Business Intelligence und Predictive Analytics

Business Intelligence oder auch BI ist ein von Technologie gestützter Prozess zur Analyse von Daten und zur Darstellung verwertbarer Informationen. BI kann dem Unternehmen dabei helfen, fundierte Geschäftsentscheidungen zu treffen. Die Erkenntnisse der Business Intelligence-Tools lassen sich verwenden, um strategische Geschäftsentscheidungen zu treffen, die die Produktivität verbessern, den Umsatz steigern und das Wachstum beschleunigen können. Auf diese Weise können beispielsweise wertvolle Wettbewerbsvorteile gewonnen werden. Vielmehr werden auch Geschäftsprobleme ersichtlich, die in Zukunft angegangen werden müssen.

Predictive Analytics ist in der Business Intelligence zu einer notwendigen Weiterentwicklung von Erkenntnissen und Entscheidungsmöglichkeiten geworden. Bisher konzentrierte sich der Großteil der Business Intelligence auf deskriptive Analysen und die Visualisierung von Daten. Predictive Analytics setzt an dieser Stelle an und fragt, was künftig passieren könnte , und ist damit in der Lage, genau die Informationen zu liefern, die Führungskräften, Managern und anderen beteiligten Personen im Unternehmen bei ihren in die Zukunft gerichteten Geschäftsentscheidungen helfen.

Business Forecasting

Business Forecasting bezeichnet Prozesse und Analysen, um aus Daten Vorhersagen zu treffen.

Das Business Forecasting hat sich zu einem Prozess entwickelt, der eine Vielzahl von unterschiedlichen Datenquellen, vorausschauenden kausalen Modellen und fortschrittlichen Algorithmen zusammenbringt. Es werden verschiedene Prognosemethoden und analytische Modelle, insbesondere AI-Algorithmen verwendet, um Daten zu analysieren, Unternehmensrisiken und -chancen zu bewerten und Vorhersagen zu treffen. Diese Verfahren beziehen hierbei nicht nur unternehmensinterne Daten wie die Umsatzhistorie mit ein, sondern vielmehr auch verschiedene externe Variablen, um die Vorhersagen zu verbessern.

AI-Methoden im Forecasting

Die Verfahren der Künstlichen Intelligenz ermöglichen es, große Datenmengen automatisiert zu verarbeiten und lernende Prognosesystem zu generieren.Diese Systeme können „trainiert“ werden und Muster erkennen, die anschließend basierend auf Feedbackschleifen verbessert , d.h. werden dem System  neue Daten präsentiert, werden die Prognosen selbstständig angepasst.

Eine ausgereifte Business Intelligence nutzt also Techniken der Predictive Analytics, um fortschrittliche Business Forecasts zu erstellen. Diese sind wesentliche Grundlage für Geschäfts- und Planungsprozesse, und können mehr und verbesserte Informationen bereitstellen. 

Dastani Consulting gilt als Predictive Analytics Pionier. Das Team der Dastani Consulting GmbH blickt auf mehr als zwei Jahrzehnte Erfahrung zurück und ermöglicht es so, individuell zugeschnittene Lösungen für jeden Kunden zu implementieren. Die intelligenten Predictive Analytics-Prognosen sind in der Lage, das gesamte Verhaltensmuster von Kunden in einem festgelegten Zeithorizont zu antizipieren, um daraus optimale Geschäftsempfehlungen – speziell für Marketing und Vertrieb – abzuleiten.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Business Intelligence erschien zuerst auf Dastani Consulting.

Über Deep-Learning-Verfahren lässt sich das individuelle Kaufverhalten von Kunden visualisieren. Derzeit erprobt Dastani Consulting, inwiefern sich eine bestimmte Art neuronaler Netze – Convolutional Neural Networks (CNN, gefaltete neuronale Netze) – dazu eignet, mithilfe solcher Kundenbilder Produktempfehlungen zu optimieren. Das Ergebnis: Im Vergleich zu herkömmlichen Verfahren lässt sich die Prognosequalität noch einmal steigern.

Neuronale Netze beziehungsweise Verfahren der klassischen AI (Artificial Intelligence) erleben im Rahmen der fortschreitenden Digitalisierung eine bemerkenswerte Renaissance. Ein Teilgebiet von AI ist das Machine Learning, das auch das Deep Learning beinhaltet. Dabei handelt es sich um ein sehr aufwändiges, datenintensives Verfahren, mit dem neuronale Netze menschliche Entscheidungen simulieren. So werden Deep-Learning-Verfahren wie rekurrente (rückgekoppelte) Netzwerke etwa zur Sprach- und Texterkennung eingesetzt. Indem sie Textinhalte deuten können, sind sie dazu in der Lage, selbst komplexe Texte zu klassifizieren.

