Datenvisualisierung individual entwicklung

Datenbasierte Geschäfts- und Absatzplanung mit digitalen Assistenten unterstützen

Das Münchner Startup ABIS Cloud plant mit der Forschungsstelle für Apothekenwirtschaft (ApoWi) am Lehrstuhl für Marketing und Handel der Universität Duisburg-Essen, ein kollaboratives F&E Projekt in den Bereichen Big Data und künstlicher Intelligenz. In Kooperation mit IBM Watson soll ein chatbotähnlicher Assistent entwickelt werden, der Analysen und Handlungsempfehlungen proaktiv an Mitarbeiter ausspricht. Das Ziel ist die Effizienz in den Planungs- und Geschäftsprozessen im Einkauf, Marketing und Vertrieb signifikant zu optimieren.

Der ApoWi-Smart-Assistant erkennt durch Überwachung von Influencern früh entstehende Trends in sozialen Netzwerken. Änderungen im Zielgruppenverhalten werden blitzschnell bewertet und mit makro- sowie mikroökonomischen Informationen angereichert. Anschließend sollen diese mit den aktuellen Lagerbeständen sowie den Produktmargen abgeglichen werden. Auf dessen Basis können Kauf- oder Absatzempfehlungen, an Führungskräfte aus dem Einkauf und Marketing automatisiert ausgesprochen werden.

Es wird geplant, die Lösung über ein Self-Service-Lizenzmodell auf der Cloud-Plattform ABIS an Apotheken und Pharma-Großhändler zu vermarkten. Die Laufzeit des Projektes wird auf ein volles Kalenderjahr geschätzt. Die Ergebnisse sollen für das akademische Umfeld frei zugänglich gemacht werden.

#Zielgruppe #Problem

Die Lösung targetiert Unternehmen aus der Gesundheitsbranche, vorwiegend stationäre Apotheken sowie Kosmetik-, Fitness- und Lifestyle-Unternehmen. Im Projektverlauf arbeiten wir mit stationären Apotheken, sowie Pharma-Großhändlern zusammen.

Führungskräfte aus dem Marketing, Vertrieb und Einkauf benötigen immer schneller relevante Kennzahlen. Damit können Maßnahmen, z.B. im Online-Marketing, besser geplant, sowie Absatzpotentiale genauer vorhergesagt werden.

Informationen zeitnah erhalten und einsetzen: „Diese Fähigkeit ist entscheidend, denn sie beeinflusst wie schnell ein Unternehmen agieren kann“ – so David Chang (Gründer der ABIS Cloud). Doch sowohl die Aufbereitung der Informationen, als auch deren Verteilung fordern derzeit einen zu hohen Aufwand. Im Schnitt verlieren Mitarbeiter auf der Suche nach Daten bis zu zwei Stunden pro Tag. Die Effizienz des Unternehmens sinkt damit um durchschnittlich 18% – ein Umstand, der Unternehmen aktuell viel Geld kostet. [1]

#Produkt #Lösung #ApowiSmartAssistant

Intelligente digitale Assistenten weisen Mitarbeiter und Führungskräfte, gezielt auf dynamische und komplexe Veränderungen in den Marketing – und Vertriebskennzahlen hin. Mitarbeiter werden direkt über personalisierte Cockpits informiert. Dort können Statistiken abgerufen, sowie Maßnahmen besser und schneller koordiniert werden.

Der ApoWi-Smart-Assistant analysiert im Hintergrund automatisiert Unternehmens­kennzahlen. Diese werden mit Daten aus sozialen Netzwerken abgeglichen, um Nachfragetrends und Muster im Konsumentenverhalten schneller zu erkennen. Dabei werden die Produktmargen und Lagerbestände miteinbezogen. Jetzt sind automatisierte Vorschläge, z.B. in der Absatzplanung möglich.

collaborative business kpi cockpit

Team Collaboration Software

#Werteversprechen #Nutzen

Auf Grundlage der bereitgestellten Informationen, können Unternehmen ihre Lagerhaltung optimieren und für den Absatz von stark nachgefragten Produkten durch den Einsatz unterschiedlicher Marketinginstrumente fördern.

Mit gezielt aufbereiteten Informationen lassen sich Umsätze steigern, Kosten senken und Risiken von Fehlinvestitionen, z.B. im Einkauf oder im Bereich der Marketingmaßnahmen, minimieren.  Das belegte eine Studie, der Bosten Consulting Group und Google aus dem Jahr 2017. Demzufolge haben Unternehmen, die ein datengetriebenes Marketing korrekt einsetzen, bis zu 30% der Kosten eingespart und gleichzeitig bis zu 20% mehr Umsatz generiert. [2]

digitale assistentensystem mit künstlicher intelligenz

Live Demo eines ähnlichen Cockpits der DBI (aktuell in der Entwicklung): https://abiscloud.netlify.app

#Funktionsweise

Es werden diverse Datenpunkte, über die Zielgruppen und Produktmarken in sozialen Netzwerken zusammengetragen. Anschließend werden diese automatisiert mit den Unternehmenskennzahlen verknüpft.

So könnten Influencer und deren Follower ausgewertet werden – eine Art Google Trends für Produkte und Marken das misst, wie Posts auf Social Media Reichweite erzeugen. Auf diese Weise können Rückschlüsse auf mögliche Nachfragetrends gezogen werden. Gleichzeitig kann ermittelt werden, ob es sich um regionale Effekte handelt. Produkte und Marken die stark “trenden”, könnten dann mit den internen Kennzahlen z.B. aus dem Einkauf verknüpft werden.

