Das Treffen angemessener Urteile ist im Geschäftsleben schwierig, insbesondere wenn nicht genügend Daten zur Entscheidungsfindung vorhanden sind. Die Analyse der Geschichte ist nicht immer ein vertrauenswürdiger Indikator dafür, was in der Zukunft passieren wird. Daher ist es oft falsch, Entscheidungen nur auf der Grundlage historischer Fakten zu treffen. Predictive und Prescriptive Analytics sind zwei zukunftsweisende Technologien, die Unternehmensleiter nutzen, um diese Einschränkungen zu überwinden. Sie prognostizieren die Zukunft genauer und führen im Fall von Prescriptive Analytics Führungskräfte zu den besten Gesamtentscheidungen, indem sie historische Daten (descriptive Analytics), Regeln und Geschäftskenntnisse kombinieren. Aber dann sollten Sie zuerst den Unterschied zwischen den beiden (Predictive vs. Prescriptive Analytics) kennen, bevor Sie einen Schritt in diese Richtung unternehmen – wenn man bedenkt, dass beide gleich klingen.
Übersicht (Predictive vs. Prescriptive Analytics)
Die wachsende Bedeutung dieser Analysetechniken spiegelt sich in einer Prognose wider, dass der globale Markt für prädiktive und präskriptive Analytik um eins wachsen würde CAGR von 19.6 % auf 28.7 Milliarden US-Dollar bis 2026.
Die große Frage ist also, gibt es Unterschiede zwischen Predictive und Prescriptive Analytics oder sind sie austauschbar?
Ganz im Gegenteil, obwohl beide Strategien zukunftsorientiert sind und sich ähnlich anhören, gibt es einen signifikanten Unterschied zwischen ihnen. Entsprechend Analytisches Aszendenzmodell von Gartner, das Folgende ist die Hierarchie der Analysetechniken:
- Was ist passiert? (Beschreibende Analytik)
- Warum ist das passiert? (Diagnostische Analytik)
- Was wird passieren? (Vorausschauende Analytik)
- Wie können wir Predictive Analytics Wirklichkeit werden lassen? (Prescriptive Analytics)
Während Predictive Analytics also vorhersagt, was passieren könnte, zeigt Prescriptive Analytics, wie es geschehen kann. Predictive Analytics ist in diesem Szenario der Prescriptive Analytics untergeordnet. Das soll nicht heißen, dass Predictive Analytics nicht nützlich ist; Es ist nur so, dass die Informationen, die sie bereitstellen, nicht die gleichen sind.
Vorausschauende Analytik
Die Verwendung statistischer und modellierender Ansätze zur Vorhersage dessen, was in der Zukunft passieren wird, wird als Predictive Analytics bezeichnet. Es berechnet die Wahrscheinlichkeit eines bestimmten Ereignisses oder bestimmter Ereignisse unter Verwendung historischer Daten und Modellierungsansätze. Predictive Maintenance ist ein fantastisches Beispiel für Predictive Analytics, da es versucht herauszufinden, wann eine Maschine gewartet werden muss, indem verschiedene Algorithmen und Maschinendaten verwendet werden, um den Lebenszyklus wichtiger Komponenten abzuschätzen. Obwohl diese Daten informativ und umsetzbar sind, definieren sie nicht die spezifische Aktion, die folgen sollte. Vielmehr teilt es dem Benutzer mit, dass eine Wartung erforderlich ist.
Prescriptive Analytics
Prescriptive Analytics unterscheidet sich von Predictive Analytics dadurch, dass es nicht nur vorhersagt, was passieren wird, sondern dem Benutzer auch spezifische Optionen bietet und vorschreibt, welche Geschäftslösungen auf der Grundlage bestimmter Kriterien die besten sind. Diese Art der Analyse hilft einem Unternehmen oder einer Organisation, ein Modell zu erstellen. Und um sicherzustellen, dass es alle Aspekte des Geschäfts genau abbildet, wird dieses Modell anhand aktueller und historischer Daten bewertet.
Darüber hinaus können Benutzer das Modell untersuchen, um die beste Entscheidung basierend auf etablierten Kriterien wie Rentabilität, SLAs und Durchsatz zu treffen, anstatt nur vorherzusagen, was passieren wird.
Prescriptive Analytics entscheidet im Zusammenhang mit dem obigen Beispiel für vorausschauende Wartung nicht nur, dass eine Wartung unmittelbar bevorsteht, sondern bestimmt auch die besten Optionen für Wartung, Austausch oder Auslagerung, um die Gesamtrentabilität und den Umsatz zu maximieren.
