Anzeige

dmexco-Special: Prognose-Tools als Delphi der Moderne

Big Data bietet eine Unmenge an neuen Marketing-Möglichkeiten – entscheidend ist aber die Auswahl geeigneter Predictive-Verfahren.
Big Data bietet eine Unmenge an neuen Marketing-Möglichkeiten – entscheidend ist aber die Auswahl geeigneter Predictive-Verfahren.

Die Mathematik macht's möglich: Angefeuert von Big Data soll Predictive Analytics Unternehmen mit präzisen Prognosen über das künftige Marktgeschehen versorgen – mit teilweise atemberaubender Präzision. Entscheidend ist es dabei aber, die Ergebnisse der Prognosewerkzeuge richtig zu verstehen.

Anzeige
Anzeige

Von Achim Born

Nate Silver hat sich wahrlich nicht mit Ruhm bekleckert. Der US-Amerikaner, dessen Prognosemodell bei den Prä­sidentschaftswahlen 2012 den Sieger in allen Bundes­staaten korrekt bestimmte, hatte sich im Vorfeld der Fußballweltmeisterschaft mit einer Wahrscheinlichkeit von 45,1 Prozent auf Brasilien als Sieger festgelegt – vor Argentinien (13 Prozent), Deutschland (elf Prozent) und Spanien (acht Prozent). Diese Fehleinschätzung mag nun manchen Fan in der Meinung stärken, dass sich US-Amerikaner – selbst wenn ihnen der Ruf eines Statistik­papstes vorauseilt – mit Äußerungen in Sachen Fußball besser in Zurückhaltung üben. Ein solch harsches (Vor-)Urteil wird der Arbeit Silvers allerdings nicht gerecht. Denn er lag keinesfalls als Ein­ziger daneben. Das Wettbüro Betfair oder die Invest­mentbank Goldman Sachs sahen die WM-Gastgeber beispielsweise ebenso vorne. Experten der Deutschen Bank legten sich dagegen zu Beginn auf die schon in der Vorrunde kläglich scheiternden Engländer als kommen­den Champion fest. Bei dem einen oder anderen mag sich da ein leichter Zweifel einstellen, ob man diese Institute wirklich mit der Verwaltung seiner Finanzen betrauen sollte, da für diese Vorhersagen Analysetechniken aus dem realen Geschäftsbetrieb zum Einsatz kommen.

Wer einen zweiten Blick auf die Prognosen wagt, erkennt indes, dass sie in ihrer Logik korrekt waren. Denn sie basieren auf Wahrscheinlichkeiten – selbst der kleins­te Wert steht für ein real mögliches Ereignis. Im Laufe der Fußball-WM gewannen die Vorhersagen zudem an Qualität. Lag das Microsoft-Team beispielsweise wäh­rend der Gruppenphase in vier von zehn Fällen daneben, berechnete es für alle Spiele der K.-o.-Runde präzise den späteren Sieger. Die Kollegen von Google waren da nicht ganz so treffsicher. Sie hatten den Ausgang des Spiels Frankreich–Deutschland falsch vorhergesehen. Die Analysewerkzeuge und -programme, wie sie für die WM-Prognosen zum Einsatz kamen, werden von Ex­perten mit dem Begriff „Predictive“ gebrandmarkt. Wie der Name nahelegt, richten Predictive-Analytics-Tools im Unterschied zu den deskriptiven, eher rückwärts gewandten Pendants („Was ist warum passiert?“) ihren Blick konsequent nach vorne („Was wird geschehen?“). Wirklich neu sind die in Software gegossenen Metho­den und Verfahren nicht. Folgt man der Prognose der US-amerikanischen Marktforschungsfirma IDC, inves­tierten Unternehmen im vergangenen Jahr weltweit 2,2 Milliarden Dollar in intelligente Analyseprogramme (Advanced und Predictive Analytics). In vier Jahren sol­len die Ausgaben sogar 3,4 Milliarden Dollar betragen. Die Marktforscher von Gartner erwarten, dass bereits in diesem Jahr rund 30 Prozent aller analytischen Anwen­dungen mit „seherischen“ Fähigkeiten ausgestattet sind. Im Gefolge von Big Data gewinnt die Analytic-Thematik jetzt zusätzliche Dynamik. Das liegt zum einen am ra­santen technologischen Fortschritt, der es ermöglicht, große Datenmengen unterschiedlichster Herkunft und Struktur mit hoher Geschwindigkeit zu verarbeiten. Das liegt zum anderen an der simplen Erkenntnis, dass Daten allein nur bedingt einen Mehrwert verheißen. Sie müssen sich erst mithilfe von Statistik und Mathematik in verwertbare, smarte Informationen verwandeln. Ganz gleich, ob es sich um Vorhersagen von Bedarfen, Produktionsmengen und Lagerbeständen handelt, Ab­wanderungstendenzen aufzuspüren sind, die Werbe­wirkung von Kampagnen optimiert werden soll oder dem kaufwilligsten Kunde ein überzeugendes Cross- Selling-Angebot unterbreitet werden soll – Predictive Analytics auf Basis von Big Data soll als eine Art Delphi der Moderne Einblicke in die Zukunft für alle Lebenslagen liefern.

„Da Big Data mehr und mehr Daten aus immer neuen und unterschiedlichen Datenquellen bedeutet, hat man jetzt ganz einfach mehr und detaillierte Daten, die man mit­einander verknüpfen kann“, beobachtet der Berater Dr. Wolfgang Martin. „Damit werden die Einsatzmöglich­keiten von Predictive Analytics verbessert und ausge­weitet.“ Im Marketing und Vertrieb sind dies insbeson­dere Anwendungsszenarien, die zu mehr Transparenz über Verhalten von Kunden und eine individuellere An­sprache führen sollen. Und das im Kontext des aktuellen Geschehens ohne Zeitverzug in Echtzeit oder mindes­tens Neartime. „Big Data hat hier eindeutig einen Durchbruch erzielt. Man kann es vergleichen mit der Erfindung des Elektronenmikroskops“, erklärt Tobias Kiessling, CTO beim Bid-Management und Multichannel-Tracking Intelli Ad Media. Es sei nun möglich, Daten auf einer sehr viel feineren, granulareren Ebene zu betrachten. „Während man früher Aussagen im Onlinemarketing erst auf Ka­nalebene, etwa SEA oder SEO, aggregieren musste und auch nur einen Teil auf einmal betrachten konnte, lassen sich jetzt Daten bis herunter auf die Keyword-, User- und Kettenebene analysieren.“ Prof. Michael Feindt ist gleichfalls überzeugt, dass die den Unternehmen heute zur Verfügung stehenden Da­tenmengen enormes Potenzial bieten. „Predictive Ana­lytics und Entscheidungsautomatisierung befähigen, dieses zu erschließen und eine durchgängige Digitalisie­rung der Prozesse zu etablieren. Automatisierte Dispo­sition oder dynamische Preisgestaltung werden gelebte Praxis“, erklärt der Gründer und Chief Scientific Ad­visor des Predictive-Anlytics-Spezialisten Blue Yonder.

Ein unbestechliches Indiz für die hohe Wertschätzung, die der Predictive-Analytics-Thematik für Marketing/Vertrieb entgegengebracht wird, ist das Investitionsverhalten der Venture-Capitalists. In den ersten Monaten des laufen­den Jahres konnten Start-ups in den USA schon rund 160 Millionen Dollar einsammeln. Darunter befinden sich Spezialisten wie InsideSales.com, Lattice, Sales­Predict oder die aus einem Cisco-Projekt entstandene 6Sense, die mittels Statistik die Leads und Prospects nach ihrem Potenzial kategorisieren und einordnen, um die Effizienz des Vertriebs zu forcieren. Andere wie AgileOne führen Daten aus unterschiedli­chen Quellen zusammen, um das Kundenverhalten aus­zuwerten und vorherzusagen. Oder sie hegen wie Net­worked Insight Ambitionen, durch permanente Analyse und Kategorisierung der Beiträge bei Twitter, Youtube, oder Facebook nicht nur Einblicke in die Gemütslage der Konsumenten zu gewinnen, sondern ebenso ihre künfti­gen Wünsche vorherzusehen. Samsung nutzte den Ser­vice, um eine Art Android-Gen aufzuspüren – die Dinge, die Apple-Nutzer mögen, wollen und machen.

Auch in Deutschland sind Spezialisten entstanden, die mit ihren Analyse-Services den Unternehmen Gelegen­heit bieten, ihre Aktivitäten in Marketing und Vertrieb zu optimieren. So kann Otto mithilfe der Predictive-Analytics-Programme von der Karlsruher Blue Yonder beispielsweise bis zu zehn Wochen im Voraus mit einer Wahrscheinlichkeit von 90 Prozent vorhersagen, wie oft beispielsweise ein bestimmtes Kleid in einer bestimm­ten Kalenderwoche bestellt werden wird. Die Software verbesserte die Prognosequalität um bis zu 40 Pro­zent und reduzierte Restbestände um mehr als 20 Prozent, was dem Onlinehändler zu Einsparungen im zweistelligen Millionenbereich verhalf. In Norderstedt ist GPredictive be­heimatet, dessen Customer Lifetime Suite Entscheidungsgrundlagen lie-fert, Marketing- und Vertriebsinstrumente gezielt ein­zusetzen. Zu den Einsatzszenarien zählen Lead Scoring, Katalog Scoring oder Next Best Offer. Die App GPre­dictive Lead Management bietet beispielsweise ein in­telligentes Scoring der Leads auf Grundlage der Sales­force-Daten eines Unternehmens, um dem Vertrieb ein priorisiertes Bearbeiten zu ermöglichen.

