Predictive Analytics

Predictive Analytics umfasst eine Vielzahl von statistischen Techniken aus den Bereichen Data Mining, Predictive Modeling und Machine Learning, die aktuelle und historische Fakten analysieren, um Vorhersagen über zukünftige oder anderweitig unbekannte Ereignisse zu treffen.

Im Geschäftsleben nutzen prädiktive Modelle Muster aus historischen und transaktionalen Daten, um Risiken und Chancen zu identifizieren. Modelle erfassen Beziehungen zwischen vielen Faktoren, um die Bewertung von Risiken oder Potenzialen im Zusammenhang mit einer bestimmten Reihe von Bedingungen zu ermöglichen und die Entscheidungsfindung für Bewerbertransaktionen zu leiten.

Der entscheidende funktionale Effekt dieser technischen Ansätze besteht darin, dass die prädiktive Analytik für jeden Einzelnen (Kunde, Mitarbeiter, Patient, Produkt-SKU, Fahrzeug, Komponente, Maschine oder andere Organisationseinheit) einen prädiktiven Wert (Wahrscheinlichkeit) liefert, um organisatorische Prozesse zu bestimmen, zu informieren oder zu beeinflussen, die sich auf eine große Anzahl von Personen beziehen, wie z.B. in den Bereichen Marketing, Kreditrisikobewertung, Betrugserkennung, Fertigung, Gesundheitswesen und Regierungsoperationen einschließlich Strafverfolgung.

Predictive Analytic wird in den Bereichen Aktuarwissenschaften, Marketing, Finanzdienstleistungen, Versicherungen, Telekommunikation, Einzelhandel, Reise, Mobilität, Gesundheitswesen, Kinderschutz, Pharmazeutika, Kapazitätsplanung, soziale Netzwerke und anderen Bereichen eingesetzt.

Eine der bekanntesten Anwendungen ist das Credit Scoring, das in allen Finanzdienstleistungen eingesetzt wird. Scoring-Modelle verarbeiten die Kreditgeschichte, den Kreditantrag, die Kundendaten usw. eines Kunden, um Einzelpersonen nach ihrer Wahrscheinlichkeit, zukünftige Kreditzahlungen rechtzeitig zu leisten, zu ranken.