Die Kombination aus einer zunehmend komplexer werdenden Welt, der enormen Ausbreitung von Daten jeder Art und der dringenden Notwendigkeit, dem Wettbewerb stets einen Schritt voraus zu sein, hat die Verwendung von Business Analytics in den Mittelpunkt der Aufmerksamkeit von Unternehmen gerückt. Doch lediglich zu wissen, was warum passierte, ist nicht mehr ausreichend. Unternehmen wollen verstehen, was aktuell passiert und gleichzeitig antizipieren, was in der Zukunft passieren wird, um durch die richtigen Entscheidungen optimale Ergebnisse zu erzielen. Dieser neue Schwerpunkt im Bereich Business Analytics wird Predictive Analytics genannt und erfreut sich steigender Beliebtheit im Geschäftsumfeld. Die vorliegende Bachelorarbeit beschäftigt sich deswegen mit dieser zukunftsorientierten Disziplin und evaluiert dabei deren Nutzen und Einsatzmöglichkeiten in ausgewählten Industrien unter Verwendung des Beispiels der IBM Predictive Analytics Software SPSS. Dabei geht sie zunächst auf veränderte Marktbedingungen und neue Geschäftsanforderungen ein und illustriert dann, wie diese durch Predictive Analytics adressiert werden. Nach dem Aufzeigen von Möglichkeiten zur Quantifizierung des Nutzens einer Predictive Analytics-Lösung werden die verschiedenen Nutzenpotenziale kategorisiert nach Anwendungsgebieten und Industrien dargestellt. Um den Bezug zur Praxis herzustellen, werden diese in der Theorie gefundenen Nutzenpotenziale anschließend im Rahmen einer Anwendungsfallanalyse des IBM SPSS Kundenportfolios auch in praktischen Anwendungen identifiziert und den jeweiligen Industrien zugeordnet. Die entstehende Kategorisierung der Anwendungen nach Nutzen und Industrie erlaubt schließlich einen Vergleich der Ergebnisse mit den in der Literatur identifizierten Trends und zeigt, dass das Thema Predictive Analytics sowohl in der Theorie als auch in der Praxis zunehmend an Bedeutung gewinnt.
Inhaltsverzeichnis
- Kurzfassung
- Abstract
- Inhaltsverzeichnis
- Abbildungsverzeichnis
- Abkürzungsverzeichnis
- Evaluierung von Nutzen und Einsatzmöglichkeiten von Predictive Analytics in ausgewählten Industrien am Beispiel der IBM Software SPSS
- Das analytische Zeitalter – Predictive Analytics als Wettbewerbsvorteil
- Zielsetzung und Struktur der Arbeit
- Forschungsdesign und Herangehensweise
- Predictive Analytics als nächste Stufe analytischer Entscheidungsfindung
- Fokusverlagerung im Bereich Business Intelligence
- Neuer analytischer Ansatz als Antwort auf veränderte Geschäftsanforderungen
- Veränderte Marktumgebung zur Begünstigung von Predictive Analytics
- Adressierung neuer Geschäftsanforderungen mit Predictive Analytics
- Die vier Säulen analytischen Wettbewerbs
- Konzeptionelle Architektur einer Predictive Analytics-Lösung
- Die Rolle der Statistik im Bereich Predictive Analytics
- Die drei Ausprägungen der Statistik
- Auswahl statistischer Methoden für den Einsatz von Predictive Analytics
- Bestandteile der IBM SPSS Predictive Analytics Suite
- Nutzen und Einsatzmöglichkeiten von Predictive Analytics im Geschäftsumfeld
- Möglichkeiten zur quantitativen Werterfassung einer Predictive Analytics-Lösung
- Typische Anwendungsszenarien in der Literatur – eine Metaanalyse
- Der Kunde im Fokus der Strategie im Bereich Customer Life Cycle Management
- Operational Excellence – Optimierung von Geschäftsprozessen und Organisation
- Minimierung von unternehmerischem Risiko und Aufdeckung von Betrug
