Analytics für Einsteiger

Copyr i g ht © 2013, SAS Ins t i tu t e Inc . A l l r ights reser ve d .

Analytics für Einsteiger

Copyright © 2014, SAS Insti tute Inc. Al l r ights reserved.

DEFINITION WAS BEDEUTET BUSINESS ANALYTICS?

Business Analytics beschreibt den Prozess der so genannten

Datenveredelung. Es ist ein strategisches Werkzeug für

Entscheidungsträger in Unternehmen. Analytics Lösungen kommen

branchenübergreifend zum Einsatz. Ziel ist es, Antworten nicht nur auf

die Frage: „Was war?“, sondern auch: „Was wird sein?“ zu finden.

Quelle: http://www.enzyklopaedie-der-wirtschaftsinformatik.de


FORECASTING

DATA MINING

TEXT ANALYTICS

OPTIMIZATION

STATISTICS

BUSINESS ANALYTICS

Business

Analytics

Copyright © 2014, SAS Institute Inc. All rights reserved.


FORECASTING

DATA MINING

TEXT ANALYTICS

OPTIMIZATION

STATISTICS

BUSINESS ANALYTICS



“STATISTICS”

BUSINESS ANALYTICS

Wieviel Vanille-, Schokoladen-

und Erdbeereis habe ich den

letzten Monaten im Mittel

verkauft?



“DATA MINING”

BUSINESS ANALYTICS

Welche Eissorten werden

häufig zusammen gekauft? ?


“DATA MINING”

BUSINESS ANALYTICS

Welchen Kundengruppen biete

ich mein neues Zitroneneis an? ?


“DATA MINING”

BUSINESS ANALYTICS

Werden meine Eismaschinen in

den nächsten Wochen fehlerfrei

funktionieren?


“FORECASTING”

BUSINESS ANALYTICS

Wieviel Erdbeereis bereite ich in

den nächsten Wochen vor / werde

ich voraussichtlich verkaufen?

Saison

Trend

Events


“TEXT ANALYTICS”BUSINESS ANALYTICS

In der Straßenbahn Trends

erkennen: Welche neue Eissorte

würde meine Kunden

interessieren? Worüber wird

gesprochen?


“OPTIMIZATION”

BUSINESS ANALYTICS

Wann und wie fährt mein

Eiswagen am Besten die

einzelnen Verkaufsstationen an?

C

A

B

E

D


STATISTICS

BUSINESS ANALYTICS

𝑥 =

𝑖=1

𝑛

𝑥𝑖

𝑉𝑎𝑟 𝑥 =

𝑖=1

𝑛

(𝑥𝑖 − 𝑥)2


DATA MINING

BUSINESS ANALYTICS

Assoziationsregel

A DB & C D

Häufigkeit (Support)

2/51/5

Bed. W.keit (Confidence)

2/31/3

A B C A C D B C D A D E B C E

• Bestandskundensegmentierung: Welche

Kunden sind einander ähnlich?

• Warenkorbanalyse: Welche Produkte

werden häufig zusammen gekauft?MUSTER-

ERKENNUNG


BUSINESS ANALYTICS

Scoring: aktueller Kunden-

bestand

Vorhersage-

modell+Stornonester

Top x%

historische

Kundendaten

Wer hat gekündigt?

(Zielmerkmal)

Vorhersage-

modell+Training:

PRÄDIKTIVE

MODELLIERUNG

DATA MINING

• Kündigerprävention: Wie kann ich

Kunden von der Kündigung abhalten?

• Bonitätsprüfung: Welche Kunden zeigen

ein negatives Zahlungsverhalten?


FORECASTING

BUSINESS ANALYTICS

TrendV

t

SaisonalitätV

t

Einflussfaktoren (z.B. Kalender)

