Was ist der Unterschied zwischen deskriptiven, prädiktiven und präskriptiven Analysen?
Hier ist Ihr Zwei-Minuten-Leitfaden zum Verständnis und zur Auswahl der richtigen deskriptiven, prädiktiven und präskriptiven Analytik für den Einsatz in Ihrer Lieferkette.
Angesichts der Flut von Daten, die Unternehmen heutzutage in Bezug auf ihre Lieferkette zur Verfügung stehen, wenden sich Unternehmen an Analyselösungen, um aus den riesigen Datenmengen eine Bedeutung zu extrahieren und die Entscheidungsfindung zu verbessern.
Unternehmen, die versuchen, ihre S&OP-Bemühungen zu optimieren, benötigen Fähigkeiten zur Analyse historischer Daten und zur Vorhersage zukünftiger Ereignisse. Das Versprechen, es richtig zu machen und ein datengesteuertes Unternehmen zu werden, ist groß. Unternehmen, die ihre Lieferkette optimiert, ihre Betriebskosten gesenkt, ihren Umsatz gesteigert oder ihren Kundenservice und ihre Produktpalette verbessert haben, können von einem enormen ROI profitieren. Glücklicherweise lassen sich diese Analyseoptionen jedoch auf hohem Niveau in drei verschiedene Typen einteilen. Keiner der Analysetypen ist besser als ein anderer, vielmehr existieren sie nebeneinander und ergänzen sich gegenseitig. Damit ein Unternehmen einen ganzheitlichen Überblick über den Markt hat und weiß, wie es auf diesem Markt effizient konkurrieren kann, ist eine robuste analytische Umgebung erforderlich, die Folgendes umfasst:
- Deskriptive Analysen, die Datenaggregation und Data Mining nutzen, um Einblicke in die Vergangenheit zu geben und Antworten zu finden: „Was ist passiert?“
- Predictive Analytics, die statistische Modelle und Vorhersagetechniken verwenden, um die Zukunft zu verstehen und zu beantworten: „Was könnte passieren?“
- Prescriptive Analytics, die Optimierungs- und Simulationsalgorithmen verwenden, um Empfehlungen zu möglichen Ergebnissen zu geben und zu beantworten: „Was sollten wir tun?“
Deskriptive Analytik: Einblicke in die Vergangenheit
Deskriptive Analysen oder Statistiken tun genau das, was der Name schon sagt: Sie „beschreiben“ oder fassen Rohdaten zusammen und machen sie für den Menschen interpretierbar. Sie sind Analysen, die die Vergangenheit beschreiben. Die Vergangenheit bezieht sich auf jeden Zeitpunkt, an dem ein Ereignis stattgefunden hat, sei es vor einer Minute oder vor einem Jahr. Deskriptive Analysen sind nützlich, weil sie es uns ermöglichen, aus vergangenem Verhalten zu lernen und zu verstehen, wie es zukünftige Ergebnisse beeinflussen könnte.
Die große Mehrheit der von uns verwendeten Statistiken fällt in diese Kategorie. (In der Regel handelt es sich bei den zugrundeliegenden Daten um eine Zählung oder ein Aggregat aus einer gefilterten Datenspalte, auf die grundlegende mathematische Verfahren angewendet werden. Für alle praktischen Zwecke gibt es eine unendliche Anzahl dieser Statistiken. Deskriptive Statistiken sind nützlich, um z. B. den Gesamtbestand im Lager, die durchschnittlichen Ausgaben pro Kunde und die Umsatzentwicklung im Vergleich zum Vorjahr aufzuzeigen. Gängige Beispiele für deskriptive Analysen sind Berichte, die historische Einblicke in die Produktion, die Finanzen, den Betrieb, den Verkauf, die Finanzen, den Bestand und die Kunden des Unternehmens bieten.
Deskriptive Analysen werden verwendet, wenn Sie auf einer aggregierten Ebene verstehen müssen, was in Ihrem Unternehmen vor sich geht, und wenn Sie verschiedene Aspekte Ihres Unternehmens zusammenfassen und beschreiben möchten.
Prädiktive Analysen: Die Zukunft verstehen
Predictive Analytics hat seine Wurzeln in der Fähigkeit, „vorherzusagen“, was passieren könnte. Bei dieser Analytik geht es darum, die Zukunft zu verstehen. Predictive Analytics bietet Unternehmen umsetzbare Erkenntnisse auf der Grundlage von Daten. Prädiktive Analysen liefern Schätzungen über die Wahrscheinlichkeit eines zukünftigen Ergebnisses. Es ist wichtig zu wissen, dass kein statistischer Algorithmus die Zukunft mit 100-prozentiger Sicherheit vorhersagen kann. Unternehmen nutzen diese Statistiken, um vorauszusagen, was in der Zukunft passieren könnte. Das liegt daran, dass die Grundlage der prädiktiven Analytik auf Wahrscheinlichkeiten beruht.