Dem Datenschutz wird ein sehr hoher Stellenwert eingeräumt. Aus diesem Grund sollen Statistiken über Zielgruppen adhoc berechnet und anonymisiert werden, sodass im Nachhinein keine Rückschlüsse auf die Identitäten einzelner Personen möglich sind. Die anonymisierten Informationen können dann mit internen Daten aus der Zielplanung, dem Lagerbestand, dem Vertrieb und dem Marketing angereichert werden.

Mittels statistischer Methoden und künstlicher Intelligenz können die Daten automatisiert analysiert und maschinell interpretiert werden. Vergleichbare Ansätze finden sich hier IBM IOT Map oder hier Crime Map.

 

Quellen:

[1] https://ap-verlag.de/schwaechen-beim-datenmanagement-kosten-unternehmen-zwei-millionen-euro-jaehrlich/51666/

[2] https://www.thinkwithgoogle.com/intl/en-gb/marketing-resources/data-measurement/delivering-meaningful-moments/

[3] https://www.bigdata-insider.de/big-data-und-analytics-markt-waechst-deutlich-a-744140/

einen chatbot mit abis und der IBM cloud bauen

Die IBM Cloud bietet tolle Möglichkeiten, schnell und zuverlässig einen Chat Bot z.B. für den Kundensupport oder eine Webseite zu entwickeln. In unserem Beispiel beleuchten wir den Chat Bot, welchen ich für die Webseite erstellt habe. Dabei gehe ich zwar auf die Schritte ein, die für die Einrichtung eines Bots basierend auf IBM Watson notwendig sind. Viel wichtiger ist aber, die Funktion und Semantik einer Chat-Bot-Applikationen. Auch bei dem Bau von Chat Bots kann man sich im Kreise drehen oder gar verschätzen was die Komplexität betrifft. Wichtig ist das man vorher genau definiert wofür man den Bot einsetzen möchte.

Setup eines Chatbots auf der IBM Cloud

Dafür muss erstmal ein kostenloses Konto bei IBM erstellt werden. Die Freigabe dauert in der Regel bis zu 24 Stunden. Danach bekommt ihr die Zugangsdaten via E-Mail zugeschickt. Nach der Anmeldung könnt ihr eine “neue Ressource anlegen”. Dort findet ihr unter der Rubrik, künstlicher Intelligenz den “Watson Assistant”. Diesen könnt ihr dann einfach starten und in eure Anwendung oder WordPress Seite integrieren.

Man unterscheidet folgende Größen, die zur Konfiguration eines Chat-Bots genutzt werden können: 

“Intents” – s.g. Intensionen: Eine Intension drückt i.d.R. aus was ein Nutzer erwarten könnte, bzw. was ein Nutzer ausdrücken möchte. Der Bot kann mit Hilfe eines “Sets” an Intensionen, feststellen was gemeint ist und entsprechend eine Antwort aus dieser Kategorie zurückgeben.

“Dialog” – s.g. Dialogbereich: Bestimmte Themenbereiche werden in einem Graphen immer in s.g. Nodes definiert. Diese können, untereinander verschachtelt sein und in Beziehung miteinander stehen. Wichtig ist, dass man dabei die Pfade so exakt wie möglich definiert. Auch indem man händisch den Bot trainiert.

“Entities” s.g. Entitäten: Entitäten sind wie Substantive oder Keywords. Durch diese kann der Assistent zielgerichtete Antworten auf Fragen geben. Zum Beispiel “Wie viele Tische sind noch frei”, oder “wo finde ich die nächste U-Bahn”. Dort sind auch die System-Entitäten hinterlegt. Diese sind bspw. Systemzeit, Währung, Sprache etc. In den meisten Fällen benötigt man diese nicht. Entitäten sind erst interessant, wenn man weiterführende Prozesse abbilden möchte.

Folgendes Video geht detaillierter auf Entitäten ein:

Mit “Intents” und “Dialogs” einem Chatbot das Antworten beibringen

Wie vorhin bereits erklärt, kann mit s.g. “Intents” eine Intension eines Nutzers zum Ausdruck gebracht bzw. eingeschränkt werden. Diese Intensionen lassen sich dann auf einen Dialog “mappen”. Der Chat-Bot, erkennt nun die Semantik in einem Chat-Verlauf und kann je nach “Intent” dann entsprechend den Inhalt als Antwort wiedergeben. Man muss dem Bot also beibringen, welche Antwortmöglichkeiten es gibt. Kein Bot kann diese derzeit selbständig erraten. Immerhin ein Zeitersparnis wenn man bedenkt, wie oft Nutzer auf eine Webseite kommen und immer das Gleiche fragen wollen, dies aber häufig nicht können. Aus diesem Grund sind Chat-Bots derzeit vor allem im Bereich des Kundensupports und Vertriebs extrem beliebt. Was die wenigsten Leute wissen. Viele Lösungen und Anbieter im Markt verwenden genau diese Cloud-Werkzeuge, wie IBM Watson, um eigene Services und Produkte anzubieten. Da gehört in der Regel nicht viel technisches Know-How dazu. Außer man geht daher und baut selbst einen Chat-Bot. Die wesentliche Aufgaben besteht somit nicht in der Erstellung eines Bots perse, sondern in Konfiguration dessen Logik und dem Aufbau des Algorithmus. Falls Sie das Thema interessiert können Sie unser Team kontaktieren. Wir beraten Sie gerne und helfen Ihnen einen passenden Usecase zu finden oder einen Chat-Bot umzusetzen.

