Jeder würde gerne einen Blick in die Zukunft werfen, um Antworten auf drängende Fragen zu finden: „Was möchten meine Kunden?“ oder „Wie lange wird meine Anlage voll funktionsfähig bleiben?“ Mit hellseherischen Fähigkeiten würde es uns leichter fallen, auf „unvorhersehbare Ereignisse“ zu reagieren. Der Einsatz von Künstlicher Intelligenz (KI) zusammen mit Predictive Analytics (PA) könnte diese Aufgabe übernehmen.
Predictive Analytics kommt dann zum Einsatz, wenn es darum geht, mithilfe von Daten und statistischen Algorithmen die Wahrscheinlichkeit zukünftiger Ergebnisse auf der Grundlage historischer Daten vorherzusagen. Erklärtes Ziel dieser „Unterdisziplin“ im Business Intelligence-Bereich ist es, anhand einer Analyse vergangener Ereignisse bestmöglich vorherzusagen, was in Zukunft geschehen wird. Dabei kann in verschiedenen Einsatzfeldern die KI zu einer qualitativen Verbesserung der Ergebnisse führen.
Predictive Marketing und Consumer Behavior
Setzen Marketing-Fachleute Predictive Analytics im Rahmen ihrer Marketingstrategie ein, so versuchen sie oftmals eine Antwort auf die Frage zu erhalten: „Wie werden sich meine Kunden in Zukunft verhalten?“ Über das Profiling werden Nutzer anhand ihres Verhaltens mit anderen Nutzern oder Stichprobengruppen verglichen. Dies ermöglicht etwa beim Online-Shopping eine Prognose darüber, was ein Kunde womöglich kaufen wird.
Mit diesem Vorgehen hängt die Warenkorbanalyse zusammen: Die Produktzusammenstellung des Warenkorbs wird auf Muster und Zusammenhänge hin analysiert (meist analog zu anderen Warenkörben), was gezielte, individuelle Werbemaßnahmen erlaubt. Das beste Beispiel hierfür ist die Onlineshop-Funktion „Kunden, die dies gekauft haben, interessierte auch…“. Ähnlich funktionieren Best-Next-Offer: Hierüber ordnet die KI einem Kunden die Produkte zu, die er mit hoher Wahrscheinlichkeit kaufen wird. Beim nächsten Einkauf im Onlineshop wird ihm Werbung zu ähnlichen Produkten ausgespielt.
Auf Grundlage solcher Ergebnisse können Marketer ihre Strategie anpassen, um ihren Kunden eine gezielte, personalisierte Kauferfahrung zu bescheren und somit Zufriedenheit und Bindung zu steigern.
Predictive Maintenance
Predicitive Analytics kann in der industriellen Fertigung dazu eingesetzt werden, Vorhersagen über die Funktionsfähigkeit von Maschinen und Anlagen zu treffen. So werden die Echtzeit-Daten der Maschinen unter den aktuell herrschenden Umständen gemessen und mit Daten verglichen, die einer idealen Anlagenumgebung entspricht.
Weisen die Ergebnisse signifikante Unterschiede auf, kann dies auf eine mögliche Beschädigung oder Beeinträchtigung in Zukunft hinweisen. Fertigungsbetriebe können mithilfe dieser Analyse ihre Wartungszyklen anpassen und sich um die Anlagen kümmern, bevor es überhaupt zu Schäden kommen kann.
KI-Systeme, die die Wahrscheinlichkeit von Ereignissen berechnen, sorgen für erhebliche Kosteneinsparungen und schenken den Teams darüber hinaus eine Menge Zeit. Diese können sie darauf verwenden, möglichen Ernstfällen präventiv zu begegnen oder ihren Fokus auf unternehmenskritische, strategische und kreative Tätigkeiten zu legen.
Predictive HR
Sobald ein Mitarbeiter das Unternehmen verlässt, ist das üblicherweise keine günstige Entwicklung: Es folgen Rekrutierungskosten und Einbußen aufgrund von Produktivitätsverlust und Onboarding. KI-basierte Lösungen und ein Predictive Analytics-Ansatz können Unternehmen dabei unterstützen, den Grund für eine kommende Abwanderung zu eruieren sowie zu prognostizieren, welche Risiken sich zukünftig in Sachen Mitarbeiterbindung ergeben können.
Zum Beispiel stellt ein Unternehmen fest, dass Mitarbeiter nach drei bis vier Jahren vermehrt ihren Arbeitgeber verlassen. Durch die Betrachtung der Daten wird erkannt, dass das Ausbleiben einer Beförderung mit entsprechender Gehaltserhöhung ein möglicher Grund für die Kündigungen ist.
Greift ein Mitarbeiter beispielsweise gegen Ende eines Monats überdurchschnittlich häufig auf bestimmte Dokumente zu und lädt diese herunter, könnte das ein Hinweis darauf sein, dass er eine Kündigung plant und relevante Arbeitsproben oder Informationen zu einem neuen Arbeitgeber mitnehmen möchte. Das HR-Team kann dann nachsehen, wann der betreffende Mitarbeiter zuletzt befördert wurde oder eine anderweitige Vergütung, wie eine Gehaltserhöhung, Bonus oder ähnliches erhalten hat und entsprechende Gegenmaßnahmen einleiten, um den Mitarbeiter zu behalten.
Heutzutage sammeln Unternehmen immer mehr Daten an. Sie versäumen es jedoch oft, sie zu nutzen. Die intelligente Analyse von historischen oder Echtzeitdaten kann zur Implementierung von prädiktiven Analysen verwendet werden – eine Möglichkeit, um vorherzusagen, was als nächstes passieren wird.
Die Implementierung von Predictive Analytics eröffnet der gesamten Organisation – und nicht nur dem IT-Team – einen erheblichen Geschäftswert und kann z.B. dazu beitragen, Innovation und Kundenbindung voranzutreiben. Micro Focus erklärt die wichtigsten geschäftlichen Auswirkungen der Predictive Analytics und wie die KI dazu beitragen kann. (rhh)
