Das Ende des Zufalls - Wie Big Data uns und unser Leben vorhersagbar macht (German Edition)

eingesetzten Modelle erfordert. Am Einsatz der richtigen Analysemodelle entscheidet sich der Erfolg eines Smart Data Feedback Loops, entscheidet sich, ob aus Big Data auch Big Value entstehen kann.
    Prinzipiell sind es drei Arten von Analysemodellen, die heute angewendet werden:
    Descriptive Analytics – die beschreibende Analyse des historischen oder momentanen Zustands, vergleichbar mit dem Begriff Business Intelligence (BI), der Prozesse und Technologien umfasst, die darauf ausgerichtet sind, aus Unternehmens-, Markt- und Wettbewerberdaten relevante Informationen über die bisherige Performance eines Unternehmens zu bekommen. Natürlich auch, um daraus Schlüsse für das zukünftige Handeln ziehen zu können. Fast alle Management-Reporting-Systeme in den Bereichen Finanzen, Produktion, Marketing und Verkauf nutzen seit langer Zeit diese Form der zurückschauenden Analyse. Sehr oft geht es bei „Descripitive Analytics“ auch um die Quantifizierung von Geschäftsbeziehungen, um Kunden in bestimmte Nutzergruppen oder nach bestimmten Verhaltensmustern einzuordnen. So können damit Bedarfsplanungsentscheidungen auf vielen unterschiedlichen Gebieten wie Infrastrukturmaßnahmen von Kommunen oder Preisstrukturen für Energienutzung unterstützt werden. Immer öfter werden diese Analyseergebnisse aber auch als Basis für eine Erweiterung der Analyse in Richtung vorausschauender Modelle genützt.
    Predictive Analytics – die vorhersagende oder vorausschauende Analyse. Sie verwendet eine Vielzahl statistischer Modelle, Maschinenlernen, „Data Mining“ (die systematische Auswertung von Datenbestand) und Spieltheorien, um gegenwärtige und historische Daten zu analysieren und daraus die Wahrscheinlichkeit zukünftiger Entwicklungen zu berechnen. In der Wirtschaft geht es dabei sehr oft um das Herausarbeiten von Mustern, die mit bestimmten Risiken oder Chancen verbunden sind. Sehr oft angewendet wird diese Form der Analysen bereits im Zusammenhang mit Kundenmanagement-Systemen (CRM). Im Kapitel „Die Daten-Labors der Handelsketten und globalen Marken“ habe ich dazu ja einige Beispiele exemplarisch aufgezeigt. Der Vorteil für die Unternehmen besteht nicht nur in der Generierung höherer Umsätze, sondern auch in der Vertiefung der Kundenbeziehung durch gezieltere Serviceangebote. „Predictive Analytics“ zielen sehr oft auf die Vorhersage von ganz bestimmten individuellen Verhaltensmustern. Wenn Sie also im Supermarkt plötzlich an der Kassa einen Coupon bekommen, mit dem Sie das nächste Mal einen Artikel günstiger kaufen können, muss das nicht unbedingt eine generelle Aktion sein, sondern kann mithilfe eines Predictive-Analytics-Modells schon auf Sie ganz persönlich abgestimmt worden sein. Obama hat das, wie schon erwähnt, eingesetzt, um herauszufinden, welche Unterstützer zu welchen Promi-Events eingeladen werden sollen, um so die Spenden zu maximieren.
    Prescriptive Analytics – die vorschreibende oder besser gesagt empfehlende Analyse. Die dafür eingesetzten Analysemodelle sollen klare Handlungsanleitungen ausarbeiten, die dazu führen, angestrebte Ziele zu erreichen. Diese Vorschläge und ihr Einfluss auf die Zielerreichung können in Simulationsmodellen dargestellt werden. Die präskriptive Analyse sagt also nicht nur vorher, was geschehen wird und wann, sondern auch gleich, warum. Damit ermöglicht sie den Entscheidenden, den Einfluss bestimmter Handlungsmuster bereits im Voraus zu evaluieren. Alle internen und externen relevanten Daten, alle zu berücksichtigenden Regeln und Restriktionen des jeweiligen zu analysierenden Geschäftsfalls und die notwendigen mathematischen Modelle von angewandter Statistik bis zur Analyse sozialer Verhaltensmuster werden dazu in einem Analysemodell kombiniert. Daraus werden Entscheidungsoptionen erstellt, wie sich zukünftige Chancen nutzen oder Risiken vermeiden lassen. Auch die Auswirkungen, die sich aus jeder Entscheidungsoption ergeben, werden aufgezeigt. Da hierbei kontinuierlich neue Datenlagen automatisch eingespeist und mitverarbeitet werden können, erhöht sich die Vorhersagegenauigkeit. Somit können auch die Entscheidungsoptionen laufend optimiert und an die jeweilige aktuelle Situation angepasst werden. Dies ist die perfekte Umsetzung unseres Smart Data Feedback Loops. 73
    Sollte sich im Zuge der Big-Data-Entwicklung der kommenden Jahre herausstellen, dass diese Modelle ihre Treffsicherheit in komplexen Systemen unter Beweis stellen können, so braucht es