BI befasst sich überwiegend mit den Geschehnissen in der Vergangenheit und deren Auswirkungen auf die Gegenwart. Es beantwortet Fragen zum Geschehen (Was ist wann passiert?), zur Menge, Häufigkeit oder den Ursachen eines Ereignisses. Werkzeuge dafür sind beispielsweise Reporting (KPIs, Metriken), automatisiertes Monitoring (Alarm bei Über-/Unterschreiten von Schwellenwerten), Dashboards, Ad-hoc-Anfragen oder OLAP (Online Analytical Processing). OLAP beispielsweise arbeitet deduktiv, stellt also Hypothesen auf und fragt gezielt Informationen ab, um die Vorannahme zu bestätigen oder zu verwerfen.
Predictive Analytics als Teil-Disziplin von Business Analytics
Foto: vetkit - shutterstock.com
Business Analytics erweitert BI um den Blick in die Zukunft und setzt vor allem auf statistische Analysen von Unternehmensdaten. Business Analytics gibt Antworten auf die Fragen nach den Gründen, Auswirkungen, Wechselwirkungen oder Folgen von Ereignissen. Zudem ist es möglich, Szenarien durchzuspielen und Handlungsalternativen aufzuzeigen: Was geschieht, wenn wir an dieser oder jener Stellschraube drehen?
Um den Planungsprozess im Unternehmen zu verbessern, nutzt Business Analytics diverse Analyse-Tools. Hier die wichtigsten Anwendungen von Business Analytics inklusive Methode:
• A/B-Tests oder multivariates Testen mit mehreren Variablen, um Entscheidungen zu überprüfen.
• Statistische oder quantitative Analyse, um zu erklären, warum ein bestimmtes Ergebnis eingetreten ist.
• Entdeckung von neuen Mustern und Zusammenhängen in Daten (Data Mining). Im Gegensatz etwa zu OLAP ist diese Analysetechnik induktiv, das heißt sie sucht in den Datensätzen ohne eine Vorannahme nach Auffälligkeiten oder Mustern, interpretiert diese und stellt eigene Hypothesen auf.
• Vorhersage künftiger Ergebnisse, sprich Predictive Analytics.
Predictive Analytics bildet damit eine Teildisziplin von Business Analytics. Sie setzt da an, wo OLAP oder Reporting aufhören. Statt nur die bestehende Situation zu analysieren, versucht Predictive Analytics mit Hilfe von Datenmodellen Vorhersagen über mögliche Ereignisse in der Zukunft zu treffen. Dabei besteht eine enge Verbindung mit Data Mining.