Predictive Analytics Lösungen
-
Upload
thomas-hengstwerth -
Category
Documents
-
view
220 -
download
1
description
Transcript of Predictive Analytics Lösungen
Net Promoter Score, Contact Center Analysis, intelligentes Ticketsystem und Co.
Predictive Analytics LösungenAutomatisierung und Optimierung durch Vorhersagen
Agenda
Kurzvorstellung Infomotion
Predictive Analytics
Was ist Predictive Analytics?
Welche Einsatzgebiete gibt es?
Wie funktioniert Predictive Analytics?
Welche Tools sind am Markt verfügbar?
Lösungsbausteine
Net Promoter Score
Contact Center Analysis
IntelligentesTicketsystem
Recommender Systeme
Predictive Analytics in Ihrem Unternehmen
14.01.2016© Infomotion GmbH 2
INFOMOTION
14.01.2016 3© Infomotion GmbH
Business Intelligence, Big Data und Advanced Analytics
Infomotion –
Ihre Business Intelligence Experten
14.01.2016 4© Infomotion GmbH
INFOMOTION gehört zu den führenden deutschen IT-Beratungsunternehmen für
Business Intelligence, Big Data und Advanced Analytics.
Wir realisieren maßgeschneiderte Lösungen in den Bereichen:
Data Warehousing, Enterprise Reporting, Data Mining und Planning.
Wir generieren entscheidungsrelevante Informationen zur
erfolgreichen Unternehmenssteuerung.
Unsere Leistungen beinhalten komplette Lösungen:
von der Entwicklung der BI-Strategie über die
Beratung bis hin zur Applikationsbetreuung.
Infomotion ist ein unabhängiges Beratungs-
unternehmen und vermeidet Abhängigkeiten
von Softwareherstellern und Technologien.
Advanced Analytics mit Infomotion
14.01.2016 5© Infomotion GmbH
Umfangreiches Predictive
Analytics Know-how
8 Niederlassungen mit
Hauptsitz in Frankfurt
Spezialisiert auf
Business Intelligence
Erfolgreiche Business
Intelligence Projekte
190 BI-Spezialisten mit
Prince2-Zertifizierung
Expertise in zahlreichen
Branchen und Bereichen
Partnerschaften mit
führenden Anbietern
10 Predictive
Analytics Experten
BEST IN CLASS
Unser Dienstleistungsportfolio
für Advanced Analytics
14.01.2016 6© Infomotion GmbH
Finanzreporting
Vertriebsreporting
Standardreporting
Ad-hoc Auswertungen
Dashboarding
Datenexploration
Visual Analytics
Optimierte
Planungsprozesse
Vorhersagenmodelle
Data Science
Affinitätsscoring
Churn-Analysen
Predictive Analytics
Big Data
Management
Enterprise Data
Management
Datenerwirtschaftung
Datenmodellierung
Data Warehousing
Data Management
Architektur
Softwareauswahl
Konzeptreview
Systemlandschaft
Business Intelligence
Competence Center
(BICC)
Strategie
Interims-
management
Programm-
management
Projektleitung
Teilprojektleitung
Management
360° Kundensicht
Data Governance
Security Konzepte
Data Quality
Datenanonymisierung
Sonstiges
Best Practices aus einer
Vielzahl an Kundenprojekten
14.01.2016 7© Infomotion GmbH
Automobil Banken Logistik & Mail
Handel Versicherungen Medien & Telekommunikation
PREDICTIVE ANALYTICS
„Prediction is very difficult,
especially if it‘s about the future.“ (Bohr, Niels)
14.01.2016© Infomotion GmbH 8
Aktuelle Entwicklung von Advanced Analytics
14.01.2016© Infomotion GmbH 9
Descriptive
Analytics
Diagnostic
Analytics
Predictive
Analytics
Prescriptive
Analytics
WAS IST
PASSIERT?
WARUM IST ES
PASSIERT?
WAS WIRD
PASSIEREN?
WIE KÖNNEN
WIR STEUERN?
Mehrw
ert
Schwierigkeit Quelle: Gartner
Gründe für Entwicklung
14.01.2016© Infomotion GmbH 10
Predictive
Analytics
Was ist Predictive Analytics
14.01.2016© Infomotion GmbH 11
Predictive
Analytics…
Statistik Data Mining
…verbindet:
Machine Learning Datenbank-
management
Predictive Analytics vereinigt mehrere
Methoden um zukünftige Ereignisse
vorhersagen und steuern zu können.
Predictive Analytics im Alltag
14.01.2016 12© Infomotion GmbH
Reise buchen
Predictive Analytics Prozess
14.01.2016© Infomotion GmbH 13
Daten
Modellbildung
Prognosemodell Prognose
Schritt 1Modellbildung
Schritt 2Prognose
Predictive Analytics Prozess
14.01.2016© Infomotion GmbH 14
Daten
Modellbildung
Prognosemodell Prognose
Schritt 1Modellbildung
Schritt 2Prognose
Methoden im Bereich Predictive Analytics
14.01.2016 15© Infomotion GmbH
Klassifikation
Ursache-Wirkungsanalyse
Was sind bisher unbekannte Einflussfaktoren und wie groß sind diese?
Assoziation
Erkennen von Mustern in sequentiellen bzw. zeitorientierten Daten
Welche Merkmalskombinationen treten häufig miteinander auf?
Segmentierung
Bildung von homogenen Gruppen, die untereinander heterogen sind
Gibt es Fälle mit inkonsistentem Verhalten der Segmentzuordnung?
Regression | Zeitreihenanalyse
Statistischer Zusammenhang zwischen unterschiedlichen Attributen
Prognose von fehlenden/zukünftigen Attributwerten
Text Mining
Verarbeitung von unstrukturierten Daten
Welche Beiträge finden sich zu einer bestimmten Fragestellung?
Einsatzgebiete für Predictive Analytics
14.01.2016 16© Infomotion GmbH
Churn-Analyse: Welcher Kunde hat Kündigungspotential?
Fraud-Detection: (automatisierte) Erkennung von ungewöhnlichem Kaufverhalten
Warenkorbanalyse: Welche Produkte werden zusammen gekauft?
Webseitenoptimierung: Welche Seitennavigation nimmt mein Kunde auf dem Weg zur gewünschten Aktion (z.B. Kauf eines Produktes)
Kundentargeting: Ableiten von individuellen Kaufempfehlungen für
Kundengruppen
Social Network Analyse: Erkennen von Communities
Absatzprognose: Wie viele l Bier werde wir im Sommer 2014 verkaufen?
Schadensprognose: Welche Schadenshöhe wird der Versicherungsnehmer in Zukunft voraussichtlich geltend machen?
Textlinkanalyse: häufige Begriffe im Zusammenhang mit meinem Produkt
Sentiment-Analyse: Gibt es mehr positive oder mehr negative Meinungen
zu meinem Produkt im Web?
CRISP-DM
Cross Industry Standard Process for Data Mining
14.01.2016 17© Infomotion GmbH
Geschäfts-verständnis
Daten-verständnis
Daten-aufbereitung
Modell-bildung
Modell-bewertung
Einsatz derErgebnisse
Business Analysten /
Fachabteilung
Data Miner /StatistikerBusiness Manager
Daten
Erforderliche Fähigkeiten für Predictive Analytics
Business Analysten / Fachabteilung
Formulierung Fragestellung
Sammlung der relevanten Daten
Verständnis der Daten
Data Miner / Statistiker
Analytische Methoden
Mathematische Kenntnisse
IT-Kenntnisse
Fachliches Verständnis
Business Manager
Verständnis der Daten
Ableitung von Handlungsempfehlungen aus den Ergebnissen
Berücksichtigung der Unternehmensstrategie
14.01.2016© Infomotion GmbH 18
Daten visuell
explorieren, schnell
Erkenntnisse gelangen
Detailanalyse der in
Stufe 1 gewonnenen
Erkenntnisse
Individuelle Geschäfts-
prozesse operativ
steuern
Operative Steuerung durch
Analytics automatisieren
und industrialisieren
Schneller und
intuitiver Zugang zu
Predective Analytics
Analytische
Erkenntnisse einfach
teilen
Anwendung von
statistischen
Modellen, um die
Geschäftsprozesse
zu verstehen
Grafische
Exploration und
Modellbildung
Komplexe und
optimierte
analytische Modelle
erstellen
Modellanwendung
automatisieren
Umfangreiche
Fachwerkzeuge für
Statistiker / Data
Miner
Viele Modelle
managen und
optimieren
Erkenntnisse schnell
in Produktion
bringen
Qualität prozess-
gestützt und
automatisiert
sichern
unterschiedliche Anwender =
unterschiedliche Anwendungen?
14.01.2016 19© Infomotion GmbH
Anwender aus dem
Fachbereich ohne
statistische Ausbildung
Quantitativer Analyst mit
statistischen Kenntnissen
Data Mining
AnwenderData Mining Experte
Stufe 1
Stufe 2
Stufe 3
+
+
+
Stufe 4
Data Mining Einordnung INFOMOTION
14.01.2016 20© Infomotion GmbH
Fachanwender
Data
Scientist
Basis Experte
SAP Predictive Analysis
SAS EnterpriseMiner
IBM SPSS Modeler
RapidMiner
KNIME
SAP InfiniteInsight (KXEN)
Benutz
erf
reundlic
hke
it
Funktionalität
Data Mining Einordnung INFOMOTION
14.01.2016 21© Infomotion GmbH
SAS EnterpriseMiner
IBM SPSS Modeler
RapidMiner
KNIME
SAP InfiniteInsight (KXEN)
SAP Predictive Analysis mit
R Integration
Fachanwender
Data
Scientist
Basis Experte
Benutz
erf
reundlic
hke
it
Funktionalität
Alternative Technologien
Verwendete Berechnungsgrundlage
Natural Language Processing ( NLP )
Statistische Methoden
Data Mining Methoden
Lizenzmodelle
Kommerziell
Open Source
Art der Software
ETL Tools
Advanced Analytics Tools
Data Mining Tools
14.01.2016© Infomotion GmbH 22
?
!
NET PROMOTER SCORE
Ein Lösungsbaustein…
14.01.2016© Infomotion GmbH 23
Der Net Promoter Score
14.01.2016 24© Infomotion GmbH
Wiederkaufs-absicht
Erwartungen
tatsächliche Weiter-
empfehlungen
Einblick in Ausdrucksweise
des Kunden
Bedürfnisse
&
Erfahrungen
Kunden-zufriedenheit
&
KundenloyalitätFrage 1 / RatingWeiterempfehlungsfrage
Frage 2 / FreitextBegründung
„Auf einer Skala von 0 bis 10, wie wahrscheinlich
ist es, dass Sie dieses Unternehmen (oder Produkt/
Dienstleistung/Marke) einem Freund
oder Kollegen weiterempfehlen?“
10 9 8 7 6 … 0
% Promotoren % Kritiker-Net Promoter Score
„Was ist der Hauptgrund
für Ihre Bewertung?“
14.01.2016 25© Infomotion GmbH
OPERATIV
„Stimme des Kunden“
„Momente der
Wahrheit“
Wahrgenommene
Leistungen & Service
Emotional und rational
verstehen binden wachsen
Aus Kundenbegeisterung wird Kundenloyalität
TAKTISCH
Kunden-Feedback-
Schleife
Verbesserte Service
Leistungen
Treiber für Vertrauen
& Begeisterung
STRATEGISCH
Mobilisierung
Wachstumsinitiativen
Wert-Innovationen
Veränderung der
Einstellung/Haltung
CONTACT CENTER ANALYSIS
14.01.2016 26© Infomotion GmbH
Ein Lösungsbaustein…
Contact Center Analysis:
Verschlagwortung (Beispielarchitektur)
14.01.2016 27© Infomotion GmbH
Transkription
Kunde Unternehmen
Bestands
system
CRM
360° DWH
E-Mail/Formular Extraktion
„Text“-DB) ) )
14.01.2016 28© Infomotion GmbH
OPERATIV
Forecasting
Verschlagwortung
Sentimentanalyse
Meinungsmacher-
Analyse
effektivere
Ressourcenplanung
manuellen Aufwand
reduzieren
Kundenbeziehung
verbessern
Aus Reagieren wird Agieren
TAKTISCH
Automatische
Kategorisierung
Automatische
Priorisierung
Automatische
Lösungsvorschläge
STRATEGISCH
„Next-Best-Action“
Integration in
Geschäftsprozesse
Qualitätssicherung in
Form eines KVP
unterstützen
INTELLIGENTES TICKETSYSTEM
14.01.2016 29© Infomotion GmbH
Ein Lösungsbaustein…
14.01.2016 30© Infomotion GmbH
Wie viele Tickets gab es in einem bestimmten Zeitraum?
Aus welcher Kategorie stammen die meisten Ticket?
Wie lange ist die durchschnittliche
Bearbeitungszeit eines Tickets?
Welche Begriffe werden häufig in den Tickets genannt?
Wie viele Tickets werden morgen zum Thema xy
voraussichtlich eingestellt werden?
Wie wird sich die Anzahl der Tickets bis zum
Ende des Jahres entwickeln?
Gab es ein ähnliches Ticket schon mal?
Welche Lösung könnte die richtige sein?
Zu welcher Kategorie gehört das Ticket?
Mit welcher Priorität sollte das Ticket bearbeitet
werden?
Phase 1:
Verstehen
Phase 2:
Vorhersagen
Phase 3:
Verbessern
iTS 0.1
Der Weg zum intelligenten Ticketsystem
iTS 0.7
iTS 1.0
14.01.2016 31© Infomotion GmbH
OPERATIV
Erweiterung des
klassischen Ticket-
reportings
Verschlagwortung
Forecasting
effektivere
Ressourcenplanung
manuellen Aufwand
reduzieren
Kundenbeziehung
verbessern
Aus Effektivität wird Effizienz
TAKTISCH
Automatische
Kategorisierung
Automatische
Priorisierung
Automatische
Lösungsvorschläge
STRATEGISCH
Automatische
Ticketdeeskalation
Automatisierte
Ticketbearbeitung
RECOMMENDER SYSTEME
14.01.2016 32© Infomotion GmbH
Ein Lösungsbaustein…
Möglichkeiten von Recommender Systemen
14.01.2016 33© Infomotion GmbH
1 2
3
Content based FilteringIdee: Empfehle Items, die ähnlichen zu denen
sind, an denen der User interessiert ist/war.
Lernt ein Profil der Benutzer-Interessen
basierend auf den Features seiner gekauften /
positiv bewerteten Items
Collaborative FilteringPersonen mit ähnlichen Profilen treffen ähnliche
Entscheidungen
• aktiv: direkte Empfehlung an ‘Freunde’
• passiv: Empfehlung durch Vergleich mit anderen
Benutzern oder Produkten
• User-based: Korrelationen zwischen Usern
Annahme: User, die bestimmte Items ähnlich
bewertet haben, sind ähnlich
• Item-based: Korrelationen zwischen Items
Items an sich sind nicht entscheidend, sondern
deren Bewertung!Demographic Filtering
Benutzer mit ähnlichen demografischem Hintergrund
(Alter, Geschlecht, Beruf, …) haben ähnliche Interessen
• Bewertung der Ähnlichkeiten zwischen Usern
aufgrund demografischer und gruppenbezogener
Daten
• Für den Benutzer werden Benutzer mit ähnlichen
demographischen Daten gefunden
14.01.2016 34© Infomotion GmbH
OPERATIV
Deskriptive
Ermittlung von
Verhaltensmustern
Pauschale Produkt-
empfehlungen
Verständnis Einsicht Erkenntnis
Aus Verständnis wird Erkenntnis
TAKTISCH
Prediktive Ermittlung
der Verhaltensmuster
Verbessertes
Portfoliomanagement
Individuelle
Produktempfehlungen
Höhere Zufriedenheit
STRATEGISCH
Preskriptive
Verhaltensmuster
Portfoliooptimierung
Individuelle
Produktkreationen
Kostenreduktion
Gewinnmaximierung
UMSETZUNG VON LÖSUNGSBAUSTEINEN
Der Weg zum Entscheidungsunterstützungssystem
14.01.2016© Infomotion GmbH 35
14.01.2016 36© Infomotion GmbH
Analyse Geschäftsprozesse und BI-Landschaft
Evaluierung und Ergänzung der Datengrundlage
Definition ROI und Zielkenngrößen, Zeitplan
Auswahl der geeigneten Plattform für das EUS
Umsetzung einzelner Lösungsbausteine
Ausführung erster Modelle
Nutzung des Erkenntnisgewinn für individuelle
Modelloptimierungen
Ermittlung von konkreten Handlungs-
empfehlungen
Integration Modelle in die Geschäftsprozesse
und –applikationen (z.B. in die Call-Center)
Einführung eines KVP
(Kontinuierlicher Verbesserungsprozess)
Permanentes Monitoring der Zielkenngrößen zur
Erfolgsmessung
Phase 1:
Fundament
Phase 2:
Erkenntnis
Phase 3:
Integration
EUS 0.1
EUS 0.7
EUS 1.0
Mögliche Umsetzungsschritte bis zum
Entscheidungsunterstützungssystems (EUS)
Ihr Entscheidungsunterstützungssystem…
14.01.2016 37© Infomotion GmbH
Alle Aspekte stehen zur
Verfügung (Beispiel: 360°
Kundensicht)
Hochgradige
Automatisierung der
benötigten analytischen
Prozesse
Nutzenorientiert und
Integriert
Integriert in Ihre
Architektur und Prozesse
Jedes Modul ist
nutzenorientiert designed
und wird anhand von
Erfolgs-KPI‘s gemonitored
Schnelle Reaktion auf sich
verändernde Märkte und
Kundeninteressen
Modularer Aufbau Hohe Flexibilität
Vorhersagen sind nicht an
feste Muster gebunden,
sondern orientieren sich an
den „echten“ Welt
Erweiterungen in weitere
Richtungen wie Kampagnen,
Social Media, etc. sind
problemlos möglich
… einfach umsetzbar in ihrer Umgebung
14.01.2016 38© Infomotion GmbH
Phase 1:Verstehen
Phase 2:Vorhersagen
Phase 3:Verbessern
PAS 0.1
PAS 0.7
PAS 1.0
?
Diskussion: Was sind die nächsten Schritte?
14.01.2016© Infomotion GmbH 39
Ihr Kontakt für Fragen
14.01.2016 40© Infomotion GmbH
JÖRG THIEMANNDiplom Wirtschaftsmathematiker
Business Unit Manager
INFOMOTION GMBH
GEREONSTR. 18-32 50670 KÖLN
T: +49 (0)221 120697-0 F: +49 (0)221 120697-29
[email protected] www.infomotion.de
DR. KATRIN ZAIßMaster of Science Informatik
Professional Consultant
INFOMOTION GMBH
GEREONSTR. 18-32 50670 KÖLN
T: +49 (0)221 120697-0 F: +49 (0)221 120697-29
[email protected] www.infomotion.de