Abteilung Analytics

Forschungsschwerpunkte der Abteilung

• Descriptive Analytics
  Bei Descriptive Analytics werden Vergangenheits- oder Statuswerte aufgenommen und anschließend interpretiert. Mit ihnen wirft man sozusagen den Blick zurück und stellt aus den Ergebnissen den Zusammenhang zur Gegenwart her bzw. zieht Rückschlüsse auf mögliche Ursachen der gegenwärtigen Situation. Im Unterschied zu Business-Intelligence-Methoden, die in der Regel mit vorliegenden Datensätzen arbeiten, die aus der Vergangenheit stammen, setzen moderne Descriptive Analytics Methoden auf die wachsenden Automatisierungs- und Vernetzungsmöglichkeiten, mit denen Daten möglichst in Echtzeit zur Verfügung gestellt und entsprechend analysiert werden können. Klassische Beispiele sind Korrelations- und Kausalitätsanalysen zur vergleichenden Analyse von Märkten und Unternehmensprozessen. Zur Assoziationsanalyse kommt z. B. häufig der Apriori-Algorithmus zum Einsatz.
• Predictive Analytics
  Die mit Descriptive Analytics gesammelten und interpretierten Daten sind die Voraussetzung für die nächste Reifestufe von Data Analytics: Predictive Analytics. Mit Methoden der Predictive Analytics werden anhand unterschiedlicher Daten und Kriterien aktuelle Abläufe und Ereignisse automatisiert bewertet, um möglichst präzise Vorhersagen – also Prognosen – treffen zu können. Hier geht es darum, mit Hilfe von mathematischen Verfahren und Modellen ein wahrscheinliches Szenario aufzuzeigen. Dazu werden Daten nach Mustern durchsucht, Modelle abgeleitet und auf aktuelle Daten angewandt. Klassische Beispiele sind Zeitreihenmodelle zur Vorhersage von Bedarfen sowie die Klassifizierung von Abläufen oder zur Problemanzeige mithilfe von Entscheidungsbäumen und Ensemble-Methoden wie z. B. Random Forest.
• Prescriptive Analytics
  Aufbauend auf den Prognosen der Predicitve Analytics können mit Hilfe von Prescriptive Analytics Vorgaben für die Planung und Steuerung von Prozessen abgeleitet werden. Dazu werden mathematische Modelle zur Bewertung zukünftiger und alternativer Szenarien benötigt, die mit aktuellen Daten bespielt werden. Das Ergebnis sind individuelle Handlungsempfehlungen, mit denen Ereignisse oder Trends aktiv beeinflusst werden können. Klassische Lösungsmethoden sind gemischt-ganzzahlige-Programmierung sowie problemspezifische Heuristiken zur Ermittlung optimaler Systemkonfigurationen.