Dr. Veikko Krypczyk Selbstständig

Predictive Analytics arbeitet stets mit vielfältigen Daten aus unterschiedlichen Quellen. Oft kommen dabei auch personenbezogene Daten zum Einsatz.

Olena Bochkor Selbstständig

Daten sind das Kapital wissensbasierter Unternehmen. Sie bilden die Basis für gute unternehmerische Entscheidungen und können zu einem Wettbewerbsinstrument werden.

Predictive Analytics ist derzeit eines der wichtigsten Anwendungsgebiete von Big Data. Es handelt sich um eine Teildisziplin von Business Analytics, die da ansetzt, wo OLAP oder Reporting aufhören. Statt nur die bestehende Situation zu analysieren, versucht Predictive Analytics mithilfe von Datenmodellen Vorhersagen über mögliche Ereignisse in der Zukunft zu treffen. Dabei besteht eine enge Verbindung zum Data Mining.

Das Datenaufkommen in Unternehmen und im privaten Bereich ist bereits heute gigantisch. Mobile Geräte wie Smartphones sammeln unaufhörlich Daten über alle möglichen Umweltzustände. Beim Surfen im Internet hinterlässt jeder von uns einen unendlich langen digitalen Trampelpfad. Das Internet der Dinge (IoT) verspricht eine umfassende Vernetzung aller uns umgebender Alltagsgeräte und Produktionswerkzeuge. Gleichwohl muss sich die moderne Wissensgesellschaft die Frage gefallen lassen, ob wir all diese Daten auch wirklich aktiv nutzen oder ob das verwertbare Wissen dadurch größer geworden ist. Die Beantwortung dieser Frage ist nicht trivial. Korrekt ist, dass die heutigen Möglichkeiten zur Datenauswertung, zur Verdichtung der Daten zu Informationen und somit zur Generierung von Wissen daraus, so groß sind, wie noch nie zuvor. Richtig ist aber auch, dass dieses neue Wissen, das aus den versteckten Zusammenhängen in den Daten besteht, nicht von alleine vor unserem geistigen Auge auftaucht. Wir müssen danach forschen, um es an die Oberfläche zu holen. Wir müssen versuchen, Muster in der Datenwelt zu erkennen. Im letzten Schritt müssen diese Muster dann auch richtig interpretiert werden.

Genau in diese Richtung stößt Predictive Analytics. Dabei handelt es sich um den Versuch, Vorhersagen für das künftige Verhalten von Menschen oder den Eintritt von bestimmten Ereignissen zu treffen. Das ist ein hoch spannendes Thema, das das Potenzial hat, die Arbeitsweise in vielen Lebensbereichen nachhaltig zu beeinflussen und zu verändern. Die zugrunde liegenden Methoden werden dabei interdisziplinär entwickelt. Im Zentrum steht das neue Berufsbild des Data Scientist. Benötigt werden umfangreiche Kenntnisse aus den Bereichen Datenauswertung, Datenbanken, mathematischer und statistischer Modelle und natürlich der Softwareentwicklung. Gleichgültig, in welcher konkreten Rolle man sich wiederfindet, ist ein Verständnis der grundsätzlichen Vorgehensweise stets notwendig.

Einen kompakten Einstieg in das Thema möchten wir mit diesem Artikel liefern. Dazu beleuchten wir die theoretischen Hintergründe und schauen, welche Gemeinsamkeiten und Unterschiede sich zu anderen Trendthemen wie Business Intelligence oder Business Analytics ergeben. Dann stellt sich aber auch schnell die Frage: Und was kann man in der Praxis damit anfangen? Wir untersuchen anhand von Beispielen, welche Anwendungen schon heute von Predictive Analytics profitieren können und wo es bereits angewendet wird. Ist das für uns Softwareentwickler interessant? Ja, mehr als das! Zukünftig werden wir datenbasierte Anwendungen mit entsprechenden Methoden ausstatten müssen, vorrangig durch einen Zugriff auf die Cloud. Um das zu meistern, ist es mehr als hilfreich, mit dem Thema vertraut zu sein.

Den vollständigen Artikel lesen Sie in der Ausgabe:

Entwickler Magazin 4.18 - "Déjà Vue.js?"

Alle Infos zum Heft
579845105Predictive Analytics in Theorie und Praxis
X
- Gib Deinen Standort ein -
- or -