microsoft…
Regulatorische Anforderungen in Self Service-Szenarien und der IDV mit Microsoft Power BI meistern
Wie lassen sich die regulatorischen Anforderungen der IDV in Self Service-Szenarien mit Microsoft…