Analyse-Methoden

Sobald die Daten zusammengestellt und vorbereitet sind, können Sie im dritten Schritt mit der Analyse starten und aus dem Daten-Pool Tabellen und Objekte erstellen. BI- und Business-Analysten und entsprechend geschulte Mitarbeiter können diese untersuchen, Beziehungen zwischen Daten herstellen, Tabellen verbinden und vergleichen sowie aus den Daten Analysen entwickeln.

Die Datenanalysen wandeln die wertlosen rohen Zahlen in kostbare Informationen um. Auf der untersten Ebene dreht sich hier alles um Statistik und mathematische Methoden. Dabei decken die eingesetzten Methoden ein breites Spektrum ab - es reicht von einfachen Mittelwert- und Varianzberechnungen über Tabellenanalysen und Cubes, bei denen man Daten in mehrere Dimensionen aufschlüsselt, bis hin zu komplexen Data-Mining-Verfahren wie Clustering, Entscheidungsbaum-Analyse, Regressionsanalyse und Assoziations­regeln.

Die komplexeren Verfahren unterstützen unterschiedliche Zielsetzungen. Entscheidungsbaum-Analysen werden beispielsweise gern von Banken zur Erkennung von Kreditkartenbetrug verwendet und für die Profilerstellung von Kunden, die mit einer gewissen Wahrscheinlichkeit ihre Kreditverbindlichkeiten nicht erfüllen können.

Assoziationsanalysen und Clustering setzt man häufig im E-Commerce und Marketing ein für Absatzprognosen, Kundensegmentierungen, Warenkorbanalysen und Missbrauchs­erkennungen. Mit Cluster-Analysen können etwa bestehende Kunden in profitable und weniger profitable Kunden
eingeteilt werden, die dann unterschiedlich angesprochen werden.

Zur Erklärung von Zusammenhängen dienen oft Regressionsmodelle. Dabei wird eine abhängige Variable - zum Beispiel Einkommen - erklärt durch eine oder mehrere unabhängige Merkmale - zum Beispiel Schulabschluss, Berufsausbildung, Geschlecht. Derlei Modelle lassen sich dann zur Prognose einsetzen.

Die statistischen und mathematischen Verfahren sind für unterschiedlichste analytische Zwecke nutzbar. Das Marktforschungs- und Beratungshaus Gartner hat mit seinem Analytics-Reifegradmodell vier Typen von Datenanalysen vorgeschlagen, die immer anspruchsvoller werden. Je komplexer eine Analyse ist, desto mehr Wettbewerbsvorteile bringt sie in der Regel. Gartner unterscheidet:

Descriptive Analytics: Nutzt Daten aus der Vergangenheit für die Beantwortung der Frage „Was ist passiert?“. Ein Händler kann aus den Daten zum Beispiel erfahren, wie hoch der durchschnittliche Umsatz pro Woche ist, ein Hersteller, wie viele Artikel im letzten Monat zurückgegeben wurden.

Diagnostic Analytics: Extrahiert nicht nur Informationen, sondern erlaubt Einsichten und beantwortet die Frage: „Warum ist etwas passiert?“. Mit dieser Analyse ist es möglich, Ursachen und Auswirkungen zu klären. Sie kann zum Beispiel herausfinden, warum Kunden abwandern oder ein neues Produkt am Markt nicht ankommt.

Predictive Analytics: Blickt in die Zukunft und fragt: „Was wird passieren?“. Diese Methode ermöglicht es, Abweichungen von Normwerten frühzeitig zu erkennen und Trends vorherzusagen. Mit Predictive Analytics kann ein industrieller Hersteller beispielsweise den Ausfall eine Maschine pro­gnostizieren.

Prescriptive Analytics: Stellt die Frage „Welche Maßnahmen sind zu treffen?“, um ein künftiges Problem zu beseitigen oder zu verhindern. Prescriptive Analytics leitet aus den vorhergehenden Analysen Handlungsempfehlungen ab, wie man einen bestimmten Trend in eine gewünschte Richtung beeinflussen kann.

Als Oberbegriff für Diagnostic, Predictive und Prescriptive Analytics hat sich „Advanced Analytics“ etabliert. In Zukunft sollten Unternehmen laut Gartner verstärkt von der deskriptiven Analyse („Was ist passiert?“) der traditionellen Business Intelligence zu Advanced Analytics migrieren. „Während grundlegende Analysen eine allgemeine Zusammenfassung der Daten bereitstellen, ermöglicht Advanced Analytics vertiefte Erkenntnisse und granulare Datenanalysen“, erklärt Alexander Linden, Research Vice President von Gartner. 

Umfragen unterstützen diese Aussage. Laut „2018 Advanced and predictive Analytics Market Research“ von Dresner Advisory Services haben die meisten Befragten zum ersten Mal Advanced und Predictive Analytics als „entscheidend“ oder „sehr wichtig“ betrachtet. Dem „BI Trend Monitor 2019 Survey“ des Forschungs- und Beratungsinstituts BARC zufolge glauben die Führungskräfte aus dem C-Level, dass Advanced Analytics einer der wichtigsten und aktuellsten BI-Trends ist.

Welche Methode der Datenanalyse für Sie geeignet ist, hängt aber grundsätzlich von Ihren Zielen ab, also der Frage, die Sie beantworten wollen, und davon, welchen Umfang die Daten haben.