Wir haben in letzter Zeit viel über Predictive Analytics gesprochen, darüber, worauf man bei einer Plattform achten sollte, wie man Vorhersagemodelle erstellt und welche technologischen Fortschritte die Verarbeitung von Predictive Analytics in großem Maßstab ermöglichen. In Zeiten des Umbruchs, wie wir sie gerade mit COVID-19 und anderen massiven Marktveränderungen wie dem dramatischen Aufstieg des E-Commerce und dem Aufkommen von Direct-to-Consumer-Marken (DTC) erleben, steht Predictive Analytics im Mittelpunkt, wenn es darum geht, Unternehmen bei der Reaktion und Planung für die Zukunft zu unterstützen.
Deshalb wollen wir heute einen Schritt weiter gehen und mit Maor Assa, Analytic Modeling and BI Team Lead bei Skai, sprechen, der für die Bereitstellung von Predictive Analytics in großem Umfang für unsere Unternehmenskunden verantwortlich ist.
Hallo Maor und danke, dass du dir die Zeit genommen hast, mit uns zu sprechen. Bevor wir anfangen, erzähl uns doch bitte ein bisschen über deine Rolle bei Skai und wie du hierher gekommen bist.
Die Skai kann auf viele Arten genutzt werden, um Wettbewerbsvorteile zu erzielen. Das Kundenerfolgsteam, zu dem ich gehöre, ist für die Bereitstellung maßgeschneiderter Lösungen verantwortlich, die unseren Kunden helfen, den Einsatz und die Wirkung von Analysen in ihren Unternehmen zu maximieren. Ich habe das Privileg, das Modeling & Analytics Team zu leiten, das die Geschäftsfragen der Kunden mit dynamischen Datenmodellen und aufschlussreichen Vorhersagen beantwortet.
In früheren Positionen habe ich auch mit Big Data gearbeitet, um Geschäftsabläufe zu rationalisieren und effektiv zu steuern. Ich hatte die Gelegenheit, Datenplattformen und Business-Intelligence-Tools zur Unterstützung globaler Lieferketten für sehr große und etablierte Unternehmen zu definieren und zu implementieren, was mir ein Verständnis für groß angelegte Implementierungen und Prozesse verschaffte. Ich hatte das Glück, mehrere Jahre in der Frühphase von Start-ups zu arbeiten - von der Entwicklung und Implementierung von Datenerfassungsprozessen in Schulklassen und Universitätslaboren bis hin zur Formulierung von Innovationsprozessen. Diese Erfahrung hat meine Leidenschaft für Disruption geweckt und meine Rolle bei Skai ermöglicht es mir, diesen Wunsch zu erfüllen, indem ich Daten kontinuierlich auf disruptive Weise einsetze.
Predictive Analytics ist das neue Schlagwort in der Big-Data-Welt. Kannst du erklären, was das genau ist?
Predictive Analytics ist im Grunde eine Gruppe von Methoden, mit denen wir zwei Hauptziele erreichen können:
- Muster in den Daten vergangener Business-Ökosysteme erkennen und sie im Detail verstehen
- Anwendung der Erkenntnisse aus den Daten der Vergangenheit, um zukünftige Chancen und Risiken vorherzusagen
Es hört sich einfach an, aber um die Zukunft genau zu beschreiben, muss man einen genauen Überblick über sie haben - gezielte Fragen sind der Schlüssel zu einer aussagekräftigen Vorhersage. Und um aussagekräftige Fragen stellen zu können, muss man über eine starke Datenbasis verfügen. Wie bei jedem guten Rätsel kommt es auch hier auf reichhaltige Daten und gute Fragen an.
Warum, glaubst du, ist Predictive Analytics gerade jetzt so angesagt?
Meiner Meinung nach gibt es 3 Hauptgründe für das Aufkommen von Predictive Analytics als strategisches Navigationsinstrument:
- Die Kultur der Big-Data-gesteuerten Prozesse in Unternehmen hat eine kritische Masse erreicht: Fast 60 % der Unternehmen auf der ganzen Welt nutzen sie;
- Die verfügbaren Rechenumgebungen sind deutlich stärker als noch vor sieben Jahren;
- Der Schwarze Schwan des Jahres 2020. Die durch COVID-19 hervorgerufene Disruption macht es für Unternehmen definitiv notwendig, zukünftige Risiken besser zu analysieren und frühzeitig zu erkennen. Das Gleiche gilt für die frühzeitige Erkennung von Chancen, die sich durch schnell aufkommende Trends ergeben. Es gibt genug Risiken für alle, aber nicht viele Chancen für alle.
Die Einführung von Predictive Analytics ist eine natürliche Entwicklung, wenn man die oben genannten Triebkräfte für den Wandel bei den kommerziellen Anwendungen von Data Science kombiniert.
Was ist anders an Skai Ansatz, Vorhersagen zu treffen?
Ich denke, dass vor allem unsere konfigurierbare Datenplattform und die Art und Weise, wie wir Taxonomien anwenden, einen großen Unterschied machen - sie ermöglichen uns einen extrem detaillierten Blick auf die Marktlandschaft, um verschiedene Geschäftsfragen zu beantworten. Außerdem können wir die Vorhersagegenauigkeit dramatisch verbessern, indem wir endlose Datensätze miteinander verbinden und die Nuancen der Verbrauchergespräche erfassen.
Zweitens schaffen die Fähigkeiten, die wir als Gruppe von Datenexperten aufgebaut haben, einen ganzheitlichen Ansatz, den die Kunden anwenden können, um die Vorhersageergebnisse in ihren Betrieb zu integrieren. Die Tatsache, dass wir automatisierte und fortschrittliche Analysetechnologien mit Fachleuten für analytische Modellierung kombinieren, führt zu dynamischen Vorhersagen, die die Entscheidungsfindung in einem Unternehmen wirklich beeinflussen, und macht sie zu einer zentralen Komponente und nicht zu einer statischen Referenz für die Geschäftsleitung, die strategische Entscheidungen trifft.
Was würdest du einem Kunden raten, wie er Predictive Analytics einführen kann? Gibt es einige "Must-Dos" oder "Never-Dos", die du unseren Zuhörern mitgeben kannst?
Mein wichtigster Ratschlag wäre, einen großen Teil der Arbeit in die Klärung der Geschäftsfrage zu investieren. Die Vorhersage des zukünftigen Umsatzes kann in bestimmten Fällen ein sehr leistungsfähiges Instrument sein, aber oft erfordert die Vorhersage von Innovationstrends mehr als nur Verkaufsinstrumente, um Genauigkeit zu erreichen.
Der dritte Punkt, den ich hervorheben möchte, ist die Notwendigkeit, das benötigte spezifische Instrument zu definieren. Wir arbeiten derzeit an Projekten, die Vorhersagen über künftige Trends liefern, aber auch an fortschrittlichen Überwachungs- und Warnsystemen, die den vorhergesagten Trendverlauf mit dynamischen Modellen verfolgen, die auf der analytischen Vorhersage basieren. Die Fähigkeit einer Organisation, ihre Vorteile zu nutzen, hängt in hohem Maße davon ab, dass sie die richtigen Chancen erkennt, und das beginnt damit, die richtigen Fragen zu stellen, die richtigen Datensätze zu nutzen und die richtigen Modelle zu erstellen.
-------------
*DieserBlogbeitrag erschien ursprünglich auf Signals-Analytics.com. Skai hat Signals-Analytics im Dezember 2020 übernommen. Lies die Pressemitteilung.
