„Wie“ ist hier die Frage – Prescriptive Analytics in Theorie und Praxis

"Wie kann das bestmögliche Ergebnis erzielt werden?" - Prescriptive Analytics liefern die Antwort mit konkreten Handlungsempfehlungen.

Die Königsdisziplin der Business-Analyse: Prescriptive Analytics

Die Vergangenheit zu analysieren und beispielsweise die Kaufentscheidung eines Kunden zu begründen, um daraus Lehren für zukünftige Kampagnen zu ziehen, ist mittlerweile Gang und Gäbe im Marketing. Eine Studie der IDG Business Media GmbH zeigt, dass mehr als 60% der befragten Unternehmen versuchen, die Fragen „Was ist passiert?“ und „Warum ist es passiert?“ mithilfe von Analytics zu beantworten. Auch das Vorhersagen zukünftiger Ereignisse durch Predictive Analytics ist in vielen Marketing Abteilungen durchaus fester Bestandteil in der Kampagnenvorbereitung. Den nächsten Schritt, sozusagen die Königsdisziplin der Business-Analyse, stellen Prescriptive Analytics dar. Diese Analysemethode beschäftigt sich mit der Frage „Wie kann das bestmögliche Ergebnis erzielt werden?“, indem die Auswirkungen verschiedener Vorgehensweisen analysiert werden. Das Ziel: Konkrete Handlungsempfehlungen und Decision Automation.

Prescriptive Analytics in der Theorie

Gartner

Gartner definiert vier Arten von Analytics, die von der Analyse der Vergangenheit bis zur Zukunftsvorhersage reichen. Dabei nimmt der Wert, den die Ergebnisse für das Unternehmen liefern, stetig zu. Gleichzeitig steigt aber auch der Schwierigkeitsgrad für die Durchführung dieser Analysen. Während Descriptive Analytics Informationen zur Vergangenheit bereithalten, liefern Prescriptive Analytics Optimierungspotenziale basierend auf strukturierten und unstrukturierten Daten, die aus internen und externen Quellen, aber auch komplizierten mathematischen Algorithmen, wie Wahrscheinlichkeitsrechnungen und künstlicher Intelligenz (KI) stammen.

Warum spielen Prescriptive Analytics eine Rolle?

Während im Grunde alle Ressourcen knapper werden, sind es die Daten, deren Menge immens in die Höhe schnellt. Eine Investition in Datenmanagement und -nutzung ist die logische Konsequenz und dabei spielt das Thema Analytics eine bedeutende Rolle. Viele Unternehmen nutzen Predictive Analytics bereits, um fundierte Geschäftsentscheidungen treffen zu können. Für die meisten Unternehmen lohnt sich dieser Aufwand auch tatsächlich, denn 59% sind laut der IDG-Studie mit dem Kosten-Nutzen-Verhältnis zufrieden oder sehr zufrieden. Prescriptive Analytics gehen noch einen Schritt weiter und betrachten zusätzlich alle relevanten Einflussfaktoren und somit die Auswirkungen verschiedener Vorgehensweisen auf ein Ergebnis. Geschäftsentscheidungen können fortan automatisiert getroffen werden und zukünftige Ergebnisse mit ziemlicher Sicherheit vorhergesagt werden. Was sich auf den ersten Blick ein wenig beängstigend anhört, macht aber wirtschaftlich gesehen für Unternehmen durchaus Sinn. Prescriptive Analytics erlauben nicht nur eine optimierte Ressourcenplanung und damit verbundene Kosteneinsparungen, sondern können Risiken minimieren und finden sogar auch im Marketing ihre Anwendung. 

Prescriptive Analytics in der Praxis

Laut einer Anwenderstudie von BARC sind die IT- und Telekommunikationsbranche, sowie der Finanzsektor Vorreiter in der Nutzung von fortgeschrittenen Analytics. Das macht auch Sinn, da in diesen Branchen große Datenmengen verarbeitet werden und der Wettbewerbsdruck stetig steigt. In den Punkten Planungssicherheit sowie Nutzung von Kundendaten für Marketingzwecke finden sich aber auch unzählige Praxisbeispiele für alle Branchen. So berichtet der BigData Insider von Anwendungsbeispielen von Prescriptive Analytics zur Betten- und Personalplanung im Gesundheitswesen, zur Optimierung von Sitzplatzkapazitäten und der Planung von Ticketpreisen bei Fluglinien oder zur Vermeidung von Versorgungsengpässen im Energiesektor. Eine Untersuchung einer branchenübergriefenden Arbeitsgruppe unter der Leitung der Deutschen Energie-Agentur (dena) und des Büros für Energiewirtschaft und technische Planung (BET) aus dem Jahr 2017 zeigt, dass die Theorie in der Praxis funktioniert. Demnach konnten die Kosten für das Management von Stromengpässen um mehr als 200 Millionen Euro gesenkt werden (Quelle: Best Practice.).

