DATA SCIENCE & Analytics

Daten sind das Öl des 21. Jahrhunderts - aber wie kann der Datenschatz im Unternehmen gehoben werden?

Analytics ist eine der großen Herausforderungen für Unternehmen in Verbindung mit der laufenden Digitalisierungswelle. Software gibt es mittlerweile jede Menge, auch sind immer häufiger in Standardsoftware Analytics Komponenten eingebettet. Die Grenzen dieser Angebote sind die eingeschränkte Konfigurierbarkeit und – noch viel bedeutender – die Unklarheit beim Information Worker, was hier überhaupt berechnet wurde.

Als Technologie verwenden wir Excel, um die statistischen Inhalte nachvollziehbar und verständlich zu machen. Für größere Datenmengen und/oder die Automatisierung der Prozesse verwenden wir Power BI mit der sogenannten R-Integration.

Unsere Projektleistungen in diesem Bereich sind so ausgerichtet, daß wir Sie beim Aufbau des Know-Hows im Unternehmen und bei der Umsetzung der ersten Leuchtturmprojekte unterstützen. Der intensive Dialog zwischen Anwendern/Management und dem Data Scientist ist dabei ausschlaggebend für ein hochqualitatives Ergebnis.

Descriptive Analytics

Descriptive Analytics bilden die Basis jeder Datenanalyse. Dabei geht es nicht um die Beschreibung von Daten, sondern um effiziente Aggregation. Einstein hat einmal gesagt, man soll die Welt so einfach wie möglich erklären, aber nicht einfacher. Große Datenmengen werden auf wenige Kennzahlen reduziert, um die gesamte benötigte Information klar und verständlich darstellen zu können. Der Detailliertheitsgrad liegt in unseren Händen: entweder grob, um schnell einen Überblick zu bekommen, oder bis ins Detail, um nichts zu übersehen, oder beides.

Stichworte: Visual Analytics, Aggregation, Visualisierung von Verteilungen, Ermittlung von Extremwerten/Ausreißern, Umgang mit fehlenden Daten (Imputationsmethoden)

Warenkorbanalyse / Market Basket Analysis (Korrelationen)

Jeder, der etwas verkauft, kann eine Market Basket Analysis durchführen. Weit verbreitet natürlich im Einzelhandel, gleichermaßen aber in allen anderen Branchen sinnvoll einsetzbar. Die Market Basket Analysis beruht auf den Häufigkeiten, mit denen Produkte oder Leistungen gemeinsam (auf einem Fakturabeleg oder in einem bestimmten Zeitraum) verkauft werden. Die Warenkorbanalyse untersucht das gesamte Einkaufsverhalten Ihrer Kunden und gelangt zu oft überraschenden Ergebnissen, da sie auf Daten basiert und nicht nur auf Annahmen über mögliche kausale Zusammenhänge.

Stichworte: Produktgruppen bilden, Korrelationsmatrix ermitteln, Regeln des Einkaufsverhalten ableiten, Ziel-Warenkörbe erstellen, Up- & Cross-Selling, Erstellung von Kundenprofilen und vieles mehr …

Trends und Forecasting (Predictive Analytics)

Forecasting ist ein sehr weit gefasstes Gebiet, im breiteren Sinn sind alle Prozesse zukunftsgerichteter Vorhersagen damit umschrieben. Das können Expertenbefragungen sein, Simulationen und Szenarioanalysen, Sensitivitätstests und Stresstests. Im engeren Sinn ist Forecasting das Teilgebiet der Zeitreihenanalyse. Zeitreihen sind z.B. monatliche Absatzzahlen, wöchentliche Arbeitszeiten, tägliche Kilometer oder stündliche Produktionswerte. Dabei sind Trends, repetitive Muster und zyklische Schwankungen zu erkennen und auf dieser historischen Basis können automatisiert Vorhersagen über zukünftige Entwicklungen erstellt werden. Diese Forecasts können in Frühwarnsysteme einfließen oder einfach als Szenariovariante der „menschlichen“ Planung gegenüber gestellt werden.

Stichworte: Zeitreihenanalyse, Trends erkennen, Saisonalitäten erkennen, zyklische Muster ableiten, automatisierter Forecast

(Kunden)Segmentierung / Clustering (Advanced Analytics)

Je mehr Sie über Ihre Kunden wissen, desto besser. Die Kundensegmentierung wird oft sehr rudimentär beispielsweise auf alleiniger Basis des Umsatzes durchgeführt und ohne Berücksichtigung der Segmentgrößen. Stattdesssen können moderne Clusteralgorithmen alle Daten verarbeiten, die zu den Kunden vorliegen. Und sie untersuchen alle Segmentierungen, die sich damit bilden lassen. Sie brauchen dann lediglich auszuwählen wie viele Segmente gebildet werden sollen und wie groß die Kundencluster sein sollen. Daraus lassen sich scharf getrennte Kundenprofile erstellen: jedes Segment hat ein klares Profil hinsichtlich aller verwendeten Kennzahlen und ist in sich möglichst homogen, wogegen sich die Segmente untereinander möglichst stark voneinander unterscheiden. Die Clusterbildung ist bereits mit den singulären Daten aus einer Warenkorbanalyse möglich, kann aber durch alle weiteren verfügbaren Daten zu den Kunden angereichert werden.

Stichworte: Clusterverfahren auf Kundendaten, Kundengruppen bilden, Kundenprofile ableiten, Zielgruppen erkennen

Appetit auf Data Science & Analytics für Ihr Unternehmen?

Gerne unterstützen wir Sie bei der Konzeption und Umsetzung Ihrer firmen-/abteilungsspezifischen Data Science & Analytics Aufgaben oder beim konstruktiven Review Ihrer bereits bestehenden Algorithmen. Jede Form der Unterstützung – vom Coaching bis zur schlüsselfertigen Umsetzung – ist möglich, wir freuen uns auf Ihre Anforderungen!

Ihre Data Science & Analytics Themen besprechen ...