Hintergrund BI

Besserer ROI mit Predictive Analytics

01. Juli 2009
Von Christa Manta
Predictive Analytics will das Kauf- oder Kündigungsverhalten von Kunden vorhersagen, ihre Bedürfnisse vorhersehen oder ihre Absicht, zu betrügen. Doch während Reporting, OLAP und andere retrospektive Analysetechniken längst in Unternehmen eingezogen sind, ist die vorausschauende Datenanalyse noch Stiefkind der BI.
Predictive Analysis im Spektrum der BI-Technologien. Quelle: TDWI
Predictive Analysis im Spektrum der BI-Technologien. Quelle: TDWI



Welcher Kunden will demnächst kündigen und muss besonders umworben werden? Springt jemand, der im Online-Shop den kleinen Hobbit gekauft hat, auf ein Angebot zu Harry Potter an? Wie wird sich mein Aktienkurs in den nächsten Minuten entwickeln, wenn der des Konkurrenzunternehmens gestiegen ist? Um diese Fragen zu beantworten, müssen Unternehmer weder ihr Bauchgefühl noch eine Kristallkugel bemühen. Eine validere Prognose verspricht Predictive Analytics: die vorausschauende Datenanalyse.

50 Prozent mehr ROI

Als Teilbereich des Data Mining soll die vorausschauende Analyse Geschäftschancen erkennen, Unternehmensprozesse optimieren, Kundenverhalten vorhersehen, Betrugsfälle aufdecken oder potenzielle Problemfelder identifizieren. Kurz und gut: Unternehmer bei ihren Entscheidungen unterstützen und somit eine bessere Performance erzielen. Laut einer Studie des Marktforschungsunternehmens IDC gelingt das auch: So bezifferte die Studie "Lessons from IDC’s Financial Impact Study" für ProjekteProjekte, die vorausschauende Analysetechniken einsetzten einen ROIROI (Return on Investment) von 145 Prozent. Jene, die nicht in die Zukunft blickten, erzielten laut IDC einen ROI von 89 Prozent. Alles zu Projekte auf CIO.de Alles zu ROI auf CIO.de

Bisher sind vornehmlich Marketing-Abteilungen in das profitable Geschäft eingestiegen. So wird Predictive Analytics etwa für Cross-Selling-Kampagnen eingesetzt, bei der Kundenakquise, oder um den Customer Lifetime Value eines Kunden zu ermitteln. Die Bertelsmanntochter Donauland hat mit Predictive-Analytics-Techniken herausgefunden, dass so genannte Romantik-Leser eher als Sachbuch-Leser teure Bücher behalten, die ihnen vom Verlag zugestellt wurden. Dafür werden diejenigen Leser, die zugesandte Bücher häufig umtauschen, Buchschecks eher selten einlösen. Mit diesem aus vorausschauender Datenanalyse generierten Wissen kann Donauland seine Gewinne weitaus mehr steigern, als mit der klassischen Auswertung einer Marketing-Kampagne, etwa mithilfe eines Reports.