Advanced Analytics – Vorhersage und Optimierung für eine proaktive Entscheidungsfindung

Advanced Analytics ist eine Datenanalysemethode, die Modellierung, maschinelle Lernalgorithmen, Deep Learning, Prozessautomatisierung und andere statistische Methoden zur Analyse aus einer Vielzahl von Datenquellen verwendet [9]. Zu ihr gehören die Verfahren der prädiktiven und der präskriptiven Analytik. Advanced Analytics nutzt die Datenwissenschaft über die traditionellen Operational-Intelligence- Methoden hinaus, um Muster vorherzusagen und die Wahrscheinlichkeit zukünftiger Ereignisse abzuschätzen. Dies wiederum kann in Produktionsprozessen helfen, reaktionsschneller zu sein und die Genauigkeit bei der Entscheidungsfindung deutlich zu erhöhen.

Mithilfe der prädiktiven Analytik können bisherige Beobachtungen vorhergesagt und dargestellt werden. Es erfolgt eine Vorhersage von Ereignissen auf Basis von empirischen Daten über zurückliegendes Verhalten. Mit den Erkenntnissen aus der deskriptiven und diagnostischen Analyse kann die prädiktive Analyse genutzt werden, um Cluster, Tendenzen oder vielleicht Ausnahmen zu erkennen, die eine bestimmte Vorhersage ermöglichen. Dabei wird versucht, die Frage zu beantworten: Was wird wahrscheinlich passieren?

Die Mustererkennung analysiert die eingehenden Daten und versucht, Muster zu erkennen. Während die explorative Mustererkennung darauf abzielt, Datenmuster im Allgemeinen zu erkennen, beginnt die deskriptive Mustererkennung mit der Kategorisierung der erkannten Muster. Die Mustererkennung befasst sich also mit beiden Szenarien, und je nach Anwendungsfall und Form der Daten werden unterschiedliche Mustererkennungsmethoden angewandt. Mustererkennung und Entscheidungsfähigkeit ist die Grundlage für Vorhersagen (Was, wenn diese Trends anhalten? Wie viel ist erforderlich? Wann ist es erforderlich?). 

Das Ziel von Prognosemodellen ist es, zukünftige Ereignisse frühzeitig und besser einschätzen zu können. Insbesondere bei immer komplexeren Abläufen und Prozessen ist ein solches Wissen von entscheidendem Vorteil. Je differenzierter ein Prognosemodell ist, desto genauer wird es Vorhersagen treffen. Um verlässliche Vorhersagen zu erhalten, ist es nicht immer notwendig, möglichst viele Daten auszuwerten – mehr bedeutet nicht automatisch eine bessere Qualität der Vorhersagen. Prognosen und datengesteuerte Entscheidungen beinhalten mögliche zukünftige Entwicklungen (Was wird als Nächstes passieren? Wie wirkt sich auf meine Prozesse aus? Wann ist sehr wahrscheinlich womit zu rechnen?).

Präskriptive Analytik beinhaltet die Empfehlung optimaler Maßnahmen auf Basis von prädiktiver Analytik. All die bisherigen Beobachtungen und Vorhersagen sind großartig, aber wie können wir daraus konkrete Maßnahmen ableiten? Es bleibt nicht nur bei Vorhersagen. Wir würden vorzugsweise direkt auf diese Signale reagieren. Mit präskriptiver Analytik erstellen wir einen konkreten Ratschlag, was passieren soll, bis hin zur direkten Umsetzung.

Die Online-Optimierung dient der kontinuierlichen Überwachung des Prozesses und der Vorhersage eines optimalen Ablaufes durch Modellbezug. Sie umfasst modellbasierte Software, die eine vollautomatisierte adaptive Rückkopplung mit intelligenten Systemen zur Steuerung des Prozesses verwendet wird. Die Ergebnisse der Optimierungssoftware können dem Bediener in Form von Entscheidungsunterstützungenpräsentiert oder als neue Zielvorgabe für eine untergeordnete Regelstrategie automatisch festgelegt werden (Warum wird etwas geschehen? Was ist die beste Entscheidung für ein komplexes Problem? Welche Maßnahmen müssen wir ergreifen, um das zu verhindern?).

3 / 4