Predictive Analytics – Durch den Rückspiegel in die Zukunft blicken

Kategorie: Web Controlling

Web Analytics ist eine Disziplin, in der sich großteils mit Daten beschäftigt wird, deren Ursprung in der Vergangenheit liegt. Dabei sind Blicke in die Zukunft für Unternehmen häufig genauso wichtig. Wie wird sich das Verhalten meiner Nutzer ändern?, Was für Wünsche werden meine Kunden haben?, Wie wird sich der Markt, in dem ich mich bewege, verändern, und was kann ich tun, um mich dafür optimal aufzustellen? Predictive Analytics, also vorhersagende Analysen, können dabei helfen, diese Fragen zu beantworten. Aber was genau sind Predictive Analytics, und was für ein Zusammenhang besteht zu Web Analytics?

Web Analytics und Predictive Analytics

Wie Web Analytics auch, gehören Predictive Analytics zur Business Intelligence (BI), also der zentralen Erhebung und Analyse von Daten. Der Unterschied zwischen den beiden Konzepten besteht in der Orientierung an Vergangenheitsdaten bei Web Analytics und in der Feststellung von künftigen Ereignissen bei Predictive Analytics. So werden Letzterem anhand vorhersagender Analysetechnik Prognosen und Vorausschauen erstellt.

Fortschritt durch Technologien

Diese Zukunftsprognosen werden dank des rasanten Fortschritts der Technologie immer detaillierter und zuverlässiger. Maschinelles Lernen ermöglicht es schon heute, die Datenverarbeitung sukzessiv zu automatisieren und zu priorisieren. Durch Algorithmen und Modelle werden Daten klassifiziert, geclustert, oder es werden durch andere Analysen, wie zum Beispiel der Regression, Trends erkannt und Vorhersagen erstellt. Prognosen können so  schon innerhalb kurzer Zeit und mit einer sehr hohen Genauigkeit angefertigt werden.

Nutzen der eigenen Datenbasis

Neben dem breiten Angebot an Softwaredienstleistern, die Lösungen für Predictive Analytics anbieten, und dem Einsatz von Hochleistungsrechnern können auch die eigenen Web-Analytics-Daten genutzt werden. Der Einsatz eigener Daten ist oft sinnvoll, da viele Unternehmen bereits Analyse-Tools wie Google Analytics nutzen, womit eine entsprechende Datenbasis vorhanden ist. Wieso diese also nicht nutzen, um über den Tellerrand hinauszuschauen?

Google Analytics für den Blick in die Zukunft

Google Analytics ist ein Tool, das vergangenheitsbezogene Daten liefert. Wie also mit den daraus gewonnenen Daten eine Zukunftsprognose erstellen?

Die Antwort liefert die Google-Analytics-API, welche sich für verschiedene Zwecke nutzen lässt. Bringt man die API mit einem Predictive-Analytics-Tool, wie beispielsweise dem R Add-On TimeKit, alternativ der Open Source Software Prophet oder Data-Mining-Tools wie KNIME oder RapidMiner zusammen,  erhalten wir Forecasts, mit denen gearbeitet werden kann.

Lässt  man beispielsweise die Anzahl der Sitzungen* mittels der  Google-Analytics-API in eines der Predictive-Analytics-Tools laufen, so können die erwarteten Sitzungszahlen für die nächsten Monate berechnet werden. Diese Berechnungen lassen sich mit vielen weiteren Metriken durchführen. So können unter anderem auch Prognosen für die Entwicklung der Traffic-Kanäle, der Seitenaufrufe und Nutzer erstellt werden.

Um erfolgreich mit den verschiedenen Tools arbeiten zu können und deren Zusammenspiel zu beherrschen, sind  tiefer gehendes Wissen für die eingesetzte Software und Statistik-Skills ein absolutes Muss.

Zukunftsprognosen sind möglich

Das Grundprinzip der Predictive Analytics ist also das Wissen über Ereignisse, die mit hoher Wahrscheinlichkeit in der Zukunft stattfinden werden, dazu zu nutzen, auf Veränderungen bereits vor ihrem Eintreten reagieren zu können. Google Analytics liefert uns detaillierte Rohdaten, mit denen sich aussagekräftige Prognosemodelle erstellen lassen. Das gilt für eine Vielzahl von Metriken, Dimensionen und Kanäle. Die Zukunft zu kennen bietet – das liegt auf der Hand – viele Vorteile, eine erfolgreiche Strategie für die Zukunft zu erstellen. Und das Schönste ist: Die Werkzeuge, um genau das möglich zu machen, gibt es schon heute.

Tools Predictive Analytics

R Add-On TimeKit

R ist eine Programmiersprache und Entwicklungsumgebung für statistische Berechnungen und Visualisierungen, die beispielsweise lineare und non-lineare Modellierungen, klassische statistische Tests und Klassifikationen umfasst. R kann durch eine Vielzahl von Erweiterungen angereichert werden.

Prophet

Bei Prophet handelt es sich um ein Forecasting-Feature, welches – in R oder Python implementiert  automatisierte Prognosen über Zeitreihendaten liefert. Es basiert auf einem Modell, das non-lineare Trends sowie Saisonalitäten analysiert und auf Basis der historischen Daten Voraussagen entwickelt.

KNIME

„Konstant Information Miner” ist eine Software zur Datenanalyse. Mit KNIME sind nicht nur prediktive Analysen möglich, es werden auch andere Verfahren in den Kontexten  Machine Learning und Data Mining angeboten. Das grafisch aufbereitete User Interface ermöglicht einfaches Data Processing (Extraction, Transformation, Loading) zu Modellierungs- und Analysezwecken.

RapidMiner

Die Data Science-Plattform RapidMiner bildet eine Umgebung für Machine Learning, Text Mining, Predictive Analytics. Ähnlich wie KNIME bietet RapidMiner viele Prozeduren aus den Bereichen Machine Learning und Data Mining wie beispielsweise Predictive Analytics und statische Modellierung.

Haben Sie Fragen? Fragen Sie uns! Hier klicken

Einen Kommentar hinterlassen

Suchbegriff eingeben und mit Enter Suche starten