Anzeige

Big Data Analytics basiert auf mathematisch-statistischen Me­thoden und Verfahren. Da fallen in schneller Folge Begrif­fe wie Assoziationsanalyse, Clustermethode, Machine Learning oder Regressionsanalyse. Um Methoden und Verfahren dieser Art in Algorithmen zu gießen, steht den Anwendern ein breites Tool-Angebot zur Wahl. Neben den bekannten Größen aus dem BI-Umfeld wie IBM, SAS, SAP (seit Kurzem auch mit InfiniteInsight, dem vormaligen Kxen) oder Statistica tummeln sich hier Spezialisten wie Knime, Orange, R, Rapidminer oder Weka. Die Bedienung dieser Werkzeugumgebungen verlangt dem Nutzer in der Regel einiges an mathematisch-sta­tistischem Know-how ab. Die Werkzeuge unterstützen auch für verschiedene Aufgaben unterschiedliche Me­thoden oder lassen sich zumindest als Teil einer umfas­senderen Tool-Umgebung einsetzen. Der funktionale Ausbau der Werkzeuge ist letztendlich eine direkte Folge der Big-Data-Entwicklung (siehe Kasten). Es gilt, immer mehr Daten unterschiedlichster Couleur zur Analyse und Prognose zusammenzuführen. Schließlich ist heu­te eine Verhaltens- und Stimmungsanalyse der eigenen Kunden ohne die Auswertung sozialer Netzwerke nur schwerlich vorstellbar.Für den Anwender entfällt natürlich die komplizierte Arbeit der Modellerstellung, wenn er auf einen der ge­nannten Webdienste für Predictive Analytics zurück­greift. „Im täglichen Betrieb zählen die Ergebnisse der Prognose und nicht die Modelle. Als Autofahrer wissen Sie ja auch die Zuverlässigkeit eines ABS zu schätzen, ohne die Technik dahinter verstehen zu müssen“, er­klärt Prof. Feindt. Gleichzeitig beobachtet man bei Blue Yonder in jüngerer Zeit ein zunehmendes Interesse an Predictive Analytics und den dahinterstehenden Algo­rithmen.

Das Thema Big Data wird derzeit allerdings zu sehr gehypt. „Nur weil man nun mehr Daten verarbeiten kann, ist man in den Unternehmen verleitet, mehr Daten in die Analysen einfließen zu lassen“, beobachtet Cheftech­niker Kiessling von Intelli Ad Media. Häufig seien die statistischen Verfahren dafür jedoch nicht ausgelegt.

Schnell würden so Falschaussagen erzeugt, die in der Praxis nicht vorhandene Zusammenhänge suggerieren können. Für GPredictive-Chef Björn Goerke ist gleichfalls we­niger manchmal mehr. Technisch denkbar wäre etwa eine neue Modellerstellung mit jeder neuen Informati­on, die generiert wird. „Das erscheint meist aber wenig sinnvoll“, warnt Goerke. „Denn in der Realität erleben wir tatsächliche Veränderungen im Kundenverhalten deutlich langsamer.“ Wichtiger als die Integration weite­rer Daten ist für ihn die Einbindung in die bestehenden Unternehmensprozesse. „Wenn die nächste Newsletter-Selektion im Marketing-Automation-Tool erstellt wird, müssen genau an der Stelle auch die Scores aus der Ana­lyse zur Verfügung stehen“, so Goerke. Die Einbindung in das betriebswirtschaftliche Umfeld wird nach Ansicht von Berater Martin künftig sogar noch tiefer reichen. „Aus Predictive Analytics muss jetzt Prescriptive Analytics werden. Das heißt, die Algo­rithmen zeigen nicht nur, was passieren wird. Sie sagen auch, was zu tun ist“, fordert der BI-Experte (siehe Gra­fik). Dies würde Unternehmen zum einen befähigen, die Effizienz ihrer Marketing- und Vertriebsprozesse durch automatisierte Entscheidungen zu steigern. Zum ande­ren könnten sie sich einen Eindruck darüber verschaf­fen, welche Marketingaktivitäten von unterschiedlichen strategischen Zielsetzungen impliziert werden.Spätestens dann sollten Anwender und Nutzer aller­dings ein Gespür für Reichweite und Grenzen der Pro­gnoseverfahren entwickelt haben. Bei allen Verfahren hofft man im Grunde, dass in den historischen Datenbe­ständen Muster zu erkennen sind, die auch in nächster Zeit noch gültig sind. Zum Teil beruhen eigene Progno­sen auf Daten anderer Prognosen, etwa der Wettervor­hersage. Das Ergebnis aus Predictive Analytics ist daher nie eine exakte Vorhersage der Zukunft, sondern nur die wahrscheinlichste Entwicklung. Das Eintreten eher un­wahrscheinlicher, zufälliger Ereignisse ist folglich noch immer möglich und widerspricht keinesfalls der Modell­logik.

 

Anzeige

Mehr zum Thema

Anzeige
Anzeige

Dein Kommentar

Deine E-Mailadresse wird nicht veröffentlicht.

*