 

Probiert es einfach selbst mal aus

Rechts unten auf unserer Webseite befindet sich ein Bot der so trainiert wurde das er auch Emotionen erkennt. Fragt ABIS doch einmal mal wie es ihm geht oder woher er kommt 🙂

Steckt Deutschland am Anfang einer länger anhaltenden Systemkrise? Die Wirtschaftsleistung vieler mittelständischer Betriebe kühlt derzeit stark ab. Die Weltkonjunktur strauchelt, politische Spannungen bilden sich heraus und andere Länder wie China befinden sich bereits in der Zukunft. Doch wie sieht unsere Zukunft aus? Welche Chancen und Risiken ergeben sich daraus? Fest steht, dass der neue Rohstoff die Daten sind. Konzerne die Daten kontrollieren, kontrollieren auch die Macht. Aus der Geschichte lernen wir ganz klar, dass “Divide et impera” – Teile und herrsche, in wenigen Händen zum Problem werden kann. Doch gerade Deutschland hat gute Voraussetzungen, die Digitalisierung in eine sozialverträgliche und ökologische Bahn zu lenken. Sogar die Bundesregierung schaltet sich ein. Im Frühjahr 2020 soll eine interessante Cloud-Initiative mit der Bezeichnung Gaia X starten.

Daten sind der Treibstoff für die Digitalisierung

Vor allem klein- bis mittelständische Unternehmen tun sich bei der stetig steigenden Datenflut besonders schwer Daten effizient genug auszuwerten, um fundierte und nachvollziehbare Geschäftsentscheidungen besser treffen zu können. Insbesondere durch Schwächen im Datenmanagement ergeben sich für viele Betriebe immer größere Gewinneinbußen. Daher benötigen mittelständische Unternehmen immer mehr IT-Unterstützung. Teils teure oder veraltete Systeme bremsen ebenfalls die Digitalisierung aus. Die Innovationskraft einer Nation hängt davon ab. Nur gut 8% aller deutschen Unternehmen führen derzeit Big-Data-Analysen durch. Fast 46 % haben sich mit der Thematik noch gar nicht beschäftigt. Häufig fehlten das interne Knowhow und IT-Fachkräfte. [1]

“Unternehmen die ihr Datenmanagement im Griff haben können bis zu 30% mehr Umsatz bei 20% weniger Kosten erreichen.” – Think-With-Google

Und wie nun, können Unternehmen datenbasiert agieren, wenn sich die Daten in zu vielen unterschiedlichen Silos befinden? Im Schnitt verlieren Mitarbeiter bei der Suche nach Daten zwei Stunden am Tag. Die Effizienz sinkt dabei um 18%. Mitarbeiter verschwenden damit 3 Monate pro Jahr. [2]

Projekt Gaia X – Europäische Datenplattform auf Basis des Industrial Data Space

„Durch die Vernetzung von Daten, unterschiedlicher Geräte, Menschen und Maschinen können extrem wertvolle Erkenntnisse für die Industrie, Umwelt, Mobilität, Energie und Gesundheit gewonnen werden. Doch vor allem der Mittelstand in Deutschland, hat das Wesen der Daten und dessen Bedeutung noch nicht ausreichend verstanden.“ – so Bundeskanzlerin Angela Merkel an der Generaldebatte vom 27.11.2019.

Die aus Datenanalysen gewonnenen Erkenntnisse werden auch als Smart-Data bezeichnet. Ein wesentlicher Bestandteil ist auch die Künstliche Intelligenz. Die Bundesregierung plant dazu im Frühjahr 2020 auf Basis der Fraunhofer Technologie IDS [3], das europäische Cloud-Projekt GaiaX zu starten und Ende 2020 in den aktiven Betrieb zu nehmen. [4]

GaiaX ist eine großartige Möglichkeit die Bevölkerung für die Themen, Künstliche Intelligenz und Smart Data zu sensibilisieren.

Klingt etwas seltsam wenn man daran denkt, dass die Politik plant eine Plattform zu bauen und Unternehmen aus der Wirtschaft dazu einlädt teilzuhaben. Aber ich finde es gut das jemand den ersten Schritt wagt und tätig wird. Zwar fehle der Cloud noch die technische Basis. Dies geht aus einem aktuellen Beitrag vom Deutschlandfunk hervor. [5]  Aber keine Sorge, es wurde in der Rede der Bundeskanzlerin angedeutet, dass sich das Ganze im Open-Source-Umfeld und als Open-Data bewegen solle. Meiner Meinung nach der völlig richtige Weg. Denn Wissen und Technologie sollten stets als Allgemeingut für die Gesellschaft dienen.

Hintergrund zum Verfasser des Artikels:

David Patrick Chang ist Gründer der ABIS Analytics Cloud – Eine Plattform die Daten, Prozesse, Mitarbeiter und Künstliche Intelligenz miteinander verknüpft. Er und sein Team haben bereits im Mai 2014 damit begonnen an der Vision zu arbeiten. Im Herbst 2018 wurde die erste Version der Datenplattform ABIS, aus eigenen Mitteln erfolgreich fertigstellt und in den Testbetrieb genommen. Aktuell arbeitet das Team an der Beta-Version, mit Universitäten und Unternehmen aus der Region zusammen. Der offizielle Launch der Plattform ist für Sommer 2020 geplant.

Große Unternehmen wie Amazon, Google und Co. machen es vor und setzen intelligente Modelle und Algorithmen ein, die erstaunlich präzise Vorhersagen über das Kaufverhalten von Kunden treffen können. Doch die Zukunft vorherzusagen, bleibt und ist eine schwierige und immer noch ungenaue Angelegenheit. Gelernte Muster aus der Vergangenheit können nur mit einer bestimmten Wahrscheinlichkeit, Auskunft über die nächsten Tage oder Wochen geben. Diese Muster gelten auch nur solange bis sich, die darunterliegenden Parameter stark verändern. So könnte sich bei vollständiger Erneuerung einer Webseite, das vorherige Muster komplett von dem Neuen unterscheiden. Eine Vorhersage zu treffen, wie diese neue Webseite bei den Kunden ankommt, wäre ohne entsprechenden Erfahrungswert so gut wie unmöglich.

