Jeder von Ihnen kennt es – jetzt schon wissen zu wollen, wie die Zukunft aussieht. Genau das soll nun mit Hilfe von Predictive Analytics Realität werden. Viele Unternehmen setzen bereits heute auf diese Methode, um sich in Zukunft Wettbewerbsvorteile zu sichern

Grundlage für Geschäftsentscheidungen

Predictive Analytics gibt es seit Mitte des 19. Jahrhunderts. Dabei handelt es sich um statistische Methoden, mit denen Vorhersagen aus historischen Daten ermittelt werden. Insbesondere in der Finanzwelt ist die Erstellung von Prognosen von hoher Relevanz. Es wurden schon immer zahlreiche Werkzeuge und Methoden eingesetzt, um Berichte als Grundlage für Geschäftsentscheidungen zu erstellen. Mit dem Aufkommen von neuen Technologien wie Artificial Intelligence oder Machine Learning hat sich Predictive Analytics weiterentwickelt und ermöglicht tiefere Einblicke und bessere Prognosen. Dabei liegt das Potenzial vor allem darin, dass Daten und Algorithmen genutzt werden, um alle relevanten Steuerungsdimensionen (z.B. Kunden, Märkte und Ressourcen) zu analysieren und entsprechende Entscheidungs- und Vertragsrisiken, Markttrends, Geschäftsentwicklungen oder Kundenwünsche vorhersagen zu können.

Relevant für die gesamte Business-Planung

Im Unternehmen umfasst das Einsatzgebiet von Predictive Analytics die gesamte Planung. Eine Vorreiterrolle hat die Unternehmens- und Finanzplanung, wo Absätze, Lagermengen oder der Gewinn vorhergesagt werden. Auch in der Beschaffung, Produktion und Vertrieb kann Predictive Analytics eingesetzt werden: in der sogenannten Funktionsplanung zum Beispiel für die Prognose zur Rohstoffpreisentwicklung genutzt, um die Einkaufsstrategie zu verbessern. Darüber hinaus kann dies auch bei Querschnittsfunktionen im Bereich des Personal- und Qualitätsmanagements für die Sicherstellung der Qualität und Auslastung genutzt werden. Eine Frage sollte immer vor dem Einsatz beantworten werden: Welchen Mehrwert bzw. Potenziale ergeben sich durch Predicitve Analytics für das Unternehmen?

Abbildung 1: Potentiale von Predictive Analytics 

Der Mehrwert von Predictive Analytics kann in drei Bereiche untergliedert werden: verbesserte Entscheidung, Steigerung der Prozesseffizienz und quantifizierbarer Mehrwert. Das Einbeziehen von verschiedenen Datenquellen und die Automatisierung des Prognoseprozesses macht die Ergebnisse objektiver und ermöglicht präzisere Vorhersagen. Die Automatisierung verringert den Verwaltungsaufwand für die großen Datenmengen. Alle aus den Analysen gewonnenen Informationen bringen verbesserte Entscheidungsstützen mit sich, die eine positive Auswirkung auf das Unternehmen haben. Durch die ermittelten Prognosen können bessere strategische Entscheidungen innerhalb des Produktions-, Planungs- und Steuerungsprozess getroffen werden.

Gerade die Prozesseffizienz steht im Fokus der neuen Methoden. Die Vorhersagequalität durch statistische Modelle wird erhöht und die Effizienz entlang der Wertschöpfungskette dadurch gesteigert. Die Konzeption und Modellpflege sind nur ein kleiner Teil der sonstigen Planung für das Forecasting. Somit werden die Maßnahmen für die Zielerreichung in den Vordergrund gebracht.  Predictive Analytics bringt quantifizierbaren Mehrwert in Form von Umsatzsteigerung und  Kostensenkung mit sich.  Das beeinflusst wiederum den ROI positiv. Die verbesserte Effizienz hat positive Auswirkungen auf den Umsatz, die Geschäftsrisiken und die Kosten:

Umsatzsteigerung, durch

  • höhere Kundenzufriedenheit und Konkurrenzfähigkeit
  • Entwicklung neuer Geschäftsmodelle
  • Verbesserung der Produkte durch besseres Verstehen der Kundenbedürfnisse
  • Optimieren des Ressourceneinsatzes

Risikominimierung, durch

  • Analyse der Daten (z.B. Wartungsintervalle, Produktivität, Rüstzeiten)
  • Optimierung des Produktionsprozesses

Kostenreduzierung, durch

  • Optimierung der Produktionsprozesse
  • Reduzierung von Personal und Lagerkosten
  • Erhöhung der Effizienz entlang der Wertschöpfungskette

Der Mehrwert durch Predictive Analytics ergibt sich genau dann, wenn neue Erkenntnisse aus der verfügbaren Datenmenge gewonnen werden. Wenn Trends und Gefahren frühzeitig erkannt und analysiert werden, lassen sich proaktiv zielgerichtete Handlungsmaßnahmen ableiten.

CAMELOT CAse Study Brenntag NOrth America: People-focused MDM Transformation

Case Study Brenntag Nord-Amerika: Transformation Analytics

Das MDM-Projekt bei Brenntag North America stellte die Menschen in den Mittelpunkt des Transformationsansatzes, unterstützt durch Tranformation Analytics Daten. (in Englisch)

Download: People-Focused MDM Transformation

Empfohlene Artikel

Data & Analytics

ILM-Funktionen – Ausblick auf die IT

Risikobewertungen und Aufbewahrungsanforderungen veranlassen Unternehmen, ihre Datenstrategie neu zu gestalten. Sie müssen die hohen gesetzlichen Anforderungen erfüllen und zugleich …

weiterlesen
Supply Chain Management

Die Zukunft des Supply Chain Managements in der chemischen Industrie, Teil 1

Dieser Blogartikel gibt eine Antwort auf die Frage, inwieweit sich die strategischen Rahmenbedingungen für das SCM in der Chemie geä…

weiterlesen
Data & Analytics

Chief Data Officer vs. Chief Digital Officer

Complexity of digital transformation demands new skills in the C-suite. Two CDOs? Where is the difference?

weiterlesen

Denken Sie Ihre Value Chain neu mit uns

Kontaktieren Sie uns