V

t

ZufallsrauschenV

t

Historische NachfrageV

t

• Absatzplanung

• Prognose der Anrufe eines

Call-Centers

• Einsatzplanung für Transport

und Lagerkapazitäten


TEXT ANALYTICSBUSINESS ANALYTICS

• Auswertung von Online-Foren

• Früherkennung von Firmeninsolvenzen

anhand negativer Nachrichtentexte

• Automatische Weiterleitung von

Eingangspost an den Verantwortlichen

• Kundenfeedback im Online-Handel


OPTIMIZATION

BUSINESS ANALYTICS • Logistik- und Verkehrsplanung

• Schicht- und Einsatzplanung

• Lageroptimierung (Supply Chain)Zielfunktion

Nebenbe-

dingungen


GLOSSAR WICHTIGE BEGRIFFE IN KURZEN DEFINITIONEN

ANALYTICS

BUSINESS

INTELLIGENCE

DATA MINING

BIG DATA

DATA

WAREHOUSE

FORECASTING

HADOOP

IN-MEMORY

OPTIMIERUNG

STATISTIK

TEXT MINING

STRUKTURIERT /

UNSTRUKTURIERT

VORHERSAGE-

MODELL


GLOSSAR ANALYTICS

Sammelbegriff für mathematische Methoden der

systematischen Auswertung von Daten wie etwa

Forecasting, Optimierung oder Statistik. Im

Gegensatz zu Business Intelligence ist Analytics

nach vorne ausgerichtet und erlaubt Einsichten in

kommende Entwicklungen und Szenarien. Eine Auf-

gabenstellung ist zum Beispiel: „Welche Produkte

muss ich zu welchem Preis welchem Kunden anbie-

ten, damit mein Umsatz profitabel wächst?“


GLOSSAR BUSINESS INTELLIGENCE

Methoden und Werkzeuge zur Entscheidungs-

unterstützung in Unternehmen. In etablierten und teils

aufwändigen Prozessen sammeln und aggregieren

Unternehmen Daten aus operativen Systemen

(Warenwirtschaft, Kundendaten, etc.) und bereiten sie

so auf (in Reports oder Dashboards), dass auf deren

Grundlage Entscheidungen getroffen werden können.

Eine typische Frage ist etwa: „Wie viele Produkte

habe ich zu welchem Preis in welcher Region

verkauft?“


GLOSSAR BIG DATA

Mittlerweile etablierter Begriff für das Phänomen rasant

steigender Datenmengen aus unterschiedlichsten

Quellen. Getrieben durch überall vorhandene Sensoren

und weiter fortschreitende Digitalisierung stehen

Unternehmen immer mehr Daten zur Verfügung. Das

fordert zum einen die vorhandene IT-Infrastruktur

heraus (speichern, verwalten) und erzeugt zum anderen

neue Chancen durch optimierte Auswertung.

Gleichzeitig sind neue Rahmenbedingungen zu

bedenken: wer kann die Datenberge auswerten, was

dürfen Unternehmen, was ist gesellschaftlich akzeptiert

etc.


GLOSSAR DATA MINING

Methode und Softwaretools, die das Entdecken von

Zusammenhängen und Mustern in großen und sehr

großen Datenbeständen ermöglichen. Als Teilgebiet

von Analytics geht es um die Beantwortung

komplexer Fragestellungen wie etwa „Warum kauft

ein Kunde genau diese Produkte in dieser Kombina-

tion?“, um daraus Rückschlüsse auf die Optimierung

der zugrundeliegenden Prozesse zu schließen.


GLOSSAR DATA WAREHOUSE

Konzept und technische Infrastruktur zur Sammlung

und Aggregation von Unternehmensdaten im

Rahmen von Business Intelligence und Analytics. In

den 90er Jahren hat sich dieses Konzept in der

Unternehmenswelt großflächig durchgesetzt, weil

dadurch immer neue Anforderungen nach

Auswertungen und Analysen bedient werden

können. Die dafür typischerweise eingesetzten

Datenbanken kommen allerdings in Zeiten von

Big Data unter Druck.


GLOSSAR FORECASTING

Methode und Softwaretools, die Aussagen über

zukünftige Ereignisse treffen. Etwas weiter gefasst hat

sich der Begriff Forecast in Controlling und Absatz-

planung etabliert. Im engeren Sinne versteht man

darunter eine Methode im Bereich von Analytics, die

auf der Grundlage von Vorhersagemodellen in der

Lage ist, möglichst präzise Abschätzungen zu treffen.

Ein häufiges Einsatzgebiet ist die Prognose von

Nachfrage aufgrund saisonaler oder anderer

Schwankungen.


GLOSSAR HADOOP

Open-Source-Framework für das verteilte Speichern

und Rechnen mit großen Datenmengen. Mittlerweile

entstehen unter dem Namen Hadoop eine ganze

Reihe von Projekten (Hive, Pig, Yarn, Impala, etc.),

die sich damit beschäftigen, kostengünstig, schnell

und einfach zugänglich mit jeder Art von Daten

(Big Data, strukturiert / unstrukturiert) umgehen

zu können.