Diese Statistiken versuchen, die vorhandenen Daten zu nehmen und die fehlenden Daten mit besten Schätzungen zu ergänzen. Sie kombinieren historische Daten aus ERP-, CRM-, HR- und POS-Systemen, um Muster in den Daten zu erkennen und statistische Modelle und Algorithmen anzuwenden, um Beziehungen zwischen verschiedenen Datensätzen zu erfassen. Unternehmen nutzen prädiktive Statistiken und Analysen immer dann, wenn sie einen Blick in die Zukunft werfen wollen. Prädiktive Analysen können im gesamten Unternehmen eingesetzt werden, von der Vorhersage des Kundenverhaltens und der Kaufmuster bis hin zur Ermittlung von Trends bei den Verkaufsaktivitäten. Sie helfen auch bei der Vorhersage des Bedarfs an Inputs aus der Versorgungskette, dem Betrieb und dem Lagerbestand.
Eine gängige Anwendung, mit der die meisten Menschen vertraut sind, ist die Verwendung von Predictive Analytics zur Erstellung einer Kreditbewertung. Diese Scores werden von Finanzdienstleistern verwendet, um die Wahrscheinlichkeit zu ermitteln, dass Kunden künftige Kreditzahlungen pünktlich leisten. Zu den typischen Anwendungen in Unternehmen gehören das Verständnis, wie die Verkäufe am Ende des Jahres abschließen könnten, die Vorhersage, welche Artikel die Kunden zusammen kaufen werden, oder die Vorhersage von Lagerbeständen auf der Grundlage einer Vielzahl von Variablen.
Nutzen Sie Predictive Analytics immer dann, wenn Sie etwas über die Zukunft wissen müssen, oder füllen Sie die Informationen aus, die Sie nicht haben.
Prescriptive Analytics: Empfehlungen zu möglichen Ergebnissen
Der relativ neue Bereich der präskriptiven Analytik ermöglicht es den Benutzern, eine Reihe verschiedener möglicher Aktionen zu „verschreiben“ und sie zu einer Lösung zu führen. Kurz gesagt, geht es bei diesen Analysen darum, Ratschläge zu erteilen. Bei der präskriptiven Analyse wird versucht, die Auswirkungen künftiger Entscheidungen zu quantifizieren, um Empfehlungen zu möglichen Ergebnissen zu geben, bevor die Entscheidungen tatsächlich getroffen werden. Im besten Fall sagt die präskriptive Analyse nicht nur voraus, was passieren wird, sondern auch, warum es passieren wird, und gibt Empfehlungen für Maßnahmen, die aus den Vorhersagen Nutzen ziehen.
Diese Analysen gehen über die beschreibende und prädiktive Analyse hinaus, indem sie eine oder mehrere mögliche Vorgehensweisen empfehlen. Im Wesentlichen sagen sie mehrere Zukünfte voraus und ermöglichen es Unternehmen, eine Reihe möglicher Ergebnisse auf der Grundlage ihrer Aktionen zu bewerten. Bei der präskriptiven Analyse wird eine Kombination von Techniken und Werkzeugen wie Geschäftsregeln, Algorithmen, maschinelles Lernen und computergestützte Modellierungsverfahren eingesetzt. Diese Techniken werden auf viele verschiedene Datensätze angewandt, darunter historische und Transaktionsdaten, Echtzeitdaten und Big Data.
Die Verwaltung präskriptiver Analysen ist relativ komplex, und die meisten Unternehmen nutzen sie noch nicht in ihrem Tagesgeschäft. Wenn sie richtig implementiert werden, können sie große Auswirkungen auf die Art und Weise haben, wie Unternehmen Entscheidungen treffen, und auf das Endergebnis des Unternehmens. Größere Unternehmen setzen präskriptive Analysen erfolgreich ein, um die Produktion, die Planung und den Bestand in der Lieferkette zu optimieren, um sicherzustellen, dass sie die richtigen Produkte zur richtigen Zeit liefern und das Kundenerlebnis optimieren.
Setzen Sie präskriptive Analysen immer dann ein, wenn Sie den Benutzern Ratschläge für die zu ergreifenden Maßnahmen geben müssen.
Möchten Sie mehr über deskriptive, prädiktive und präskriptive Analysen erfahren? Laden Sie unser Whitepaper Fünf Fragen an Anbieter von Advanced Analytics-Lösungen herunter.