Besserer ROI mit Predictive Analytics

Thema vielen Anwendern zu komplex

Trotz der Möglichkeiten, die Predictive Analytics bietet, ist die Technik noch nicht in allen Unternehmensbereichen angekommen. Das liegt zum einen an der Komplexität des Themas und den fehlenden Experten. Zum anderen an den Kosten der Implementierung. Oft ist es aber auch ein Problem der Interoperabilität und der Datenqualität. Zum Beispiel stehen Marketingabteilung und Kundenbetreuer eines Unternehmens, die zusammenarbeiten wollen, um Kundenprofile zu erstellen vor dem Problem, dass sie unterschiedliche Begrifflichkeiten verwenden, die sich auch in ihren Datensätzen niederschlagen.

Eine 2007 veröffentlichte Umfrage des Anwenderinstituts TDWI (The Data Warehouse Institute) unter 833 Befragten bescheinigte den vorausschauenden Analysetechniken, noch in den Kinderschuhen zu stecken. Lediglich 21 Prozent der Organisationen hatten entsprechende Tools ganz oder teilweise implementiert, 19 Prozent waren dabei ein solches Projekt zu entwickeln. Die absolute Mehrheit, nämlich 61 Prozent der Befragten, waren in der explorativen Phase oder hatten gar keine Pläne mit Predictive Analytics. "Wir sitzen auf einem Berg aus Gold, aber wir schürfen ihn nicht so effektiv ab, wie wir könnten", resümiert Michael Masciandaro, BI-Chef des Chemieunternehmens Rohm & Haas. Die meisten BI-ler würden, wenn sie von Analysetechniken sprechen, ReportingReporting oder OLAP (Online Analytical Processing) meinen. Alles zu Reporting auf CIO.de

In manchen Bereichen - zum Beispiel bei Banken und VersicherungenVersicherungen - spielt auch der DatenschutzDatenschutz eine Rolle. Kritisch wird es zum Beispiel, wenn Krankenkassen Predictive Analytics einsetzen um Patientenkarrieren oder die Wahrscheinlichkeit eines Krankenhausaufenthaltes vorherzusagen. Zwar kann man dieses Wissen verwenden, um die Versorgung zu optimieren, doch genauso gut eignet es sich dazu, Versicherte zu klassifizieren. Alles zu Datenschutz auf CIO.de Top-Firmen der Branche Versicherungen