Seit jeher ist die datenbasierte Planung und Steuerung zentraler Bestandteil des Controllings. Durch die zunehmende Digitalisierung hat sich in den vergangenen Jahren vor allem der Erkenntnisgewinn rasant weiterentwickelt. Thomas Davenport, Mitbegründer und wissenschaftlicher Leiter des International Institute for Analytics, gilt als einer der führenden Experten für Business Analytics. Davenport unterteilt die Entwicklung der Datenanalyse in drei Phasen.
Die drei Phasen der Datenanalyse
Phase 1: Traditionelle Analysen
Die erste Phase der Datenanalyse erstreckte sich etwa von 1950 bis 2000 und zeichnete sich in erster Linie durch deskriptive Analysen und Reportings aus. Ziel war es, auf Basis interner Daten in der Vergangenheit liegende Vorgänge zu beschreiben. Präskriptive Analysen kamen kaum zum Einsatz. Die Durchführung der statistischen Analysen dauerte oft mehrere Tage oder Wochen, die Aufbereitung der Daten stellte meist eine größere Herausforderung dar als die Datenanalyse selbst.
Phase 2: Big Data
Die zweite Entwicklungsphase der Datenanalyse (2000 bis heute) begann mit der profitablen Verwertung von Daten aus dem Internet. Unternehmen wie Google und eBay schafften es dank neuer Auswertungsmöglichkeiten, ihre datenbasierten Geschäftsmodelle in kürzester Zeit umzusetzen. Zwar werden viele Daten noch immer deskriptiv analysiert; aber neu ist, dass sich auch unstrukturierte Daten auswerten lassen. Ebenso sind unternehmensexterne Daten zunehmend wichtiger. Neue Technologien wie In-Memory-Datenbanken (IMDB: Datenbankmanagementsysteme, die den Arbeitsspeicher eines Computers als Datenspeicher nutzen) oder Hadoop (ein freies, in Java geschriebenes Framework von Google) erlauben es, Daten in Echtzeit auszuwerten.
Phase 3: Datengetriebene Wirtschaft
Aktuell befinden wir uns laut Davenport auf der Schwelle zur dritten Entwicklungsphase, in der die meisten betrieblichen Entscheidungen datengetrieben getroffen werden. Insbesondere prädiktive und präskriptive Analysen verschaffen nicht nur Onlinefirmen, sondern auch Unternehmen aus traditionellen Branchen erhebliche Wettbewerbsvorteile.
Was ist präskriptive Analytik?
Die präskriptive Analytik ist mit der deskriptiven und prädiktiven Analytik verwandt. Während die deskriptive Analytik jedoch einen Einblick zu vermitteln versucht, was geschehen ist, und prädiktive Analytik hilft, mögliche künftige Ereignisse zu modellieren und vorauszusagen, geht es bei der präskriptiven Analytik darum, auf Grundlage bekannter Parameter die optimale Lösung oder das beste Ergebnis unter verschiedenen zur Auswahl stehenden Möglichkeiten zu ermitteln.
Zu den in der präskriptiven Analytik genutzten spezifischen Techniken gehören unter anderem Optimierung, Simulation, Spieltheorie sowie entscheidungsanalytische Methoden. Diese dienen dazu, potenzielle Entscheidungen, aber auch die Interaktionen zwischen Entscheidungen, die Einflüsse auf Entscheidungen und die Bedeutung aller Faktoren auf den Ausgang zu analysieren. Alles dient dem Zweck, eine optimale Vorgehensweise in Echtzeit festzulegen. So lassen sich dank präskriptiver Analytik Entscheidungsoptionen vorschlagen, wie sich zukünftig Vorteile aus einer Gelegenheit ziehen oder Risiken minimieren lassen.
Übrigens: Der Begriff präskriptive Analytik (engl.: prescriptive analytics) wurde ursprünglich von IBM geprägt. Im Jahr 2003 sicherte sich das Unternehmen Ayata die Markenrechte für den (großgeschriebenen) Begriff Prescriptive Analytics.