GLOSSAR IN-MEMORY

Technologie, die datenintensive Berechnungs-

methoden in den Hauptspeicher verschiebt und damit

Geschwindigkeitsvorteile gegenüber herkömmlichen

Ansätzen erzielt. Bedingt durch sinkende Preise für

Arbeitsspeicher verfolgen viele Softwarefirmen mittler-

weile den Ansatz, Daten im Hauptspeicher zu halten

und damit den Transfer von Festplatten oder Cache-

Speichern zu umgehen. Auch Analytics wird dadurch

beschleunigt und kann damit Herausforderungen wie

Big Data einfacher lösen.


GLOSSAR OPTIMIERUNG

Methode und Softwaretools, die komplexe Abhängig-

keiten berechnet und Lösungen vorschlägt. Ein klas-

sisches Beispiel ist das „Handelsvertreterproblem“:

Welche Route soll der Vertreter nehmen, um mit

möglichst wenig Umwegen möglichst viele Kunden

besuchen zu können? Dabei gibt es typische

Einschränkungen („Restriktionen“) wie Reisezeit pro

Tag, Zwischenlagerstandorte für Waren, Geschwindig-

keit des Fortbewegungsmittels etc. Moderne

Optimierungsalgorithmen nutzen dabei hoch-iterative

Verfahren auch In-Memory.


GLOSSAR STATISTIK

Mathematische Teildisziplin, die Methoden der

Wahrscheinlichkeitsrechnung entwickelt und nutzt.

Durchschnitte, Mittelwerte, Standardabweichungen

sowie Korrelationen helfen dabei, große Mengen von

Daten zu durchdringen und zu verstehen. Statistik ist

wiederum eine Teilmenge von Analytics.


GLOSSAR TEXT MINING

Genau wie Data Mining sowohl Methode als auch

Software, die das Erschließen von Texten ermöglicht.

Gerade in Zeiten von Big Data stehen immer mehr

Daten in Form von Texten zur Verfügen. Beispiele sind

Internetinhalte wie Foren, soziale Netzwerke oder

Nachrichtenseiten, aber auch verschriftliche Call-

Center-Daten, Kunden-E-Mails oder Werkstattprotokolle

mit Freitextfeldern. Dabei können sowohl Inhalte, als

auch Stimmungen automatisiert erfasst und

Auswertungen zum genaueren Verständnis von Kunden

und Prozessen verwendet werden.


GLOSSAR UNSTRUKTURIERT / STRUKTURIERT

Heutige Datenbanksysteme arbeiten vornehmlich mit sog.

strukturierten Daten. Diese lassen sich in Form von

Tabellenzeilen und Tabellenspalten erfassen. Viele Frage-

stellungen in einem Unternehmen sind mit solchen Daten-

sätzen lösbar, etwa eine Kundendatenbank, Lagerbestände

und Unternehmensprozesse wie Einkauf, Rechnungs-

legung etc. Big Data stellt neue Herausforderungen.

Texte, Bilder, Videos und Maschinendaten folgen nicht mehr

der eingeführten („relationalen“) Logik, sondern sind aus

Sicht der klassischen Datenbanksysteme „unstrukturiert“.

Um diese Daten verwalten und auswerten zu können, sind

daher neue Technologien nötig – etwa Hadoop.


GLOSSAR VORHERSAGEMODELL

Mathematische Abbildung von Erkenntnisse, um

Aussagen über zukünftige Ereignisse treffen zu können.

Anhand von vielen Daten aus der Vergangenheit, etwa

den Abverkauf von Produkten, versuchen Analytiker

Muster zu entdecken und in mathematischen Formeln

zu fassen. Wenn dieses Vorsagemodell auf genügend

vielen und genügend aussagekräftigen Daten basiert,

werden die daraus abgeleiteten Prognosen in ihrer

Qualität besser.

Copyr i g ht © 2013, SAS Ins t i tu t e Inc . A l l r ights reser ve d .

SAS Deutschland

[email protected]

+49 6221 415-123

Zum Nachlesen:

Predictive Analytics

in Beispielen

http://sas-competence-network.com/mediacenter/abstract/client/business-analytics/target/__content__dokumente__white_paper__e4503__views4504__display_ger.html

http://sas-competence-network.com/mediacenter/abstract/client/business-analytics/target/__content__dokumente__white_paper__e4503__views4504__display_ger.html