Navigation überspringen

Analytics: Zurück in die Zukunft

Herr Boehnke, warum sollten sich Unternehmen, Banken und Versicherungen für Analytics interessieren?

Weil sie schneller und effizienter auf ihren jeweiligen Markt reagieren können! Sie können Prozesse optimieren, Kosten reduzieren und bessere, gleichbleibende Entscheidungen treffen. Und im Idealfall sind sie in der Lage, komplett neue Anwendungsfelder zu identifizieren.

Können Sie kurz den Weg dahin beschreiben?

Wir haben bei ITGAIN einen methodischen „Analytical Process“ entwickelt. Der Weg, den er beschreibt, lässt sich in Phasen einteilen. In der ersten definieren wir mit dem Kunden seine Problemstellung, seinen Use Case. Der lautet zum Beispiel: Wir verlieren Klienten, und wissen nicht, warum – wir möchten das aber auf jeden Fall verhindern. In der zweiten Phase, die in der Regel 80 Prozent des Prozesses in Anspruch nimmt, suchen wir gezielt Daten heraus, die wir brauchen, um das Problem zu lösen. Wir bereiten sie so auf, dass später ein Algorithmus Handlungsempfehlungen ableiten und Voraussagen treffen kann. Darüber etwa, ob und wann ein Kunde kündigen wird. Dazu betreiben wir zunächst klassisches Data-Mining. Wir erarbeiten Modelle, durch die Analysen und Voraussagen getroffen werden können. Ein sehr einfaches Beispiel: 30 bis 40 Jahre alte Frauen mit einem Einkommen von 42.000 Euro und Wohnsitz in Hamburg kündigen häufig ihre Versicherung. Dann folgt die Auswahl der einzelnen Verfahren, die für den Analytics-Prozess nötig sind. So kann die Predictive Analytics am Ende berechnen, dass die Wahrscheinlichkeit der Kündigung für eine bestimmte Kundin beispielsweise bei 80 Prozent liegt.

Und dann übersetzen Sie diese Modelle in Software?

Ja. Wir entwickeln ein technisches Modell, das wir in die bestehende Architektur der IT-Landschaft des Kunden implementieren. Und da kommen dann Algorithmen ins Spiel. Damit kann man dann zum Beispiel auf Knopfdruck eine Liste von Kunden generieren, die voraussichtlich kündigen werden. Oder – auch sehr attraktiv – man gestaltet eine Echtzeit-Analyse: Ruft eine Kundin im Callcenter an, die die Voraussetzungen für eine Kündigungsabsicht erfüllt, erscheint auf dem Display des Beraters sofort das Kündigungssignal – gemeinsam mit dem Vorschlag für ein auf sie abgestimmtes, neues Angebot.

Was halten Sie davon, keine speziellen analytischen Modelle für die eigenen Use Cases entwickeln zu lassen, sondern schon fertige Modelle zu kaufen? Eine gute Idee?

Diese fertigen Modelle funktionieren in der Regel sehr gut. Aber sie setzen immer eine bestimmte Art von Daten voraus. Wenn Sie das Modell dann implementieren wollen, kann Ihr Analytics-Modell schnell daran scheitern, dass Ihr Data-Warehouse diese Daten nicht liefern kann. Auch in so einem Fall können wir bei ITGAIN helfen. Wir haben über 15 Jahre Erfahrung in der Datenaufbereitung. Wir können die Datenqualität in Datenbanken so herstellen, dass der Analyseprozess vernünftig funktioniert.

Thilo Boehnke - Data Scientist

„Der beste Weg, die Zukunft vorauszusagen, ist, sie zu gestalten (Willy Brandt).“

 

 

Was können Sie noch für Unternehmen leisten, die sich an Analytics heranwagen wollen? Helfen Sie ihnen herauszufinden, was sie konkret mit Analytics überhaupt machen können? Oder versetzen Sie den Kunden auch technisch in die Lage, seine speziellen Use Cases in die Tat umzusetzen?