Convolutional Neural Networks (CNN, gefaltete neuronale Netze) gehören ebenfalls zu den Deep-Learning-Verfahren. Sie verdanken ihren Namen dem dahinterliegenden Konzept aus sich überlappenden Neuronen und tragen maßgeblich zu einer rasanten Weiterentwicklung der Bilderkennung bei. Convolutional Neural Networks werden vor allem in der Mustererkennung eingesetzt, denn sie können in Bildern Strukturen erkennen. Trainierte Netze identifizieren problemlos Autos, Tiere oder Menschen. Dabei erkennen die Netze die Abbildung, auch wenn sie das Bild noch nie zuvor gesehen haben. Neben der digitalen Interpretation von Bildern sind das autonome Fahren und die Personenerkennung weitere Anwendungen. Zwischen fünf und 20 Neuronenschichten erlernen in einem CNN die entsprechende Fähigkeit.

Dastani Consulting mach Artificial Intelligence für Vertrieb nutzbar

Bei Dastani Consulting erarbeiten wir derzeit Ansätze, um die Technologie gewinnbringend im Marketing und Vertrieb von Unternehmen einzusetzen. Denn die von Google und Facebook weiterentwickelten CNN eignen sich hervorragend zur Klassifikation von Kunden. Unsere Idee: Wenn sie in der Lage sind, Bilder zu klassifizieren, sollte es doch auch möglich sein, ein differenziertes „Bild des Kunden“ zu gewinnen.

Wir nehmen quasi die Metapher vom Kundenbild wörtlich. Vom 360-Grad-Blick bis zu den Customer InSIGHTS ist der Wunsch in Marketing und Vertrieb omnipräsent, den Kunden mit Röntgenblick unter die Lupe zu nehmen. Der Traum: Ihn besser zu kennen als er sich selbst und ihm – gegen gute Bezahlung – seine Wünsche von den Augen abzulesen, bevor ihm selbst diese zu Bewusstsein gekommen sind. Nun zeichnet sich die Möglichkeit ab, Kunden abzubilden, diese Bilder mit intelligenten Technologien zu analysieren und Schlüsse daraus zu ziehen.

Doch wie lassen sich Kundendaten in Bilder verwandeln? Stellen Sie sich ein Kaufhaus vor: Die Produkte sind verschiedenen Abteilungen zugeordnet. Jede Abteilung wiederum ordnet die Ware nach eigenen Regeln an. Je ähnlicher sich Produkte sind, umso näher beieinander befinden sie sich. Jetzt übertragen wir die historischen Käufe eines Kunden einfach in dieses Bild. Wir markieren im Kaufhaus jedes einzelne Produkt, das der Kunde gekauft hat: pro Produkt ein Pixel. So entsteht für jeden Kunden ein zweidimensionales Bild mit unterschiedlich vielen Farbtupfern.

Im neuronalen Netz: Umsatz steigern mit den richtigen Empfehlungen

Unsere Experimente mit Deep Learning haben zu sehr vielversprechenden Ergebnissen geführt. Anhand von Visualisierungen mit einem CNN lässt sich das künftige Kaufverhalten auf Warengruppen- und Produktebene prognostizieren. Im Retargeting (Behaviour Based Offer) und bei der Vorhersage des Next Best Offer sind Verfahren, die auf bildklassifizierenden Potenzialanalysen beruhen, klassischen Methoden mitunter deutlich überlegen. Ein Vergleich der Kundenbilder ermöglicht die automatisierte Klassifikation von Kunden. Da die CNN tiefgreifende Zusammenhänge erkennen, erreichen die Prognosen eine sehr hohe Treffgenauigkeit.

Wir werden die von uns entwickelten Verfahren nutzen, um den einzelnen Kunden mit für ihn interessanten und relevanten Themen anzusprechen. Er erhält Nachrichten und Werbebotschaften, die ihn tatsächlich interessieren, und quittiert die ihm auf diese Weise entgegengebrachte Wertschätzung mit einem steigenden Umsatz. Wir sind davon überzeugt, dass CNN den Unternehmen helfen werden, den einzelnen Kunden zu verstehen und über eine auf ihn abgestimmte Kommunikation die Kundenbindung und den Deckungsbeitrag zu erhöhen.

Der Beitrag Deep Learning: vom Kundenbild zur Produktempfehlung erschien zuerst auf Dastani Consulting.