Im Bereich Marketing kann beispielsweise das Thema Next Best Offer mit Prescriptive Analytics einen Schritt weiter gedacht werden. Während Predictive Analytics einen einzigen Vorschlag als bestes nächstes Angebot für einen Kunden liefern, werden mit Prescriptive Analytics zusätzlich alle relevanten Einflussfaktoren in Betracht gezogen. Ein Beispiel: Auf Basis seiner bisherigen Tätigkeiten und Transaktionen ähnlicher Kunden wurde der rote Pullover der Hausmarke eines Modehändlers als nächstes bestes Angebot für einen Kunden berechnet. Der Kunde hat sich soeben in die App des Modehändlers eingeloggt, da er sich gerade in Köln in einem der Stores der Modekette befindet und nach Angeboten schaut. Der rote Pullover, der mithilfe von Predicitve Analytics als nächstes bestes Angebot berechnet wurde, ist in der passenden Größe des Kunden in diesem Store nicht auf Lager. Und nun? Verschiedene Vorgehensweisen sind nun denkbar: 

  1. Der Kunde bekommt das Angebot trotzdem, auch auf die Gefahr hin, dass er sich über die fehlende Größe ärgert.  
  2. Der Kunde erhält ein anderes Angebot, beispielsweise den gleichen Pullover in einer anderen Farbe oder das zweitbeste berechnete Angebot. Vielleicht auch in Kombination mit einem anderen Artikel, weil diese beiden Artikel häufig zusammengekauft werden.
  3. Der Kunde erhält das Angebot erst später, beispielsweise per E-Mail, und kann den Pullover im Onlineshop bestellen, wo dieser vorrätig ist.
  4. Der Kunde erhält das Angebot zu dem roten Pullover mit dem Hinweis, dass die Größe leider nicht vorrätig ist und gleichzeitig einen 15%- Rabattgutschein als Entschuldigung.
  5. Und und und...

Prescriptive Analytics berechnet die Auswirkungen aller möglichen Vorgehensweisen und bezieht relevante Einflüsse, wie beispielsweise Lagerbestand, Umsatz, Kundenzufriedenheit und viele weitere in die Berechnung mit ein. Am Ende liefert Prescriptive Analytics die bestmögliche Vorgehensweise und erleichtert die Entscheidungsfindung oder nimmt diese sogar komplett ab.

Fazit

Die Digitalisierung treibt den Alltag in den Unternehmen weiter voran. Technologien wie KI und Machine Learning aber auch Methoden wie Prescriptive Analytics werden nicht von der Bildfläche verschwinden, sondern sich weiterentwickeln und sich gegenseitig befeuern. In Zeiten von steigendem Wettbewerbsdruck heißt das für Unternehmen, sich diesen Fortschritt zu Nutze zu machen und von präzisen und fundierten Handlungsempfehlungen zu profitieren und sich diese optional sogar abnehmen zu lassen. Zukünftig werden sich unzählige weitere Anwendungsszenarien ergeben, die den Unternehmen Planungssicherheit, eine bessere Datenbasis und die Optimierung ihrer betrieblichen Prozesse ermöglichen werden.

Sie wollen den ersten Schritt machen und mehr aus Ihren Daten herausholen?

Besuchen Sie uns am 11. und 12. September auf der DMEXCO in Köln und erfahren Sie, wie sie sich aus dem Daten-Dschungel befreien können.

Weitere Informationen und Termin vereinbaren

Diese Artikel könnten auch interessant sein für sie sein: 

Predictive Analytics im Marketing: Anhand von Daten Kundenverhalten vorhersagen 

7 Predictive Analytics Methoden im Marketing 

Schritt für Schritt zum Marketing Automation Business Case 

Weitere Quellen:

Predictive Analytics 2018, IDG Business Media GmbH

Advanced & Predicitve Analytics 2016, BARC GmbH

Was ist Prescriptive Analytics?, BigData Insider 2018 

 „‘Nen Big Data und ’nen O-Saft, bitte!“, Best Practice. Ausgabe 02/2018

Bild des Benutzers Anne-Kathrin Stolz

Anne-Kathrin Stolz

Anne-Kathrin Stolz ist seit Mitte 2015 für Apteco tätig. Sie kümmert sich um die Marketingaktivitäten im deutschsprachigen Raum. Zu ihren Aufgaben gehören unter anderem der Apteco-Blog, Veranstaltungen und Webinare als auch die Koordination gemeinsamer Marketingaktionen mit den Vertriebspartnern.

asdasd