Prescriptive Analytics

Was ist Prescriptive Analytics?

Prescriptive Analytics (auch bekannt als präskriptive Analyse, präskriptive Analytik oder präskriptive Datenanalyse) beantwortet die Frage „Was sollte/kann gemacht werden?“ durch den Einsatz von Machine Learning, Modellierung, Simulation, Heuristik und andere Methoden zur Vorhersage von Ergebnissen und zur Bereitstellung von Entscheidungsoptionen. Aufbauend auf Descriptive und Predictive Analytics, bietet Prescriptive Analytics nicht nur Prognosen und Vorhersagen über zukünftige Ereignisse, sondern auch darüber, was diese Ereignisse auslösen könnte. Anhand dieser Informationen können Data Analysts die Auswirkungen strategischer Entscheidungen testen, um ihre Entscheidungsprozesse zu optimieren.

Warum ist Prescriptive Analytics wichtig?

Aufbauend auf der Arbeit von Descriptive und Predictive Analytics, kann Prescriptive Analytics einem Unternehmen helfen:

• fundierte, faktenbasierte Entscheidungen mithilfe von Echtzeit- und Prognosedaten zu treffen
• die Wahrscheinlichkeit bestimmter Ergebnisse und die Auswirkungen von Entscheidungen auf diese Ergebnisse zu verstehen und auf dieser Grundlage zu planen, was und wie es zu tun ist
• Ressourcen zu sparen und die Effizienz zu steigern, indem KI Daten kuratiert und zu umsetzbaren Szenarien verarbeitet
• reproduzierbare und skalierbare Prozesse zu erstellen, um Entscheidungen anhand von Echtzeitdaten zu treffen
• die komplexesten Geschäftsfragen wie Nachfrageprognosen, Risikobewertung und Was-wäre-wenn-Szenarien zu beantworten

So funktioniert Prescriptive Analytics

Prescriptive Analytics ist der letzte Schritt der Geschäftsanalyse und nutzt die Ergebnisse verschiedener statistischer Methoden und die Leistung der KI. Während Descriptive Analytics die Frage beantwortet: „Was ist passiert?“ und Predictive Analytics beantwortet: „Was könnte passieren?“, beantwortet Prescriptive Analytics die Frage: „Was sollen wir tun?“ und „Wie werden sich unsere Entscheidungen auf die zukünftige Leistung auswirken?“ Sie gibt Data Analysts und Entscheider:innen die Möglichkeit, zukünftige Ergebnisse durch Optimierungsmodelle und iteratives Machine Learning positiv und zuversichtlich zu beeinflussen.

Prescriptive Analytics kann jedem datengesteuerten Unternehmen zugute kommen und wird vor allem in Bereichen eingesetzt, in denen sich die Daten ständig ändern und Entscheidungen weitreichende Auswirkungen haben können.

• Im Gesundheitswesen kann Prescriptive Analytics sowohl in der Verwaltung als auch bei der Patientenversorgung hilfreich sein. Ein Pharmaunternehmen kann Prescriptive Analytics nutzen, um die Testkosten zu senken, indem es die besten Probanden für eine klinische Studie findet, während ein Krankenhaus sie nutzen könnte, um sich um die Patienten zu kümmern, die am meisten Hilfe benötigen, indem es feststellt, wer das höchste Risiko einer Wiedereinweisung hat.
• Im Transportwesen kann eine Fluggesellschaft Preise und Verfügbarkeit basierend auf verschiedenen Faktoren wie Wetter, Nachfrage und Ölpreisen automatisch anpassen.
• Im Verlagswesen kann ein Verlag anhand von Such- und Social-Media-Daten zu ähnlichen Themen entscheiden, was veröffentlicht werden soll und ob ein Artikel beliebt sein wird.
• Im Personalwesen können Online-Trainings basierend auf der Leistung einer Person in jeder Lektion in Echtzeit angepasst werden.

Erste Schritte mit Prescriptive Analytics

Die ML-Plattform von Alteryx bietet automatisiertes Machine Learning (AutoML) und Feature Engineering, sodass Benutzer:innen ML-Modelle in einer vollständig geführten Benutzerumgebung testen können, ohne komplexe Modelle programmieren zu müssen.
Alteryx ML ermöglicht es Benutzer:innen:

• mit der automatisierten Generierung von Erkenntnissen verborgene Beziehungen in ihren Daten zu entdecken
• Algorithmen wie xgBoost, LightGBM und ElasticNet zu verwenden, um Features in ihren Daten aufzudecken, die den größten Einfluss auf die Modellleistung haben
• verständliche und erklärbare Modelle und Dashboards zu erstellen, die die Bedeutung von Funktionen, Auswirkungsanalysen und Simulationsuntersuchungen vermitteln können.
• mit vordefinierten Feature-Bibliotheken schnell vertrauenswürdige Modelle zu erstellen
• durch die End-to-End-Business-Plattform von Alteryx Modelle in Geschäftsprozesse zu integrieren