BI- und Analytics-Tools haben versagt

Ein Arzt, der nur diagnostizieren, aber nicht therapieren kann, hilft einem Kranken nicht weiter. Außer es gibt eine Arbeitsteilung unter Spezialisten - aber dann muss zur Gesundung zum Top-Diagnostiker auch ein Top-Therapeut kommen. Dieses Bild aus der Medizin lässt sich auf die IT, genauer auf den Bereich Business IntelligenceBusiness Intelligence (BI) übertragen. Alles zu Business Intelligence auf CIO.de

Jedenfalls dann, wenn man einer aktuellen Empfehlung von Gartner folgt. Die Analysten raten dringlich zur Kombination von Predictive Analytics und Prescriptive Analytics. Die dazu passende Studie heißt entsprechend: "Combine Predictive and Prescriptive Analytics to Drive High-Impact Decisions".

Zur Diagnose muss auch die Therapie kommen

"Unternehmen tun sich schwer mit der Beschleunigung des Prozesses der geschäftskritischen Entscheidungen, die immer komplexer werden", schreiben die Studienautoren Carlie J. Idoine und Gareth Herschel. "Um die Gestaltung der Zukunft zu unterstützen, sollten Führungskräfte aus dem Bereich Data & Analytics zwei Data Science-Potenziale verbinden: prädiktive und präskriptive Analyse."

Auf die Analogie zur Medizin stößt man wie von selbst, wenn man sich mit den zu Grunde liegenden Begriffen beschäftigt. Der englische Terminus "prescription" heißt auf Deutsch unter anderem Rezept beziehungsweise Verschreibung. Während es bei Predictive Analytics also um "vorausschauende Analyse" geht, lässt sich Presprictive Analytics mit "verordnende Analyse" übersetzen.

Nach Einschätzung von Gartner ist genau dieser Bereich bislang in den Unternehmen vernachlässigt, so dass BI die bekanntermaßen oft unbefriedigenden Ergebnisse zeitigte. Es wurde diagnostiziert, ohne dass die sich daraus ergebenden therapeutischen Schlüsse gezogen wurden.

BI- und Analytics-Tools haben bisher versagt

ToolsTools für BI & Analytics haben demnach bislang zwar für Erkenntnisse und Prognosen gesorgt. Aber weil sie laut Gartner vor der Empfehlung bestimmter Entscheidungen und Aktionen Halt machten, haben sie beim Einfluss auf geschäftliche Entscheidungen versagt. Weil geschäftliche Entscheidungen aber immer facettenreicher und zugleich zeitkritischer werden, schreien sie nach Ansicht der Analysten geradezu nach einem Mix aus Techniken und Tools der Data Science. Alles zu Tools auf CIO.de

Das Problem dabei: "Data & Analytics-Leader haben nur begrenzte Erfahrung mit Prescriptive Analytics - und sogar noch weniger darin, wie Prescriptive Analytics mit Predictive Analytics harmoniert", so Gartner. Nach Einschätzung der Analysten wird dieses Defizit aber in Bälde abgebaut werden. Schon 2018 ist Entscheidungsoptimierung demnach keine Nischendisziplin mehr, sondern häufige Best Practice. Und 2020 fließen laut Gartner-Prognose zwei Fünftel der Investitionen für BI & Analytics in prädiktive und präskriptive Analyse.

Entscheidungsfindung lässt sich verbessern

Die Kombination der beiden Seiten bedeutet nach der Beschreibung der Autoren, dass prädiktive Resultate in präskriptive Modelle fließen. "Das Zusammenbringen von Prognosen (predictive) mit Optimierungen (prescriptive) lässt eine Organisation herausfinden, mit welcher Wahrscheinlichkeit Veränderungen verschiedener Variablen die Geschäftsergebnisse oder die relativen Trade-Offs verändern", heißt es in der Studie. "Das führt ins Herz der Aufgabe der Vermehrung von Business Value, der proaktiven Entscheidungsfindung, die Aktionen vorantreibt und den künftigen Kurs des Unternehmens bestimmt."

