Was ist Advanced Data Analytics? Big Data im Detail

Hallo liebe Leserin und Leser, Technologie-Begeisterte und digitale Stöberer!

Ich freue mich über deinen Besuch auf dem TechBlog! Heute dreht sich alles um Advanced Data Analytics! Advanced was? Der Artikel ist maßgeschneidert für dich, wenn du von Begriffen wie Descriptive, Predictive und Prescriptive Analytics gehört hast und bisher nur Bahnhof verstanden hast.

Tauche ein in dieses spannende Thema und erfahre, warum Advanced Data Analytivcs einer der zentralen Erfolsfaktoren für dein Unternehmen ist! Bereit? Super, dann starten wir: 

Advanced Data Analytics

Quelle: Luke Chesser, Unsplash.



Als aufmerksamer Leser dieses Blogs weißt du sicherlich, dass in der Industrie 4.0 durch die vernetzten Systeme, Geräte, Maschinen usw. ein ungeheurer Datenberg erzeugt wird. Lass mich das für dich veranschaulichen: Täglich werden 2,5 Trillionen Bytes erzeugt! Trillionen bedeutet eine 1 gefolgt von 18 Nullen!!  Diese Zahl der Daten steigt ungebrochen an1. Bemerkenswert ist, dass im Big Data Zeitalter ca. 90 % aller erzeugten Daten erst in den letzten zwei Jahren entstanden ist.

Experten prognostizieren, dass sich die heute existierende Datenmenge alle zwei Jahre sogar verdoppeln wird. Für mich ist es deshalb nicht verwunderlich, dass Daten von Experten liebevoll das “neue Öl im 21. Jahrhundert” genannt werden2,3.

Datengetriebene Geschäftsmodelle, eine digitale Infrastruktur sowie ein digitales Mindset sind erforderlich, um die Digitalisierung deines Unternehmens voranzutreiben und wettbewerbsfähig zu bleiben. Daten allein zu speichern und auf sie zurückgreifen zu können, ist entgegen mancher populärer Meinung längst kein Alleinstellungsmerkmal mehr: Die Fähigkeit, aus den vorliegenden Daten und Informationen intelligente Entscheidungen sowie zielgerichtete Handlungen abzuleiten, ist verantwortlich für die Schaffung unternehmerischen Mehrwerts.

Advanced Data Analytics spielt vor diesem Hintergrund eine herausragende Rolle. Ich erkläre dir Schritt für Schritt, was sich hinter diesem englischen Sprachungestüm verbirgt und welche verschiedenen Formen du kennen solltest!

Lass uns mit dem sogenannten Descriptive Analytics starten:

Descriptive Analytics

Im Name steckt der Begriff Descriptive, was so viel wie beschreibend bedeutet. In diesem Ansatz liegt das Ziel darin, frühere Ereignisse auszuwerten und ein Verständnis über die Zusammenhänge sowie maßgebende Faktoren zu erhöhen.  Beispielsweise kommen hierfür Key Performance Indicators (KPI), Soll-Ist-Vergleiche oder Scorecards zum Einsatz. Diese Herangehensweise besitzt den geringsten Reifegrad in der Analytics-Reifegradkurve (siehe Abbildung). Das liegt daran, dass nur vergangene Ereignisse  beschrieben werden und nachvollzogen wird, was geschehen ist6.

Eine Voraussetzung für Descriptive Analytics ist, dass Firmen ihre Informationen systematisch sammeln, aufbereiten, analysieren und visualisieren5. Zum Beispiel dienen monatliche Umsatzzahlen eines Discounters als Grundlage für zukünftige Entscheidungen der Filialleiter7.

Werkzeuge des Descriptive Analytics

Werkzeuge der Descriptive Analytics sind somit relationale Datenbanken, Tabellenkalkulationen oder Operational Data Stores. Eines der meistgenutzten und sehr beliebten Tools ist Microsoft Power BI. Dieses unterstützt, entweder lokal (on Premise) oder cloud-basiert, den Nutzer bei seiner Analyse und Visualisierung von Daten, wie beispielsweise bei der Erstellung von Management Reports.

Reifegradmodell

Schauen wir uns das vorhin bereits erwähnte Reifegradmodell7, 8 des Advanced Data Analytics noch einmal genauer an:

Advanced Data Analytics
Advanced Data Analytics Reifegradmodell

Auf der x-Achse ist die Komplexität bzw. der Reifegrad aufgetragen, wohingehen auf der y-Achse der Wert der Information notiert ist. Wie in der Abbildung zu sehen ist, lässt sich der klassisch-traditionelle Ansatz des Descriptive Analytics (Was ist passiert?) von den fortschrittlicheren Advanced Data Analytics Ansätzen abgrenzen.

