SPSS GmbH Software

Pressemeldung April 2008

Keine Angst vor chaotischen Datenbergen

Statistische Formeln, Gleichungen mit zwei Unbekannten oder Wahrscheinlichkeitsrechnungen – wer kein Mathematikstudium im Lebenslauf vorweisen kann, gerät bei schwierigen Zahlenreihen und Analysen leicht in Panik. Viele Marketing-Experten und Manager schrecken daher auch vor dem Einsatz von Predictive Analytics-Software zurück. Häufig nehmen sie an, es fehle ihnen das Hintergrundwissen, um hinter komplizierte Rechenprozesse vorausschauender Datenanalyse-Lösungen blicken zu können. Doch gerade weil sie keine diplomierten Mathematiker an Bord haben, sollten Unternehmen beim Einsatz von Predictive Analytics in erster Linie die Ergebnisse im Auge behalten. Die Wissenschaft im Hintergrund läuft ganz von alleine und nimmt ihnen viel Arbeit ab.

Wie gelingt es, den Überblick im Daten-Dschungel zu behalten? 2007 betrug die Menge des weltweiten digitalen Datenvolumens 281 Exabyte (281 Milliarden Gigabyte). Diese Massen würden auf rund 17 Milliarden iPhones mit 8-GB-Speicher Platz finden. In einer Studie der Analysten von PriceWaterhouseCoopers gaben in diesem Zusammenhang 75 Prozent der befragten Unternehmen an, dass die Fähigkeit Daten zu interpretieren und für zielgerichtete Analysen weiter zu verwenden, für sie oberste Priorität besitze. Die Datenmasse alleine hilft also nicht weiter. Gefragt ist ein Tool, das die Daten so strukturiert und analysiert, dass sie sich für sachkundige Geschäftsentscheidungen nutzen lassen.

Um den Erfolg sicher zu stellen, ist es essentiell, dass Organisationen ein Verständnis dafür bekommen, welche Arten von Daten verfügbar und in welchem Zustand diese sind. Zunächst sollten sie daher mit den bereits vorliegenden Informationen beginnen: Dazu bedarf es weder einer großen Anzahl von Daten, noch müssen sie aus einem Data Warehouse stammen. Viele wertvolle Data Mining-Projekte basieren zunächst auf kleinen oder mittelgroßen Datensätzen –einige bestehen zum Beispiel nur aus wenigen Tausenden. In die Analyse einbezogen werden dabei nicht länger nur bekannte demographische und Transaktions-Daten, sondern auch Informationen über die Kundenmeinungen und -stimmungen. Damit Organisationen aus dem Wust von Daten wertvolle Informationen herausfiltern und sinnvolle Aktionen ableiten können, ist also Data Mining der Schlüssel. Der Datenanalyseprozess deckt zuvor unbekannte Muster und Verbindungen in Daten auf. Data Mining wurde ursprünglich im akademischen Bereich entwickelt und zumeist bei der Analyse großer Datenmengen eingesetzt. Mittlerweile gehört es allerdings zum Alltag und hilft Unternehmen nahezu jeder Branche, fundiertere Geschäftsentscheidungen treffen zu können.
Ist dieser Schritt getan, kommt Predictive Analytics ins Spiel.
Diese Lösung kombiniert Analyseergebnisse mit Entscheidungsoptimierung, sie wählt somit die Aktion mit dem besten Ergebnis aus. Basierend auf den zuvor ermittelten Modellen wird also festgelegt, welche Aktivitäten für welchen Kunden den optimalen Nutzen bringen. Diese Empfehlungen lassen sich dann an die Systeme beziehungsweise die Personen weitergeben, die diese wirksam umsetzen können. Die zuständigen Mitarbeiter erhalten hierdurch in Echtzeit, also im Moment des Entstehens, eine konkrete Handlungsempfehlung für den Kundenkontakt. Um die Entscheidungsoptimierung zu unterstützen, ist generell eine Lösung nötig, die zu den eingesetzten Systemen wie der Call Center- oder Marketingoptimierungs-Software passt.

Moderne Predictive Analytics-Software ist mittlerweile intuitiv erlernbar – die komplizierten Rechnungen laufen im Hintergrund ab. Für Marketing-Mitarbeiter ist dies komfortabel: Sie nutzen die Lösung, um ihre Kundendaten besser zu verstehen, müssen sich aber nicht mit schwierigen Formeln auseinandersetzen. Auch ohne mathematisches Expertenwissen sind Unternehmen heute also in der Lage, eine Fülle von Daten zu analysieren und automatisch Muster zu erkennen. Fügen sie dann noch vorhersagende Elemente hinzu, lassen sich einfach entsprechende Handlungen ableiten, um das Geschäftsergebnis zu verbessern. Mit Hilfe von Predictive Analytics können Firmen zum Beispiel Marketingkosten senken und Antwortraten auf Direktmailings erhöhen – die Lösung sorgt für profitable Marketingkampagnen. Denn: Aufgrund der vorangegangenen Analyse lassen sich Kampagnen Zielgruppen-genau aufsetzen und Streuverluste minimieren. Die neuste Generation der Lösungen nutzt dabei fortschrittliche Mathematiktechniken, die Kampagnen unternehmensweit effektiver machen.

Durch den Einsatz wissenschaftlicher, mathematischer Strukturen in Predictive Analytics-Lösungen wird heute niemand mehr vom großen Nutzen der fortschrittlichen Rechnungen und Technologien ausgeschlossen. Vorhersagen über zukünftige Entwicklungen sind keine Zauberei. Und Marketing-Experten benötigen kein Hintergrundwissen wie Achimedes oder Newton, um mathematische Expertise für ihre Zwecke zu nutzen.

¹ IDC-Studie, von EMC gesponsert: „The Diverse and Exploding Digital Universe“

² PriceWaterhouseCoppers: Management Barometer (2006)