Predictive Analytics – ein Strategie-Tool für Unternehmen

Als Gegenstück zu den grossen Marktforschungsunternehmen wie Ipsos oder Nielsen entwickeln sich Schweizer Start-ups und Agenturen, welche die Wirtschaftsriesen zu den künftigen Trends ihrer Märkte beraten.

Ein Mann betrachtet eine Projektion mit Grafiken und einem Datennetz.

Die Firma Black Swan in London kann vorhersagen, wann Erbsenmilch, Nahrungsergänzungsmittel mit Gaba (eine entspannend wirkende Aminosäure) oder Bakuchiol (ein Molekül gegen Akne) durchstarten werden. Dafür nutzt sie unter anderem Daten, die sie in sozialen Netzwerken, Foren und Online-Kommentaren sammelt. Denn diese Big Data erzählen etwas über den Kunden. Sie können Auskunft darüber geben, wie er konsumiert oder welches Produkt er wahrscheinlich kaufen würde. Wenn Unternehmen diese Daten nutzen, können sie ihre Strategien verfeinern.

Auch in der Schweiz gibt es eine Reihe von Firmen, die solche Dienstleistungen anbieten, zum Beispiel die auf Finanzen spezialisierte SwissQuant Group in Zürich oder die Digital Luxury Group in Genf. Das Unternehmen Swiss Statistical Design & Innovation (Swiss-SDI) hat seinen Sitz in Vaulruz (FR) und beschäftigt vier Personen. Es ist auf die Verwertung von Daten spezialisiert, die in den meisten Fällen von den Kunden selbst geliefert werden. "Unsere Kunden sind sich bewusst, wie wichtig Daten sind, aber manchmal sind sie ein bisschen verloren", erklärt Brice Repond, Data Scientist und Mitgründer von Swiss-SDI. Diese Daten zu sortieren und zu analysieren ist daher für ihr Verständnis unerlässlich. Doch vorher muss eine Problemstellung formuliert werden. "Hinter dem Begriff "Prediction" verbirgt sich immer eine sehr konkrete Frage", betont Xavier Bays, ebenfalls Data Scientist und Mitgründer von Swiss-SDI. "Für uns ist es wichtig, mit klar definierten Themen zu arbeiten."

Klassifikation vs. Regression

Man kann die Probleme der Kunden in zwei grosse Gruppen einteilen: Klassifikation und Regression. "Die Klassifikation besteht darin, eine Kategorie zu definieren", erklärt Xavier Bays. "Zum Beispiel: Ein bestimmter Kunde wird sich für ein bestimmtes Produkt interessieren. Bei der Regression sagt man eine Zahl voraus, zum Beispiel den Wert des Warenkorbs." Nach der Bereinigung und Anreicherung der Daten erfolgt die Verarbeitung durch einen Algorithmus. "Für einen Stromversorger haben wir mit den Energie-Tradern gearbeitet", erzählt Brice Repond. "Die müssen den Stromverbrauch für den folgenden Tag im Stundentakt vorhersagen. Das ist Regression auf der Basis von früheren Daten. Es geht darum, aus dem Verhalten der Kunden zu lernen, um einen Wert vorherzusagen." Die Projekte dauern zwischen einer Woche und mehreren Monaten.

In Lausanne arbeiten die fünfzehn Angestellten von Datapred, das im Innovation Park der EPFL ansässig ist, vor allem für grosse Industriekonzerne, die Rohstoffe kaufen. "Unsere Daten kommen von ziemlich traditionellen Informationssystemen (integrierte Management-Software ERP, Anbieter von Finanzdaten). Es handelt sich um grundsätzlich "saubere" Daten aus einem kontinuierlichen Datenstrom. Diese beiden Eigenschaften wirken sich auf die Art des Machine Learning aus, das man für die Verarbeitung der Daten benötigt", erklärt Geschäftsführer Thomas Oriol. "Unsere Software ist aussagekräftig, sobald ein Unternehmen einen Rohstoff oder einen Energieträger für mehr als CHF 50'000'000 pro Jahr einkauft."

Das Ziel ist, den Unternehmen eine Optimierung ihrer Rohstoffkäufe zu ermöglichen. "Die Software bietet Vorhersagen zu Trends oder zur Preisvolatilität und identifiziert die Faktoren, die sich zum Zeitpunkt T auf den Preis auswirken. Ausserdem bietet sie Szenarien zur mittel- und langfristigen Entwicklung von Preisen und Margen." Laut Oriol können die Konzerne so bei ihren Einkäufen 3 bis 5% sparen und das Preisrisiko, dem sie ausgesetzt sind, besser erfassen.

Vorteile von KMU

Aber wie kann man angesichts der Riesen, die auf dem Markt präsent sind, einen guten Stand erreichen? Nach Meinung der beiden Freiburger haben KMU den Vorteil, dass sie näher an ihren Kunden sind. "Wir fertigen Produkte nach Mass", erklärt Brice Repond. "Wir konzentrieren uns auf die realen Bedürfnisse der Kunden, damit wir den Datensatz so umwandeln können, dass er möglichst aussagekräftig ist." Xavier Bays nimmt Google als Beispiel: "Google zeigt die Zugfahrpläne an, aber nur allgemein. Die Nutzer gehen also mehrheitlich trotzdem auf die Website oder die App der SBB, die Verspätungen oder mögliche Zugausfälle angibt und gezielt auf ihre Bedürfnisse eingeht."

KMU seien häufig stärker spezialisiert und könnten Software anbieten, die eigens für eine bestimmte Branche entwickelt wurde, meint Thomas Oriol. Er macht deutlich: "Die Vorhersagen sind nur ein Teil der Arbeit. Ohne die anderen digitalen Dienstleistungen wie die Bewertung der Lagerkapazität oder des Produktionsbedarfs würden die Datenanalyse und die allgemeinen Vorhersagen die Kunden nicht weit bringen."


Informationen

Zum Thema

"Die KMU sollten sich mehr für Big Data interessieren"

Big Data revolutionieren die Industrie. Während sich die Wende Schritt für Schritt vollzieht, haben viele Schweizer Unternehmen noch Mühe, dieses Instrument wirklich in ihr Geschäftsmodell zu integrieren. "Die KMU sollten sich mehr für Big Data interessieren. Vielleicht ist ihnen noch nicht ausreichend bewusst, was sie alles mit diesen Daten machen können", erklärt Data Scientist Brice Repond. "Oder ihnen fehlt das nötige Geld. Ich würde es gut finden, wenn sie dafür mehr finanzielle Unterstützung bekämen."

Am wichtigsten sei der Return on Investment (ROI), meint Xavier Bays, ebenfalls Data Scientist: "Man muss bereit sein, Risiken einzugehen, und darf nicht abwarten, bis man sieht, wie es bei der Konkurrenz läuft."

Letzte Änderung 04.11.2020

Zum Seitenanfang

News und nützliche Informationen für Gründer und Unternehmer
https://www.kmu.admin.ch/content/kmu/de/home/aktuell/monatsthema/2020/predictive-analytics-ein-strategie-tool-fuer-unternehmen.html