Predictive vs. Prescriptive Analytics: Was ist der Unterschied?
Sowohl die prädiktive als auch die präskriptive Analytik sind entscheidende Geschäftsinstrumente und dienen jeweils einem anderen Zweck. Allerdings ist Predictive Analytics der Prescriptive Analytics unterlegen Analysehierarchie von Gartner. Dies liegt daran, dass Predictive Analytics vorhersagt, was passieren wird, aber keine Anleitung dafür gibt, wie die notwendigen Entscheidungen zu treffen sind. Prescriptive Analytics hingegen sagt nicht nur voraus, was passieren wird, sondern identifiziert auch die optimale Geschäftsentscheidung.
Attribute von Predictive Analytics
- Hilft bei der Modellierung bestimmter Elemente eines Unternehmens.
- Prognostiziert, was wahrscheinlich in der Zukunft passieren wird.
- Es sagt einen Zeitrahmen voraus (wann es passieren wird).
- Die Ausgaben sind nicht umsetzbar; sie weisen lediglich darauf hin, dass eine Entscheidung erforderlich ist.
- Es hat die Tendenz, eine Funktion gegenüber anderen zu priorisieren.
- Typischerweise werden Hypothesen anhand vorgegebener Szenarien mit begrenzten Optionen getestet.
Attribute von Prescriptive Analytics
- Hilft, das gesamte Unternehmen zu modellieren
- Allein auf Daten angewiesen
- Hilft bei der Empfehlung spezifischer Geschäftsentscheidungen.
- Berücksichtigt Abhängigkeiten
- Ist nicht durch starre Vorschriften eingeschränkt
- Vorteile sind beobachtbar und quantifizierbar.
- Enthält Was-wäre-wenn-Szenarien.
- Buchstäblich frei von „Bauchgefühl“ und persönlichen Vorurteilen
- Berücksichtigt alle Eingaben, Variablen und Ergebnisse.
- Implementiert kalibrierte und validierte Modelle, um die Arbeitsweise des Unternehmens genau widerzuspiegeln.
Ist die Analyse von Predictive vs. Prescriptive Analytics wichtig?
Ja, die Unterscheidung zwischen Predictive und Prescriptive Analytics ist signifikant.
Manche fragen sich oft, ob die Unterscheidung zwischen diesen beiden Analysen in der Praxis wirklich von Bedeutung ist. Dies ergibt sich daraus, wie wirtschaftlicher es ist, Predictive Analytics gegenüber Prescriptive Analytics zu betreiben. Mit anderen Worten, sie versuchen darauf hinzuweisen, dass die Optimierung einer Prescriptive-Analytics-Lösung weitaus mehr Aufwand erfordert als die Optimierung einer kleineren Predictive-Analytics-Lösung. Bei der Beantwortung dieser Frage ist es wichtig, die Geschäftsreife potenzieller Kunden zu bewerten.
Während die Mehrheit der Unternehmen Business Intelligence einsetzt, sind nicht alle zu Predictive Analytics fortgeschritten. Außerdem zeigen die Aufzeichnungen, dass Prescriptive Analytics derzeit nur von 11 % der mittleren bis großen Unternehmen verwendet wird. Der Markt für Prescriptive-Analytics-Software hingegen wird voraussichtlich um XNUMX Prozent wachsen 20.6 Prozent CAGR bis 2023. Dies deutet darauf hin, dass etwa 37 % der Unternehmen damit beginnen werden, Prescriptive Analytics einzusetzen.
Diese Ergebnisse zeigen, dass die Unterscheidung zwischen Predictive und Prescriptive Analytics für immer mehr Unternehmen immer wichtiger wird.
In jedem Fall dienen die beiden Analysemethoden völlig unterschiedlichen Zwecken. Predictive Analytics ist reaktiv in dem Sinne, dass sie die Notwendigkeit betont, dass das Management reagieren muss. Prescriptive Analytics hingegen sind insofern proaktiv, als sie dem Management den Weg in die Zukunft zeigen.
Aber hier haben sie etwas gemeinsam. Sowohl prädiktive als auch präskriptive Analysen verwenden Echtzeitdaten, die von einem Unternehmen oder Geschäft sowie andere Informationen erhalten wurden.
Predictive Analytics vs. Prescriptive Analytics: Welche Probleme würden Sie lösen?
Predictive und Prescriptive Analytics sind keine eigenständig einsetzbaren Insellösungen. Alle Arten von Business Analytics haben einen Platz in Organisationen, um verschiedene Probleme zu lösen.