Konkret sind mit den zu kombinierenden Tools und Techniken einerseits kommerzielle Software-Anwendungen gemeint, die von Data Science-Anbietern, Open-Source-Projekten und Analytics-Dienstleistern angeboten werden. Andererseits kann es sich laut Gartner auch um intern entwickelte Modelle, Simulationen und Regel-basierte Frameworks handeln. Der Schlüssel liege in der richtigen Zusammensetzung für den spezifischen Analysebedarf eines individuellen Unternehmens. "Die Kombination wird variieren, und zwar auf Grundlage der besonderen Entscheidungen, die ein Unternehmen verbessern will."

Auf den Mix von Data Science-Techniken kommt es an

Entscheidend ist also der richtige Mix aus Data Science-Techniken. Hierzu unterscheidet Gartner fünf Basistypen - und zwar drei prädiktive und zwei präskriptive Analyse-Tools. In der Praxis geht es dann darum, für die individuelle Situation jeweils einen Basistyps für Predictive Analytics und Prescriptive Analytics zu kombinieren. Die Basistypen sind laut Gartner:

1. Predictive Analytics

• Predictions: beziehen sich auf die Wahrscheinlichkeit eines spezifischen Ergebnisses

• Forecasting: sagt eine Serie von Ergebnissen über einen bestimmten Zeitraum voraus

• Simulation: eine Vielzahl von Ergebnissen wird vorausgesagt und Unsicherheiten werden beleuchtet

2. Prescriptive Analytics

• Rules: ein vordefinierter Rahmen für die Wahl zwischen Alternativen

• Optimization: eine von Ergebnissen getriebene und auf Bedingungen basierende Evaluierung einer interdependenten Menge an Optionen

Praxisbeispiel eines Metallhändlers

Das Finden des idealen Mixes in der Praxis illustriert die Gartner-Studie durch mehrere Fallbeispiele. Ein Materialhändler aus Europa etwa musste den Planungsprozess für seine Lieferkette erneuern. Das Unternehmen hatte mit sinkendem Volumen, Überkapazitäten, zu vielen Lagern und drei voneinander unabhängigen ERP-Systemen zu kämpfen. Das Ziel war ein Mehr an Zentralisierung und Integration und wurde in diesem Fall erreicht durch eine Kombination aus Forecasting und Optimization.

Die Forecasts bestimmten die Nachfrageerwartungen und die Fähigkeit, diesen zu entsprechen. Durch Optimization wurden bestimmte Aktionen ausgelöst, die für das Erreichen der geschäftlichen Ziele nötig waren. "Ermöglicht wurde die Evaluierung einer Vielzahl an Nachschub-Szenarien zur Bestimmung jenes Szenarios, dass der Nachfrage am besten entsprach - bei gleichzeitiger Minimierung der Kosten und guter Ausnutzung der Lagerkapazitäten", fasst Gartner zusammen.

Data Scientists einstellen und ausbilden

Für den Erfolg der BI-Anstrengungen muss die Kombination von Predictive und Prescriptive Analytics laut Gartner mit einem Ausbau der dafür benötigten Skill-Basis einhergehen. Konkret bedeutet das, dass Data Scientist angestellt werden müssen oder bereits im Unternehmen vorhandene Experten auf dieses spezielle Gebiet anzusetzen sind. Nötig sei ferner die Entwicklung eines Prozesses, um analytische Artefakte zu managen und zu teilen.

Die Analysten empfehlen ferner die Nutzung von Analytics-Anwendungen, die sowohl über prädiktive als auch über präskriptive Fähigkeiten verfügen. Lohnend sei dabei die Suche nach branchenspezifischen Lösungen. Darüber hinaus seien Power User oft geeignet für die Rolle eines "citizen data scientist". Diese Rolle kann nach Ansicht von Gartner die Profis zwar nicht ersetzten, aber deren Tätigkeit gut ergänzen und erweitern.

Verlust geistigen Eigentums möglich

Ratsam sei überdies die Zusammenarbeit mit Dienstleistern, die über eine spezifische Expertise in Advanced Analytics verfügen. Gartner verbindet diesen Tipp aber mit einer Warnung: "Passen Sie auf, dass das Modell der Zusammenarbeit für einen positiven Wissenstransfer sorgt, und bedenken Sie, dass dieser Ansatz potenziell zu einem Verlust geistigen Eigentums führen kann."