- Adressierung spezifischer geschäftlicher und funktionaler Anforderungen ausgewählter Industrien durch Predictive Analytics
- Bankwesen
- Versicherungsbranche
- Telekommunikationsbranche
- Handel
- Industrieller Sektor
- Öffentlicher Sektor
- Kategorisierung der IBM SPSS-Anwendungsfälle im Bereich Predictive Analytics nach Nutzenkategorien und Industrien
- Datenbasis der Auswertung und Einschränkungen der wissenschaftlichen Interpretierbarkeit
- Definition der Achsen der Kategorisierungsmatrix
- Analyse und Verteilung der Anwendungsfälle
- Verteilung innerhalb der Nutzenkategorien und Industrien
- Aggregierte Betrachtung der Nutzenpotenziale und Industrien
- Vergleich der Ergebnisse mit der Metaanalyse
- Exemplarische Beschreibung dreier Fallstudien aus den identifizierten Fokusgebieten
- Die Rolle der menschlichen Intuition im wachsenden Geschäft mit Informationen
- Quellenverzeichnis
- Literaturverzeichnis
- Internetquellen
- Anhang
- Anhang A: Grafiken
- Anhang B: Anwendungsfall-Analyse
- Analyse der veränderten Marktumgebung und neuen Geschäftsanforderungen
- Erörterung, wie Predictive Analytics diese Herausforderungen adressiert
- Kategorisierung der Nutzenpotenziale von Predictive Analytics nach Industrien und Anwendungsbereichen
- Vergleich der Ergebnisse mit aktuellen Trends in der Literatur
- Bewertung der Rolle von Predictive Analytics im Wettbewerbsumfeld
- Kapitel 1: Einführung in das analytische Zeitalter und die Bedeutung von Predictive Analytics als Wettbewerbsvorteil. Die Arbeit erläutert die Zielsetzung und Struktur.
- Kapitel 2: Analyse der Entwicklung von Business Analytics und die Bedeutung von Predictive Analytics als neue Stufe der analytischen Entscheidungsfindung. Es werden die veränderte Marktumgebung, neue Geschäftsanforderungen und die konzeptionelle Architektur einer Predictive Analytics-Lösung beleuchtet.
- Kapitel 3: Ausführliche Beschreibung der Nutzen und Einsatzmöglichkeiten von Predictive Analytics im Geschäftsumfeld. Es werden die Möglichkeiten zur quantitativen Werterfassung einer Predictive Analytics-Lösung, typische Anwendungsszenarien und die Adressierung spezifischer Anforderungen verschiedener Industrien diskutiert.
- Kapitel 4: Kategorisierung der IBM SPSS-Anwendungsfälle im Bereich Predictive Analytics nach Nutzenkategorien und Industrien. Es werden die Datenbasis, die Definition der Kategorisierungsmatrix, die Analyse und Verteilung der Anwendungsfälle sowie der Vergleich mit der Metaanalyse aus Kapitel 3 dargestellt.
- Kapitel 5: Diskussion der Rolle der menschlichen Intuition im wachsenden Geschäft mit Informationen.
Zielsetzung und Themenschwerpunkte
Die Bachelorarbeit befasst sich mit der Evaluierung von Nutzen und Einsatzmöglichkeiten von Predictive Analytics in verschiedenen Industrien. Ziel ist es, die Vorteile und Anwendungsbereiche dieser zukunftsorientierten Disziplin aufzuzeigen und anhand von Beispielen aus der Praxis zu verdeutlichen.
Zusammenfassung der Kapitel
Schlüsselwörter
Predictive Analytics, Business Analytics, IBM SPSS, Customer Life Cycle Management, Operational Excellence, Risiko- und Betrugsmanagement, Industrien, Anwendungsfälle, Nutzenpotenziale.
- Arbeit zitieren
- Jana Maué (Autor:in), 2012, Evaluierung von Nutzen und Einsatzmöglichkeiten von Predictive Analytics in ausgewählten Industrien am Beispiel der IBM Software SPSS, München, GRIN Verlag, https://www.grin.com/document/207788