Advanced Data Analytics gliedert sich demnach in die zwei Komponenten Predictive Analytics und Prescriptive Analytics. Diese beleuchte ich im Folgenden genauer.

Predictive Analytics

Predictive Analytics beinhaltet das englische Wort predict. Folgerichtig geht es darum, Informationen aus Daten zu extrahieren, um beispielsweise Trends oder Muster vorherzusagen (engl.: to predict). Demnach greift es weiter als der klassische beschreibende Data Analytics (Descriptive Analytics) Ansatz. Es werden nämlich Forecasts mit Blick auf die Zukunft modelliert. Der Horizont und die Ausrichtung ist also auf zukünftige Ereignisse gelegt.

Bei Predictive Analytics werden die Beziehungen zwischen Parametern und Zielgrößen von früheren Ereignissen zur Prognose von unbekannten zukünftigen Ergebnissen genutzt7. Das erklärt, weshalb Predictive Analytics in der Abbildung aufgrund der höheren Komplexität und dem höheren Geschäftswert eine Stufe über der Descriptive Analytics eingeordnet ist. Bei Predictive Analytics sollen keine vergangene Ereignisse visualisiert werden. Im Gegenteil: Die Unterscheidung ist, dass es z. B. zu erwartende Verkaufszahlen mithilfe von Forecasts und Prognosen sowie Entwicklungen der Zukunft modelliert7.

Prescriptive Analytics

Auf der obersten Stufe im Reifegradmodell (siehe Abbildung) steht Prescriptive Analytics. Bei dieser Ausprägung (prescriptive = vorschreibend) des Advanced Data Analytics schlagen Algorithmen bestimmte Maßnahmen vor, sodass anvisierte Ergebnisse und Ziele in der Zukunft erreicht werden können7. Vorhersagen aus dieser Gruppe münden also in spezifischen, konkreten Handlungsempfehlungen. Ein Beispiel: Der leitende Angestellte einer Marketingkampagne erhält die intelligente Empfehluzng, zu einem bestimmten Zeitpunkt eine Bestellung auszulösen, da sich dadurch das betriebliche Ergebnisse maximieren lässt.

Wie du jetzt sicherlich vestanden hast, rückt bei Predictive und Prescriptive Analytics die Zukunftsorientierung in den Fokus. Der Blick geht weg von der bloßen Auswertung von Ereignissen aus der Vergangenheit. Für Unternehmen ergibt sich dadurch die Möglichkeit, proaktiv zukünftige Entwicklungen mittels geeigneter Maßnahmen zu beeinflussen 9. Deshalb können sie ihre unternehmerischen Prozesse besser, intelligenter und effizienter steuern.

Du willst tiefer in Big Data und die Industrie 4.0 einsteigen? Klasse! Dann möchte ich dich an dieser Stelle auf mein Buch zur Industrie 4.0 (Erschienen 2020 als Taschenbuch und eBook) hinweisen:

Industrie 4.0 Grundlagen (Maximilian Wittmann)
Mein Buch Industrie 4.0 Grundlagen – jetzt bei Amazon erhältlich!

Danke für das Lesen des Beitrags und bis zum nächsten Post.

Euer Maximilian

*

* * * *

PS: Habt ihr weitere Anmerkungen oder konkrete Themen-Wünsche für zukünftige Artikel in der Kategorie Digitale Technologien/Industrie 4.0? Ich bin gespannt auf eure Meinungen und euren Input.

PPS: 

Euch hat der Artikel gefallen? Ihr möchtet in Zukunft keine Blog-Beiträge mehr verpassen und automatisch über neue Artikel zur KI, Robotik, Industrie 4.0, 3D-Druck … informiert werden? Außerdem wollt ihr exklusive Rabatte auf meine Online-Kurse* und Bücher erhalten? Dann abonniert gerne hier meinen Newsletter:

Wir halten deine Daten privat und teilen sie nur mit Dritten, die diesen Dienst ermöglichen. Lies unsere Datenschutzerklärung für weitere Informationen.

ALL-INKL.COM - Webhosting Server Hosting Domain Provider *

* = Affiliatelinks/Werbelinks

Wir halten deine Daten privat und teilen sie nur mit Dritten, die diesen Dienst ermöglichen. Lies unsere Datenschutzerklärung für weitere Informationen.
close
Wir halten deine Daten privat und teilen sie nur mit Dritten, die diesen Dienst ermöglichen. Lies unsere Datenschutzerklärung für weitere Informationen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert