Prädiktive Analytics-Projekte starten mit einer Phase der Ideenfindung, in der Zielstellung und Funktionalität des Anwendungsfalls ausgearbeitet und unmittelbar hinsichtlich der vorhandenen Daten und Prozessabläufe reflektiert werden. Die Ziele und angestrebten Vorteile des algorithmischen Forecasts werden mit Stakeholdern abgestimmt, um eine realistische Erwartungshaltung zu schaffen und etwaige Vorbehalte greifbar zu machen.
Durch erste Analysen der Daten hinsichtlich ihrer Qualität und Quantität kann dann eine Abschätzung der Machbarkeit getroffen und unter Berücksichtigung der involvierten IT-Systeme ein konkreter Implementierungsplan entwickelt werden. Auf dieser Basis werden Nutzen und Kosten bestimmt und eine Abschätzung des "Return on Invest" ermöglicht.
Für die Modellierung müssen zunächst im Rahmen des sogenannten Feature Engineering, die relevanten Einflussfaktoren identifiziert und mit Daten abgebildet werden. Dabei können sowohl interne Datenquellen wie z. B. ERP-, CRM- oder Logistik-Systeme, aber auch externe Daten aus öffentlichen Quellen, Marktforschung oder vor- und nachgelagerten Wertschöpfungsstufen berücksichtigt werden. In diesem Schritt werden zusammen mit Spezialisten aus den relevanten Fachbereichen (sogenannte "Domain-Experten") die wichtigsten qualitativen Treiber erarbeitet und von den Data Scientisten quantitativ abgebildet, sodass sie ein mathematisches Modell verarbeiten kann.
Dieser Inhalt ist unter anderem im Haufe Finance Office Premium enthalten. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen