Predictive Analytics: Grundlagen, Projektbeispiele und L ... / 1.1 Definition

Unter Predictive Analytics (PA) versteht man Prozesse, Konzepte und Methoden, mit denen auf Basis von strukturierten (Vergangenheits-)Daten und mithilfe von klassischer Statistik und/oder maschinellem Lernen (Machine Learning), Vorhersagen von Ereignissen gemacht werden können. Vereinfacht geht es darum eine Vorhersage zu machen, welche Entwicklung sich auf Basis einer vorliegenden (limitierten) Datenlage absehen lässt; im zweiten Schritt geht es konsequenterweise darum abzuleiten, was getan werden kann, um die prognostizierten Entwicklungsverläufe zu beeinflussen. Vergangenheitsdaten stellen die Basis und den Ausgangspunkt von PA dar. Algorithmen bewerkstelligen die rechentechnische Verarbeitung dieser Daten i. S. v. prozessierbaren Mustern und Trends, aus denen sich die Prognose errechnet.

Aus wissenschaftlicher Sicht sind die (mathematischen) Grundlagen für die Modellierung von Predictive-Analytics-Problemstellungen bereits seit langem bekannt. Arbeiten zur Regressionsanalyse gehen bis in 19. Jahrhundert zurück. Pioniere des maschinellen Lernens wie Frank Rosenblatt und Marvin Minsky arbeiteten schon in den 1950er Jahren an Künstlichen Neuronalen Netzen (KNN). Seitdem wurden die Methoden kontinuierlich weiterentwickelt. In den 2000er Jahren führte dies zu publikumswirksamen Durchbrüchen in Bereichen wie der Bild- und Spracherkennung (Computer Vision und Natural Language Processing).

Wirklich neu und damit auch einer der Gründe für den aktuellen "Hype" in der (Beratungs-)Praxis ist die Kombination aus einer hohen Verfügbarkeit von großen Datenmengen (Big Data) und die gleichzeitige Fähigkeit moderner Prozessoren, diese Datenmengen effizient zu verarbeiten. Verstärkt wurde diese Entwicklung zusätzlich durch Open-Source-Programmiersprachen wie bspw. R oder Python, die über ...