Prescriptive Analytics
Die Verfahren der Prescriptive Analytics stellen die letzte der drei Stufen im Bereich Analytics dar.
Die erste Stufe ist die Descriptive Analytics, bei der eine vergangenheitsbezogene Auswertung von Daten vorgenommen wird. Dies ist der klassische Ansatz des Business Intelligence Reporting. In der zweiten Stufe, Predictive Analytics, werden Prognoseverfahren verwendet, um Vorhersagen zu erstellen und diese zu erklären.
Das Ziel der Prescriptive Analytics ist es, Handlungsalternativen oder umfangreiche Informationen bereitzustellen, um eine Entscheidung treffen zu können.
Prescriptive Analytics - Ursprung und angewandte Methoden
Wie auch die Predictive Analytics, basiert die Prescriptive Analytics auf unterschiedlichen Daten. Diese können aus einem klassischen Data Warehouse oder unstrukturierten Big Data Ansätzen wie NoSQL Datenbanken stammen. Bei Prescriptive Analytics sind vor allem externe Daten interessant, die einen Einfluss auf die eigenen Prozesse und Entscheidungen haben.
Diese Daten fließen in Optimierungsverfahren und Simulationen ein und stellen beeinflussende Variable dar. Für die Analyse werden die Ziele, die Anforderungen an das Ergebnis und der Handlungsrahmen festgelegt. Komplexe mathematische Verfahren, wie bspw. die Lineare Optimierung (Operation Research) und die Simulation (Zufallsexperiment), werden dazu verwendet Handlungsalternativen zu bestimmen.
Prescriptive Analytics - Programme und Software im Einsatz
Einige freie und kommerzielle Analytics Werkzeuge haben Prescriptive Analytics Funktionen bereits integriert. Im Bereich Open Source kann die Programmiersprache R genutzt werden, um Programmbibliotheken mit den entsprechenden mathematischen Verfahren abzurufen.
Kommerzielle Hersteller von Analytics Werkzeugen greifen ebenfalls auf die Bibliotheken von R zu, besitzen aber meist eine komfortablere Oberfläche. Zu den lizenzpflichtigen Programmen gehören bspw. Tableau und IBMs SPSS Modeler.
Einsatzgebiete von Prescriptive Analytics
Prescriptive Analytics kommt in den Bereichen zum Einsatz, in denen große Unsicherheit herrscht. Dies betrifft vor allem die Entscheidungsfindung und Ressourcenplanung. Im Kleinen kann das bspw. die Antwort auf die Frage sein, wann der beste Zeitpunkt ist um günstig zu tanken. Die Antwort auf eine solche Frage ist präzise (z. B. Mittwoch 14 Uhr).
In einem weiter gefassten Rahmen ist bspw. der Einsatz im Gesundheitswesen sehr interessant und wichtig. Hier könnten Simulationsmodelle erstellt werden, die analysieren, welche externen Variablen welchen Einfluss auf die eigenen Prozesse haben.
So können Informationen zur Saison, dem Wetter und zu Großereignissen in die Berechnung einfließen, um zu ermitteln an welchem Tag wie viel Personal, welche Bettenkapazität und welche medizinischen Produkte benötigt werden. Dieses Beispiel ist auf viele andere Bereiche übertragbar, in denen begrenzte Ressourcen optimal eingesetzt werden müssen.
Prescriptive Analytics - Definition & Erklärung - Zusammenfassung
Im Zusammenhang mit dem Lexikoneintrag Prescriptive Analytics sollte man sich folgende Punkte merken:
- Die Verfahren der Prescriptive Analytics stellen die letzte der drei Stufen im Bereich Analytics dar.
- Das Ziel der Prescriptive Analytics ist es, Handlungsalternativen oder umfangreiche Informationen bereitzustellen, um eine Entscheidung treffen zu können.
- Prescriptive Analytics kommt in den Bereichen zum Einsatz, in denen große Unsicherheit herrscht, z.B. vor allem in der Entscheidungsfindung und Ressourcenplanung.