Beides. Wir leisten natürlich Hilfestellung bei der Erarbeitung konkreter Anwendungsgebiete. Dafür beziehen wir alle relevanten Fachbereiche vor Ort mit ein. Aber wir definieren auch für die konkrete Anwendung, welche Architekturen Voraussetzung sind, welche Tools man nutzen kann und so fort. Natürlich bieten wir auch Workshops für unsere Kunden an, führen ihre Teams an das Thema heran. Die Fragestellungen sind oft identisch: Wie finde ich heraus, wo ich Analytics gewinnbringend einsetzen kann? Was sind die Voraussetzungen für die Analytics? Wo liegen die Grenzen? Welche Fähigkeiten müssen die Mitarbeiter haben?

Ist ITGAIN eigentlich auf bestimmte Branchen beschränkt?

Wir haben die methodischen Vorgehensmodelle und die erforderlichen statistischen Kenntnisse: praktisch können wir genauso für Kraftwerke arbeiten wie für Sparkassen oder für Speditionen, die voraussagen lassen wollen, wie teuer eine Fahrt wird.

Sehr heterogene Anwendungsfelder. Die Datenanalyse verspricht ja so einiges… Wird man demnächst mittels Analytics sogar den Ausgang eines Fußballspiels vorhersagen können?

Bei einem Fußballspiel werden schon so viele Daten erfasst: Ja. Selbst die Rechenpower ist heutzutage kein Problem mehr. Kurz gesagt: Mit Analytics kann man so ziemlich alles vorhersagen, wozu man irgendwie Daten erfassen kann.


Moderne Data-Warehouse Entwicklung mittels Automation

Klassische manuelle Datenbankmodellierung ist zeitgemäßen Projektumfängen und Datenmengen nicht mehr gewachsen. Sie bindet Entwickler und treibt die Kosten in die Höhe. Außerdem ergeben sich daraus Probleme bei der Softwareentwicklung und Wartung, die Data-Warehouse-Projekte stocken lassen. Deshalb ist ein gewisse Automation gefragt. Mit unseren bewährten Methoden zur Effizienzsteigerung verbessern wir zudem auch Ihre integrierten Data-Warehouse-Prozesse.

BI & DWH Architektur

Business Intelligence ist der Prozess der Umwandlung von Daten in Informationen und Analytics der nächste Schritt zum Wissen und Mehrwert für ihr Unternehmen. Die technische Basis benötigt ein solides und in heutigen Zeiten auch ein flexibles agiles Design. Anforderungen, welche durch unsere Architekten für Sie in die passende konstruktive Lösung umgesetzt werden. Dazu gehören umfassende Blue Prints und Best-Practice Vorlagen aus den vergangenen Vorhaben. Lassen Sie sich durch unsere Architekten zu einem moderneren Design und Architektur überzeugen. 

Datenmodellierung

Eine der wichtigsten Komponenten Ihres Data Warehouses ist das Datenmodell. Wie eine Landkarte stellt es die Zusammenhänge zwischen den Geschäftsobjekten präzise dar und definiert, welche Daten für welche Reports bereitgestellt werden. Ein mächtiges Instrument für die Anforderungsanalyse und Dokumentation. Und ein Herzstück, das alles beeinflusst: den Ladeprozess, die Geschäftsregeln, die Historisierung und Auditfähigkeit sowie Data-Marts und Reporting. Ist das Design des Datenmodells wohldurchdacht, vereinfacht es die Entwicklung der Ladeprozesse und des Berichtswesens – und spart dadurch Kosten. Fehler hingegen beeinträchtigen den Wert Ihrer Daten erheblich und sind im Nachhinein nur aufwendig zu beheben. Unsere Spezialisten haben viele Jahre Erfahrung in der Datenmodellierung. Greifen Sie darauf zurück. Es lohnt sich.