Datenschätze im Unternehmen heben
Die fünf "Analyse-Methoden"
in Power BI

Analyse-Methode 1: Descriptive Analytics: die beschreibende Auswertung von Daten

Die beschreibende Analyse dient dazu, empirische Daten übersichtlich darzustellen und zu ordnen. Diese Methode beschreibt Daten mithilfe von Statistiken und Visualisierungen. Sie hilft dabei, Muster zu erkennen, Zusammenhänge zu verstehen, Trends zu identifizieren und anhand von Verlaufsdaten schwierige Fragen zum Ablauf vergangener Ereignisse zu beantworten.

Diese Methode ist besonders nützlich bei umfangreichem Datenmaterial, da es sonst schwer zu überblicken wäre.

Beispiele für die beschreibende Analyse wären zum Beispiel die ABC Analyse oder auch sensorische Analysen zur Qualitätskontrolle zum Beispiel in der Lebensmittelindustrie.

Analyse-Methode 2: Diagnostic Analytics: die Ursachen erforschende Auswertung von Daten

Die Diagnoseanalyse untersucht Ursachen und Effekte. Sie hilft, Probleme zu identifizieren und Lösungen zu finden. Beispielsweise kann sie bei der Fehlerbehebung in einer Anwendung oder bei der Identifizierung von Engpässen in einem Prozess helfen.

Mit ihr werden Leistungsindikatoren untersuch, um herauszufinden, warum es zu Verbesserungen oder Verschlechterungen gekommen ist. Dieser Prozess des Untersuchens gliedert sich in drei Schritte:

• Identifizieren von Anomalien in den Daten, wie etwa unerwartete Veränderungen von Metriken oder in einem bestimmten Markt
• Erfassen von Daten, die mit diesen Daten in Zusammenhang stehen
• Verwenden von statistischen Methoden, um Beziehungen und Trends zu erkennen, die diese Anomalien erklären

Beispiele für die diagnostische Analyse wären die Fehleranalyse in einem Produktionsablauf oder eine Finanzanalyse bei Geschäftsverlusten.

Analyse-Methode 3: Predictive Analytics: die vorausschauende Auswertung von Daten

Diese Methode verwendet statistische Modelle, um zukünftige Ereignisse vorherzusagen. Sie basiert auf historischen Daten und kann beispielsweise zur Umsatzprognose oder zur Kundenbindung eingesetzt werden.

Mit ihr werden mit Hilfe von Verlaufsdaten werden Trends identifiziert und deren Wahrscheinlichkeit bestimmt. Zu den Techniken zählen verschiedene statistische und Machine Learning-Methoden wie neuronale Netze, Entscheidungsstrukturen und Regressionen.

Beispiele für die vorausschauende Analyse wären Kundenbewegungen, also Zu- und Abwanderung, Absatzprognosen und ebenso der Wartungsbedarf von Maschinen.

Analyse-Methode 4: Prescriptive Analytics: die vorschreibende Auswertung von Daten

Die vorschreibende Analyse empfiehlt Handlungen auf der Grundlage von Daten. Durch sie soll ermittelt werden, mit welchen Aktionen ein bestimmtes Ziel am besten erreicht werden kann. Basierend auf den gewonnenen Erkenntnissen aus der vorschreibenden Analyse können Unternehmen Entscheidungen datengesteuert treffen. Sie kann beispielsweise personalisierte Produktvorschläge oder Optimierungsempfehlungen für Geschäftsprozesse liefern.

Mithilfe von Machine Learning-Strategien wird nach Mustern in großen semantischen Modellen gesucht. Durch die Analyse früherer Entscheidungen und Ereignisse wird die Wahrscheinlichkeit abgeschätzt, mit der unterschiedliche Ergebnisse eintreten.

Beispiele für die vorschreibende Analyse wären die Einstellung von Maschinen in einem Produktionsablauf, die Preisgestaltung in einem Unternehmen oder aber auch die Mitarbeiterplanung.

Analyse-Methode 5: Cognitive Analytics: die erkennende Auswertung von Daten

Mit der kognitiven Analyse wird versucht, aus bestehenden Daten und Mustern Rückschlüsse zu ziehen, daraus Schlussfolgerungen auf Grundlage der aktuellen Wissensdatenbanken abzuleiten und die Ergebnisse für zukünftige Rückschlüsse wieder der Wissensdatenbank hinzuzufügen.

Die kognitive Analyse nutzt künstliche Intelligenz und maschinelles Lernen, um komplexe Muster zu erkennen. Sie kann unstrukturierte Daten wie Texte, Bilder und Sprache analysieren und Erkenntnisse aus bisher ungenutzten Datenquellen wie Gesprächsprotokollen aus Callcentern und Produktbewertungen gewinnen.

Beispiele für die kognitive Analyse wären Kundenverhalten, Trenderkennung und Produktentwicklung und Kundenpräferenzen.