Kann man Vorhersagen im Business treffen?

Den gibt es! Mit Hilfe eines doch recht einfachen und pragmatischen Ansatzes. Wie vorhin gelernt, ist die Wahrscheinlichkeit zur Vorhersage eines erwarteten Ereignisses, stark von den darunterliegenden Parametern abhängig. Diese können Prozesse, sowie die Höhe der Werbeausgaben, geplante Post in Social Media, Messeauftritte usw. sein. Auch externe Parameter, die durch Beziehungen mit Kunden, Partnern vorhanden sind können das Bild verzerren.

Wenn das so ist dann sollte man meinen, dass die Lösung in der Planung an sich liegt. Die Zukunft vorherzusagen auf Basis von geplanten Aktionen ist doch eigentlich recht logisch. Wir haben als Menschen eine wunderbare Gabe, nämlich unsere Zukunft mit zu gestalten. Ob das auch immer so gelingt wie man sich das zu anfangs vorstellt, das sei erstmal dahin gestellt.

Predictive Analytics funktioniert am besten wenn gilt, “Business as usual”.

Aktuelle und geplante Maßnahmen analysieren

Im Grunde kann man Daten aus aktuellen und vergangenen Prozessen analysieren um die Vergangenheit besser zu verstehen und damit womöglich die Zukunft vorherzusagen. Genauso wichtig ist es geplante Maßnahmen zu analysieren und in die Prognosen einfließen zu lassen. Doch das ist schwierig denn man hat noch keine Messwerte, da die Maßnahmen erst noch ausgeführt werden müssen. Vielleicht hat man zufällig Erfahrungswerte ähnlicher Maßnahmen, das wäre schon ein guter Anfang.

Den Einfluss einer geplanten Aktion bewerten

Geplante Maßnahmen werden selten in die Analyse eingebracht. Wieso auch, es sind ja in der Regel keine Daten vorhanden. Aber das macht nichts, erschaffen Sie selbst welche. Diese Daten könnten als Annahme dienen. Je öfter sie Erwartungen und die tatsächlichen Ergebnisse miteinander vergleichen desto besser wird ihre Fähigkeit Annahmen zu treffen.

Sie finden dann alles recht abgedreht und überzogen? Dann denken Sie einfach an eine Simulation. Hier werden mögliche eintretende Aktionen in einem Plan einfach mal durchgespielt. Die Analyse der eingetretenen Effekte kann dann Auskunft über die nächsten Ergebnisse geben.

Falls Sie vor haben Predictive Analytics in ihrem Unternehmen aktiv einzusetzen dann denken sie daran, die operative Planung mit in die Betrachtung einfließen zu lassen. Ist Ihnen der Aufwand hierfür zu hoch dann sollten Sie darüber nachdenken eine Analyse-Softwarelösung als Bindeglied zwischen Ihren Tools und IT-Lösungen einzusetzen um die Verfügbarkeit aller nötigen Datenpunkte in die Bewertung mit einfließen zu lassen. Nur die Vergangenheit zu betrachten und für Predictive Analytics im Online-Marketing einzusetzen wäre teils vergeudete Zeit.

Über den Autor und Gründer von ABIS

David Patrick Chang ist Gründer eines Cloud Analytics Startups aus München und Visionär im Bereich der künstlichen Intelligenz. Sein Team und Er arbeiten mit Universitäten und Startups an intelligenten Cloud Business Apps die dafür eingesetzt werden, Daten automatisiert zu analysieren und aktiv für die Steuerung von Prozessen einzusetzen.

Datenplattformen können den Austausch von Informationen, aber auch neue intelligente Dienste und die Automation von Verwaltungsprozessen fördern.

Die Informationsmöglichkeiten einer Stadt verbessern

Die Stadtverwaltung und öffentliche Einrichtungen bieten nützliche Informationen und Funktionen für ihre Bürger an. So soll es möglich sein für einen Standort auf einer interaktiven Karte, die genauen Öffnungszeiten, Kontaktinformationen und die geschätzte Wartezeit für Behördengänge anzuzeigen. Man könnte über eine mobile App sogar direkt einen Termin bei der Behörde vereinbaren.

Ideen für neue innovative Online-Services entwickeln

Insgesamt könnten alle öffentlichen Gebäude und Behörden auf der Karte verzeichnet werden. Bürger und Bürgerinnen können öffentliche Einrichtungen und Verwaltungsstellen der Stadt auf einer Karte über ein Formular bewerten. So kann die Stadtverwaltung die Qualität ihrer Angebote und Dienste auswerten, gezielter auf Beschwerden eingehen und ihre Leistungen punktuell verbessern. Angestellte der Verwaltung erhalten sogar ihr personalisiertes Cockpit (Dashboard) um tagesaktuelle Statistiken, Beschwerdeeingänge, Termine, Anfragen etc. zu überblicken.

Bewertungen von öffentlichen Einrichtungen und Diensten könnten auch anonymisiert abgegeben werden. Alle Bewertungen müssen vorher von einem entsprechenden Administrator der Stadt freigeschalten werden. Ein besorgter Bürger könnte ein Schlagloch auf dem Fahrradweg melden, andere Bürger aus der Nachbarschaft können dies entdecken und ebenfalls ihre Stimme laut machen damit der Schaden schnell behoben wird.

Menschen im Quartier vernetzen und Kooperationen stärken

Über öffentliche und private Chat-Kanäle können sich Bürger/innen untereinander, oder mit der Stadtverwaltung besser vernetzen. Die Kombination aus einer Karte, Suche und Chat-Möglichkeit in geschlossenen oder offenen Gruppen, ermöglicht viele neue Möglichkeiten. So können Bürger spielend leicht wie in einem offenen sozialen Netzwerk, Aktuelles aus der Stadt entdecken oder neue gemeinsame Initiativen starten.

(Behörden-)Alltag im Quartier verbessern und das Leben erleichtern

Über einen Chat-Bot können Formulare leichter und schneller angefragt bzw. heruntergeladen werden. Man könnte sogar eine automatisierte Hilfestellung anbieten um Formulare direkt auf dem Handy im Chat auszufüllen und gesichert an die Behörde zu übermitteln. Anschließend könnten sogar Termine oder Erinnerungen für einzelne Behördengänge über die App abgewickelt werden.

Nachbarschaften und Nachbarschaftshilfe im Quartier fördern

Da manche Chat-Räume öffentlich und über die Karte oder Suche schnell und einfach zu finden sind, können sich Bürger gezielt untereinander austauschen und zusammenschließen. Über die App können gemeinsame Initiativen angestoßen und organisiert werden die das Zusammenleben fördern und einen Schritt nach vorne machen um die Stadt der Zukunft mitzugestalten.

wenn intelligente analysebots die aufgaben eines datenanalysten übernehmen

Intelligente Analysebots könnten Daten bald selbständig auswerten und an Mitarbeiter kommunizieren

Laut einer Studie der IDC, soll sich die jährlich erzeugte Datenmenge, bis 2025 verzehnfachen. Viele mittelständische Unternehmen ersticken bereits jetzt, in einer Flut von Daten. Überall fehlen Fachkräfte und Analysten. Wer soll das enorme Potential von Daten überhaupt noch heben? Das Berichtswesen und die Datenanalyse werden immer zeitaufwendiger, die Kosten steigen.

Ein Abteilungsleiter einer Marketingagentur investiert fast 30% seiner Zeit, Auswertungen zu erstellen, Daten zu interpretieren, oder wichtige Erkenntnisse ad hoc an Kollegen weiterzuleiten. Gleichzeitig ist die Kommunikation von Kennzahlen und Auswertungen oft mühsam. Vor allem wenn komplexe Berichte von Mitarbeitern oder Kunden, ohne fachliche Vorkenntnisse, nicht ohne weiteres verstanden werden.

Ein Startup aus München arbeitet bereits an der Vision

In ABIS übernehmen intelligente Analysebots, die komplexen Aufgaben eines Datenanalysten. Damit müssen Mitarbeiter ihre Daten nicht mehr selbst laufend auswerten um aktuelle Ergebnisse zu erhalten. Bei signifikanten Vorfällen erstellt der Analysebot selbständig, einen leicht verständlichen Bericht, der dann an die verantwortliche Person kommuniziert wird.

Mitarbeiter können ihren Analysebots, ad hoc Auswertungen zuweisen und erhalten blitzschnell ein Ergebnis. Der Mitarbeiter bekommt ein automatisiertes Reporting auf Knopfdruck oder Zuruf. Zudem könnte ein Analysebot die Erhöhung eines Werbebudgets in sozialen Netzwerken vorschlagen, da diese sich womöglich, positiv auf die Ergebnisse einer Kampagne auswirken könnte. Der Mitarbeiter hat nun die Möglichkeit mit ABIS die vorgeschlagene Maßnahme direkt in Auftrag zu geben.

Smart Data City App München

Zu den beiden Firmengründern

Die Gründer David Patrick Chang und Daniel Janz sind überzeugte Datenaktivisten. Sie haben während ihrer Tätigkeit in Konzernen und mittelständischen Unternehmen bereits früh erkannt, dass Daten und Informationen ein wertvolles Allgemeingut sind und nicht einfach Wenigen überlassen werden sollten. Daten können Menschen dazu bewegen umzudenken. Aus diesem Grund möchten die Gründer die Daten-Demokratisierung weiter vorantreiben. Mehr erfahrt ihr hier 🙂

founder of abis cloud

Ähnlich wie bei einem Wetterbericht können mit Hilfe der prädiktiven Analytik, mögliche Szenarien der Zukunft mit einer gewissen Wahrscheinlichkeit vorhergesagt werden. Möglicherweise möchte der Marketingleiter eines E-Commerce Shops wissen ob es sich lohnt, weiterhin Geld in eine Maßnahme oder Online-Werbekampagne zu investieren. Mit Hilfe der prädiktiven Analyse kann der Marketingleiter auf Basis vergangener Messwerte, die Erwartungen der Zukunft ein Stück weit prognostizieren. Damit hat er eine viel bessere Entscheidungsgrundlage und verringert gleichzeitig die Wahrscheinlichkeit mehr Geld zu verlieren.

Was bedeutet prädiktive Analytik und wo wird es eingesetzt?

Der Begriff “prädiktiv” beschreibt das Etwas prognostiziert, berechenbar, anbahnend bzw. vorhersehbar ist. Im lateinischen wird die Bezeichnung “prae” erwähnt, welches als Adverb “voran”,  bzw. “voraus” bedeutet [1] . Die prädiktive Analytik 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.

Die prädiktive Analytik ist ein recht junger Teilbereich der Analytik und wird in vielen technologiegetriebenen Branchen eingesetzt. Eine der bekanntesten Anwendungen ist das Credit Scoring, das in allen Finanzdienstleistungen eingesetzt wird.

Zeitreihenmodelle werden zur Vorhersage oder Prognose des zukünftigen Verhaltens von Variablen verwendet

Die im Laufe der Zeit aufgenommenen Datenpunkte können interne Strukturen aufweisen die kaum vorhersehbar sind. Daher sollten Trends oder saisonale Schwankungen berücksichtigt werden. Infolgedessen können Standard-Regressionsverfahren nicht auf Zeitreihendaten angewendet werden. Dafür wurden spezielle Methoden entwickelt, um die Trend-, Saison- und Konjunkturkomponente der Serie zu zerlegen. Die Modellierung des dynamischen Pfades einer Variablen kann die Prognosen verbessern, da die vorhersehbare Komponente der Serie in die Zukunft projiziert werden kann [2].

Wie erstelle ich selbst eine prädiktive Analyse auf Basis meiner Daten?

Alteryx ist eines der bekanntesten Tools in diesem Bereich. Die Produkte des Unternehmens werden für die Datenwissenschaft und Analytik eingesetzt. Die Software wurde entwickelt, um fortgeschrittene Analysen zugänglich zu machen [3].

Das Analytics-Tool Alteryx, bietet eine kostenlose Testversion an. Die Preise für eine jährliche Lizenz starten ab ca. 5.000 Euro. Im folgenden Screenshot präsentiere ich einen Analytics-Workflow, wo Daten aus dem Facebook Werbeanzeigen Manager verwendet wurden, um wichtige KPIs wie die Click-Through-Rate, Cost-per-Click etc. vorherzusagen. Ich habe mich in meiner Zeitreihenanalyse für das ARIMA-Verfahren entschieden. ARIMA ist ein Akronym, das für Auto-Regressive-Integrated-Moving-Average steht. Es handelt sich dabei um eine Modellklasse, die eine Reihe von verschiedenen Standardzeitstrukturen in Zeitreihendaten erfasst. [4].

Workflow for predictive analytics based on arima for facebook business kpis

Die Grafik stellt den Fluss von Daten dar. Man fängt von links an zu lesen und bewegt sich nach rechts. Erstmal muss man auf einen Datensatz zugreifen, also eine “Quelle”, dazwischen kommen einige Verarbeitungsschritte bis es in eine “Senke” (Zieltabelle) zurückgeschrieben werden kann. Jeder Knotenpunkt stellt eine Operation dar. Knapp 70% meiner Zeit habe ich damit verbracht, die Daten in das richtige Format zu bekommen. Insgesamt habe ich für den Workflow knapp drei Arbeitstage benötigt. Dargestellt durch die “blauen” Knoten wird auch klar das ein Großteil des Workflows genau eben aus diesen Datenbereinigungsprozessen besteht.

Was war das Ergebnis meiner prädiktiven Analyse für die Facebook Business KPIs?

Im nachfolgenden Chart wird die Entwicklung der “CTR”, bzw. Click-Through-Rate eines Facebook Werbekontos dargestellt. Die CTR ist eine Social Media KPI, die das Verhältnis von Klicks zu Impressionen auf einer Werbeanzeige in Prozent berechnet. Die “blaue Linie” beschreibt den tatsächlichen Ist-Wert im täglichen Verlauf. Die anderen “Farben” grün, gelb, rot, orange und türkis, beschreiben mögliche Erwartungswerte basierend auf der prädiktiven Analyse. Klar, die CTR kann nicht negativ sein deswegen lassen wir die Betrachtung der “türkisen-Linie” außer Acht.

7 days forecast based on arima time series analysis and facebook ad manager click through rate

 

Wie man auf Basis einer prädiktiven Zeitreihen-Analyse Anomalien erkennen kann

Als Unternehmen ist es nicht nur wichtig Daten zu sammeln und auf einen “Haufen” zu werfen, siehe Big Data sondern eben diese Daten in Erkenntnisse umzuwandeln, siehe Smart Data. Wie oben beschrieben, kann man mit Hilfe der prädiktiven Analyse den Erwartungswert einer Kennzahl vorhersagen. Trifft diese Erwartung nicht ein, so spricht man von einer Anomalie, also einer Abweichung von der statistischen “Normalität”. In der Prüfung meiner eigenen Vorhersagen bin ich ziemlich nah an die tatsächliche Entwicklung der Kennzahl herangekommen.

time series forecast with predictive analytics based on facebook data in dashboard - abis reporting tool

Die CTR – Vorhersage hat sich als zutreffend herausgestellt. Es wurden auch einige Anomalien erkannt.

Von der prädiktiven Analyse zum intelligenten und digitalen Assistenten

Falls nun bestimmte Grenzen einer Kennzahl unter- oder überschritten werden, so kann innerhalb der Software ein intelligenter Alert ausgelöst werden. Diese Grenzen passen sich dynamisch im Laufe der Zeit je nach Erfahrungswert selbst wieder an. Der Algorithmus lernt so zu sagen selbständig mit. Dieses Prinzip kann flächendeckend auf unterschiedliche Zeitreihen und Dimensionen angewendet werden. So wäre es denkbar, eine komplette Webseite in Echtzeit zu monitoren um passive Benachrichtigungen erst dann zu erhalten, wenn sich auch wirklich etwas in den Daten ändert. Der intelligente Algorithmus übernimmt den Job es Analysten. Damit kommen wir dem Web Operating System noch einen Schritt näher. Für den Marketingleiter eine super Sache, denn damit muss er nicht mehr selbst, proaktiv in die Zahlen reinschauen. Er kann nun in Echtzeit reagieren und die Daten im Dashboard erst prüfen, wenn der digitale Analyse-Assistent interessante Vorkommnisse gemeldet hat.

 

Fazit: 

Mittels der prädiktiven Analytik kann man mit einer gewissen Wahrscheinlichkeit die Entwicklung einer Kennzahl vorhersagen und mit dem Abgleich der Ist-Werte auch Anomalien erkennen, falls der Erwartungswert nicht eintrifft. Man sollte jedoch darauf achten wie man die Parameter einstellt. Das kann von Industrie und Branche sehr unterschiedlich sein. Vor allem im Handel sind meist saisonale Schwankungen die Regel. Zum Beispiel das Kaufverhalten eines neuen Produktes vorherzusagen ist ziemlich schwer, wenn noch keine validen Erfahrungswerte vorhanden sind.

 

Quellen:

[1] http://www.enzyklo.de/Begriff/pr%C3%A4diktiv

[2] https://en.wikipedia.org/wiki/Predictive_analytics

[3] https://en.wikipedia.org/wiki/Alteryx

[4] https://machinelearningmastery.com/arima-for-time-series-forecasting-with-python/

 

Vor allem in Zeiten einer schwächelnden Konjunktur ist es für den Fortbestand eines Unternehmens unerlässlich eine Kostenanalyse zu betreiben. Mit einer umfangreichen Kostenanalyse können Kostentreiber und Einsparungspotentiale identifiziert werden. Hierbei sollte man nicht den Fehler machen, durch falsche Budgetkürzungen das Geschäft zurückzubauen. Für viele Unternehmen ist und bleibt die Kostenanalyse eine Gratwanderung.

Mit der Kosten-Nutzen-Analyse überflüssige Ausgaben erkennen

Bei dieser Analyse werden die Kosten und der entsprechende Nutzen miteinander verglichen. Dabei wird häufig eine zu erwartende Zielgröße einem Geldeinsatz gegenübergestellt. Im weitesten Sinne spricht man auch vom Return-on-Investment (ROI). Beim ROI wird die Profitabilität einer Investition gemessen.

Die Gedankengänge sind ähnlich, wenn man betrachtet wie viel Geld ein Mitarbeiter erwirtschaftet hat oder wie viel Zeiteinsparung eine Softwarelizenz für die Arbeitseffizienz bringt. Grundlegend ist es meist schwer zu sagen wie viel Einfluss denn nun ein Mitarbeiter auf die Gesamtleistung eines Unternehmens hat. Vielleicht sieht man den direkten Nutzen einer Arbeit auch erst wenn der entsprechende Mitarbeiter nicht mehr im Unternehmen ist? Klar ist, die Kosten zu ermitteln und auf einzelne Positionen aufzuschlüsseln ist relativ einfach. Den Nutzen aber direkt zuzuordnen nicht.

Big Data Analytics hilft bei der Bewertung des tatsächlichen Nutzens

Der Schlüssel für eine erfolgreiche Kostenanalyse, liegt in der Erhebung von quantitativen Messgrößen und deren regelmäßige Auswertung. In folgendem Artikel befinden sich die nötigen Schritte um eine Kostenanalyse zu erstellen. Wir beschäftigen uns primär nicht mit dem zu erwartenden Gewinn, sondern vielmehr mit Faktoren und Kennzahlen, die helfen können den tatsächlichen Nutzen einer Ausgabe zu ermitteln.

Es geht erstmal darum die richtigen Messgrößen zu definieren, an den relevanten Stellen zu erheben und auszuwerten.

Ein paar Beispiele für Performance-Kennzahlen:

  • Umsatz pro Mitarbeiter: Vor allem im Vertrieb eine nützliche Kennzahl um zu ermitteln wie viel Umsatz ein Mitarbeiter generiert hat. Die Kennzahl kann aber auch über den gesamten Jahresumsatz / Anzahl der Mitarbeiter berechnet werden.
  • Marketing ROI (ROMI): Errechnet sich aus den Werbeausgaben, zum Beispiel nach Plattform aufgeschlüsselt. Man möchte wissen, welche Werbeausgaben an welchen Platzierungen, wie viele Abschlüsse und welche Abschlusswerte erzielt haben. Zum Tracking dieser Kennzahlen kann ein Webanalyse Tool eingesetzt werden.
  • EBIT – Earnings before interest and taxes pro Mitarbeiter: Der EBIT ist der Gewinn vor Steuern und wird meist zu Ende eines Jahres berechnet, kann aber auch während des Jahres laufend berechnet und ausgewertet werden. Das geschieht meist auf monatlicher Basis. Wenn man nun wissen möchte wie viel Gewinn ein Mitarbeiter im Durchschnitt erwirtschaftet so kann man dies wie folgt berechnen. EBIT / Anzahl der Mitarbeiter = Erwirtschafteter Gewinn pro Mitarbeiter

Um dies überhaupt erst zu ermöglichen müssen die korrekten Kennzahlen aus dem Unternehmen gemessen und analysiert werden. Dies kann sich von einem Spreadsheet, welches ein Mitarbeiter am Ende eines Tages ausfüllt bis hin zu einem automatisierten und komplexen Tracking-Verfahren erstrecken. Es gilt immer abzuwägen was im Rahmen einer Messung für Aufwand sinnvoll ist denn selbst hier muss der Nutzen klar abgewogen werden.

Binden Sie ihre Mitarbeiter in den Vorgang der Kostenanalyse mit ein und schaffen Sie Transparenz

Die Mitarbeiter sind das Gold Ihres Unternehmens. Gleichzeitig nehmen die Personalkosten meist auch den höchsten Kostenanteil ein. Keiner möchte Schwächen preisgeben oder gar seinen Arbeitsplatz verlieren. Als Führungskraft sollten Sie daher sehr vorsichtig mit dem Thema umgehen denn demotivierte und gar in der Luft hängende Mitarbeiter bringen nur Unruhe in den Betrieb und sorgen dafür das eine “Ellenbogen-Atmosphäre” aufkommt.

team play is important for mastering crisis in companies

Gemeinsam als Team kann man Krisen besser meistern

Sorgen Sie dafür das ihre Mitarbeiter selbst Vorschläge zur Messung von Kennzahlen zur Bewertung der Kosten und des Nutzens mitbringen. Es kann sogar sein das ihre Mitarbeiter Ideen mitbringen an die sie selbst gar nicht gedacht hatten. Der nötige Respekt und die Transparenz sorgen dafür, das sich Mitarbeiter aktiv in diesen komplexen Prozess einbinden. Am Ende entscheidet das Team was wichtig und relevant ist. So kann jedes Unternehmen eine Krise meistern.

Mit einem Social Business Intelligence Tool können Auswertungen Spaß machen

Social Business Intelligence bindet ihre Mitarbeiter da ein wo die Analyse stattfindet. Gleichzeitig kann mit dem Faktor “social”, wie in einem sozialen Intranet gemeinsam über Ausgaben diskutiert werden um kollektive Entscheidungen zu treffen, die von allen Mitarbeitern mitgetragen und mitbestimmt werden können.

data driven marketing dashboards on smartphone with group of people

Business Intelligence Lösung der ABIS Analytics Cloud für die Kostenanalyse einsetzen – Hier mehr erfahren

Was ist die TDWI Konferenz überhaupt?

Auf der TDWI Konferenz in München treffen sich einmal im Jahr die größten Spieler der Data Analytics und Business Intelligence Branche um sich über aktuelle Themen und Trends im dem Umfeld auszutauschen. Die Konferenz wird vom TDWI-Verein organisiert. Der Verein ist einer der größten Business-Intelligence-Wissensplattformen und Netzwerke in Europa.

Dieser hat über 6.000 Mitglieder weltweit und allein in Deutschland 1.200 Mitglieder. Das Format stammt ursprünglich aus den USA und hat in Europa seinen Siegeszug fortgesetzt. Seit 15 Jahren treffen sich BI-Experten, BI-Projektleiter, Leiter BICC, Business & Data Analysts und Consultants auf der TDWI Konferenz um sich fachlich auszutauschen, das Netzwerk zu erweitern und voneinander zu lernen. Auch dieses Jahr gab es wieder spannende Vorträge zu Analytics, Machine Learning, AI, Data Science, Cloud, Digitalisierung, IoT u.v.m.

 

Der BI-Markt wächst das spürt man auch auf der TDWI-Konferenz

Der Business Intelligence Markt wächst laut einer Erhebung der Stratistics MRC jedes Jahr um durchschnittlich 11%. Bis Ende des Jahres 2022 soll dieser einen jährlichen Umsatz von weltweit knapp 30 Mrd. US-Dollar erreichen. Diese Euphorie ist auch auf der TDWI-Konferenz in München deutlich zu spüren. Jedes Jahr kommen mehr Besucher und Formate dazu. Mit Trendthemen wie künstliche Intelligenz, Cloud Analytics und Hackathons konnte die Konferenz deutlich punkten. Es ging primär darum, gemeinsam zu lernen und nicht nur seine Produkte zu vermarkten.

Rick van der Lans Vortrag zum Thema Big SQL Lösungen

SQL lebt, sei kein stumpfer Nachläufer

Besonders gut haben mir die Vorträge von Rick van der Lans gefallen. Die Themen erstreckten sich von Datenvirtualisierung, Big SQL Lösungen bis hin zur Datenarchitektur. Im Konsens bestand seine witzige Art und Weise, die Dinge perfekt und verständlich zu erklären darin, nicht allen neuen Trends hinterher zu laufen, sondern hinter die Kulissen zu schauen und fachlich an guten Konzepten zur Datenmodellierung bzw. Architektur zu arbeiten. Am Ende seien die meisten Technologien auch nur weitere Instrumente um grundlegende Probleme zu lösen. Angefangen bei der Anforderungsanalyse bis hin zur Umsetzung eines Business Intelligence, oder Big Data Projektes kann entweder alles kompliziert oder pragmatisch gelöst werden. Viele weitere spannende Vorträge aus dem TDWI Programm in 2019 haben gezeigt was möglich ist und was getan werden kann um BI-Projekte erfolgreich umzusetzen.

Rick van der Lans zum Thema Big Data Architektur am letzten Tag der Konferenztages

Vor allem Spaß soll es auf der TDWI-Konferenz in München machen

Das ist das Motto der Young Guns. Die Young Guns sind eine Initiative des TDWI e.V. um auch die junge Generation von dem Thema Business Intelligence zu begeistern. Wer bei den Young Guns und dem Verein Mitglied ist profitiert von tollen Networking Events und einem fundierten Expertenaustausch. Regelmäßig werden neue Veranstaltungen geplant und das in der gesamten DACH-Region. Als Neuankömmling der Young Guns freue ich mich gemeinsam mit den Kollegen den Raum München zu repräsentieren und den Verein zu unterstützen.

An dem Stand der Young Guns wurde Mario Cart gespielt :-)

Fazit zur TDWI Konferenz 2019 in München

Es hat sich auf jeden Fall gelohnt dabei zu sein und sich mit der kleinen aber feinen Business-Intelligence-Gemeinschaft zu vernetzen. Viele spannende Fachvorträge sehr viel Wissenstransfer und die besten Kontakte aus der Branche sind mein Fazit zur Konferenz. Ich werde auch nächstes Jahr gerne wieder teilnehmen und eventuell in den kommenden Jahren vielleicht sogar selbst Fachvorträge halten und die Besucher mit spannenden Themen aus der Business Intelligence und Big Data Analytik begeistern 🙂