Predictive Analytics ist oft ein Werkzeug, um kurz- bis mittelfristige Trends zu identifizieren, was sich oft als nützlich erweist – wenn auch isoliert von größeren Trends. Hier sind ein paar Beispiele:
- Risikoanalyse für kurzfristige Versicherungen
- Verkaufstrends speziell für einzelne Linien und Waren.
- Nachfragevorhersage
- Bestandsverwaltung
- Kundenabwanderung
- Rentabilität
- Wartungsanforderungen
Auf der anderen Seite nimmt Prescriptive Analytics eine breite Sicht auf die Situation. Präskriptive Modelle analysieren oft ganze Organisationen oder zumindest einzelne Funktionen, Abteilungen oder Fabriken, während Predictive Analytics bestimmte Muster messen kann. Prescriptive Analytics löst folgende Probleme:
- Optimierung der Kohleförderung in mehreren Minen, um die Kundenanforderungen zu erfüllen und gleichzeitig die Gesamtrentabilität zu steigern.
- Bestimmung der besten Fertigungs- und Bestandsstrategie, insbesondere für Konsumgüterunternehmen.
- Auswahl des optimalen Betriebsansatzes für ein Abwasserbehandlungsunternehmen, das eine große Metropolregion versorgt und gleichzeitig die Vorschriften einhält.
Der Unterschied im organisatorischen Wert, den beide Techniken bieten
Trotz der Tatsache, dass beide Methoden tatsächliche Vorteile haben, übertrifft Prescriptive Analytics in der Regel Predictive Analytics. Während der Betriebsumfang eine Rolle spielt, spielen auch die Art der getroffenen Entscheidungen und die Möglichkeiten der präskriptiven Analytik zur Optimierung von Entscheidungen eine Rolle.
Für kurzfristige Risikobewertungen konzentriert sich Predictive Analytics in der Regel auf eine relativ begrenzte Sammlung von Kriterien, wie im obigen Beispiel. Obwohl diese Form der Forschung durch die Reduzierung von Risiken erhebliche Vorteile bringen kann, ist sie wahrscheinlich nicht in der gleichen Größenordnung wie eine präskriptive Analyselösung, die den Betrieb der Versicherungsgesellschaft nachahmt. Ein solches Modell kann die profitabelsten Versicherungsprodukte, die besten Märkte und die besten Methoden für langfristigen Geschäftserfolg entdecken. Anstatt sich auf bestimmte Szenarien zu beschränken, können Unternehmensleiter außerdem präskriptive Analysen verwenden, um eine Vielzahl von Was-wäre-wenn, Möglichkeiten und Kompromissen zu untersuchen.
Prescriptive Analytics ist möglicherweise teurer als Predictive Analytics, der ROI kann jedoch weitaus höher sein.
Die Unterscheidung zwischen Technologiebedarf
Die Datenanalyse war traditionell die Domäne von Data Scientists; Das heutige schnelllebige Geschäftsumfeld erfordert jedoch, dass Linienmanager und Führungskräfte sofortigen Zugriff auf diese Analysetools haben. Dies weist zwar nicht auf eine Beteiligung an der Programmierung oder Datenverfeinerung hin, bedeutet jedoch, dass sie Zugang zu Endbenutzer-Tools und Dashboards haben sollten, die es ihnen ermöglichen, die Ergebnisse unabhängig zu untersuchen. Dieser praktische Ansatz schafft Vertrauen in die Technologien und liefert gleichzeitig Echtzeitdaten zur Unterstützung der Entscheidungsfindung.
Sie könnten im Grunde unzählige Aufgaben der präskriptiven Analyse mit einer Vielzahl von Technologien durchführen, die von höheren Programmiersprachen bis hin zu integrierten ERP-Tools und lösungsspezifischen Softwarepaketen reichen. Um die Daten nutzbar zu machen, müssen sie zunächst bereinigt und integriert werden. Anschließend kommen zahlreiche Analyseansätze hinzu, die an Bord kommen:
- Regressionstechniken; umfasst lineare, zeitbasierte und logistische Regressionsmethoden
- Methoden des maschinellen Lernens
- Neuronale Netze
- Bedingte Wahrscheinlichkeit (Nave Bayes)
Prescriptive Analytics geht noch einen Schritt weiter, indem Heuristiken oder Optimierungen in die Analyse integriert werden.
Heuristik
Heuristiken sind praktisch, wenn es um unbeschreibliche Betriebsszenarien geht. Diese Methode ist ein mathematischer Ansatz, der auf Regeln basiert. Dies ist in Fällen nützlich, in denen regelmäßig ähnliche Entscheidungen getroffen werden, z. B. beim Erwerb von Rohstoffen. Grundsätzlich sind Heuristiken nützlich, um Urteile zu automatisieren, aber weniger, um sie zu optimieren. Einige grundlegende Mängel sind jedoch das Fehlen von Anforderungen für regelmäßige Regeländerungen, um zu verhindern, dass Regeln veraltet sind, sowie die Tatsache, dass Heuristiken nicht alle möglichen Umstände untersuchen können.
Die ideale Lösung wird mithilfe einer Kombination aus mathematischen Modellen und genauen Algorithmen ermittelt. Zur Beantwortung spezifischer Anfragen wird ein mathematisches Modell erstellt, das das Geschäft oder die Funktion widerspiegelt, und ein präziser Algorithmus verwendet. Das Ziel eines Optimierungsmodells ist es, einen Parameter wie Gewinn oder Kosten zu maximieren oder zu verringern.
OPTIMIERUNG
Paketlösungen und Optimierungsplattformen sind ebenfalls verfügbar für präskriptive Analysesoftware. Pakete sind einfacher zu konfigurieren und werden häufig erstellt, um ein allgemeines Problem oder eine bestimmte Branche anzugehen. Sie sind allgemein als SaaS- oder PaaS-Lösungen in der Cloud verfügbar.
Eine Optimierungsplattform besteht jedoch aus zwei Teilen: einer Modellierungsplattform zum Definieren des Problems und einem Optimierungslöser.
Modelle werden mithilfe einer visuellen Drag-and-Drop-Oberfläche oder mithilfe von Mathematik erstellt. Darüber hinaus werden die meisten Optimierungssysteme im eigenen Haus betrieben, und die Kosten variieren erheblich. Sie bieten hochgradig personalisierte Lösungen, die das Problem realistisch darstellen. Darüber hinaus erfordern sie möglicherweise den Einsatz erfahrener Programmierer, um das Modell zu erstellen, und es fehlt ihnen häufig an Endbenutzerschnittstellen.
Einige, wie die Microsoft Azure-Plattform von River Logic, erfordern umfangreiche Programmierkenntnisse, während andere, wie die Microsoft Azure-Plattform von River Logic, dies nicht tun.
Was sind Predictive und Prescriptive Analytics?
Predictive und Prescriptive Analytics sind zwei zukunftsweisende Technologien, die Unternehmensleiter nutzen, um die Beschränkungen zu überwinden, Entscheidungen auf der Grundlage bloßer Spekulationen zu treffen. Sie prognostizieren die Zukunft genauer und lenken Führungskräfte im Fall von Prescriptive Analytics zu den besten Gesamtentscheidungen, indem sie historische Daten (descriptive Analytics), Regeln und Geschäftskenntnisse kombinieren.
Was ist der Unterschied zwischen vorschreibender und vorausschauender Wartung?
Prescriptive Analytics entscheidet im Gegensatz zu Predictive Analytics nicht nur, dass eine Wartung erforderlich ist, sondern ermittelt auch die besten Optionen für Wartung, Austausch oder Outsourcing, um die Gesamtrentabilität und den Umsatz zu maximieren.
Was ist ein Beispiel für Prescriptive Analytics?
Karten- und Verkehrs-Apps sind gängige Beispiele für Prescriptive Analytics in Aktion. Google Maps untersucht alle verfügbaren Transportmittel (z. B. Bus, zu Fuß oder mit dem Auto), aktuelle Verkehrsbedingungen und wahrscheinliche Baustellen bei der Berechnung der optimalen Route, um Sie von Punkt A nach Punkt B zu bringen.
Welche Art von Datenanalyse hat den größten Wert?
Während Predictive Analytics vorhersagt, was passieren könnte, zeigt Prescriptive Analytics, wie es geschehen kann. Predictive Analytics ist in diesem Szenario der Prescriptive Analytics untergeordnet. Das soll nicht heißen, dass Predictive Analytics nicht nützlich ist; Es ist nur so, dass die Informationen, die sie bereitstellen, nicht die gleichen sind.
Wie ähneln sich Predictive und Prescriptive Analytics?
Beide liefern Wissen und sogar Voraussicht, um Unternehmen bei der Entscheidungsfindung zu unterstützen. Sowohl Predictive Analytics als auch Prescriptive Analytics verwenden statistische Modellierung, maschinelles Lernen und Data Mining, um MBA-Führungskräften und MBA-Studenten strategische Tools und tiefe Einblicke in Kunden und allgemeine Abläufe bereitzustellen.
