DATA ANALYSIS

Für die Beantwortung von Unternehmensfragen oder zur Automatisierung von Entscheidungen und Prozessen sind deskriptive Analysen ebenso relevant wie Machine Learning Verfahren. Unterstützung von Controlling Prozessen, Generierung von Customer Insights oder auch die Automatisierung von Beschaffungs- und Planungsprozessen gehören bereits jetzt zu unseren umgesetzten Use Cases namhafter Konzerne.

Wir ermitteln die optimalen Methoden für Ihre Problemstellungen aus verschiedenen Machine Learning Disziplinen, wie Regression, Klassifizierung und Clustering. Mit Hilfe von state-of-the-art Algorithmen, wie Neuronale Netze, Random Forrests, Support Vector Machines, K-Means-Clustering, erstellen unsere Data Scientists in kurzen iterativen Phasen erste Modelle auf Basis von Machbarkeitsstudien. Ziel ist hierbei ein „minimum viable product“ (MVP) innerhalb eines Sprints zu generieren, um erste Prognosen über die tatsächliche produktive Implementierung treffen zu können.
Zudem erarbeiten wir Vorschläge zur Datengewinnung, um Modelle zu verbessern und unterstützen dabei bei der Implementierung, Qualitätssicherung und Betrieb, um die Piloten in den operativen Alltag zu integrieren.

weitere IT-Services:

Reporting & Analytics

Application Management

Offshoring & Nearshoring

unsere Consulting-Services:

Prozessberatung

Veränderungsmanagement

Digitalisierung

UX-Design

Ihr Nutzen:

Abhebung von der Konkurrenz
Minimieren von Risiken
Verbesserung von Kundenbindungen
Erhöhung der Produktivität
Automatisierung von Entscheidungen und Prozessen

Technologien:

SparkML
SAP PAL
TensorFlow
Python, Java, Scala, R

Unmengen an Daten sammeln sich von ganz alleine an. Die Kunst ist es, daraus unternehmensrelevante Informationen abzuleiten.

Andreas Berghammer
MANAGING CONSULTANT

+49 89 45139-167
andreas.berghammer@procon-it.de

Andreas Berghammer
MANAGING CONSULTANT

+49 89 45139-167
andreas.berghammer@procon-it.de

Wie kann ich mir die Arbeit eines Data Analyst vorstellen?

Bevor wir in unserem Alltag eine Entscheidung treffen, denken wir daran, was beim letzten Mal passiert ist oder passieren wird, wenn wir uns für diese bestimmte Entscheidung festlegen. Das ist nichts anderes, als unsere Vergangenheit zu „analysieren“ und auf dieser Grundlage eine Entscheidung für die Zukunft zu treffen. Dazu sammeln wir Erinnerungen aus unserer Vergangenheit bzw. Träume und Vorstellungen von unserer Zukunft. Das ist also nichts anderes als eine „Datenanalyse“ – was Data Analytics Spezialisten also auch machen.

Data Analytics Methoden und Techniken

Data Analytics ist grundsätzlich ein Verfahren, Daten so zu bereinigen, zu transformieren, zu vereinheitlichen und zu modellieren, dass nützliche Informationen entdeckt werden können. Bei der Datenanalyse werden unterschiedliche, meist statistische Methoden angewandt, um aus einem großen Datensatz (Big Data) Erkenntnisse zu generieren. Im Folgenden stellen wir eine Auswahl gängiger Data Analytics-Methoden vor:

Kontextbasierte Datenanalyse

Die kontextbasierte Datenanalyse dient dem Entdecken von Konstellationen in inhaltlich zusammenhängenden Daten. Mit statistischen und linguistischen Mitteln werden Textstrukturen erschlossen, die die Benutzer in die Lage versetzen sollen, Kerninformationen der verarbeiteten Texte schnell zu erkennen.

Descriptive Analytics

Descriptive Analytics analysiert vollständige Daten oder eine Stichprobe von zusammengefassten numerischen Daten aus der Vergangenheit, die dabei helfen, die Frage “Was ist passiert?”, zu beantworten. Ein Händler kann beispielsweise erfahren, wie hoch der durchschnittliche Umsatz pro Woche pro Produktgruppe ist.

Inferential Analytics

Inferential Analytics analysiert Stichproben aus vollständigen Daten. Bei dieser Art von Analyse können verschiedene Schlussfolgerungen aus denselben Daten gefunden werden, indem verschiedene Stichproben ausgewählt werden.

Diagnostic Analytics

Diagnostic Analytics beantwortet die Frage “Warum ist etwas passiert?“. Mit der Diagnostic Analytics ist es möglich, Ursachen zu klären, Folgen zu analysieren und Muster zu identifizieren. Diese Methode eignet sich besonders, um tiefgehende Einblicke in ein bestimmtes Problem zu erhalten.

Predictive Analytics

Predictive Analytics (Vorhersageanalyse) versucht anhand früherer Daten die Frage „Was wird in Zukunft passieren?“ zu beantworten. Es werden Vorhersagen über zukünftige Ergebnisse auf Grundlage aktueller oder vergangener Daten getroffen. Die Prognose ist eine Art Schätzung. Ihre Genauigkeit hängt davon ab, wie viele detaillierte Informationen vorliegen und wie intensiv und aufwendig analysiert wird.

Prescriptive Analytics

Prescriptive Analytics beantwortet die Frage „Welche Maßnahmen sind zu ergreifen?“, um ein Problem zu aufzulösen oder zu verhindern und das volle Potenzial zielführender Trends auszuschöpfen.

Anwendungsbeispiele von Data Analytics

Mobile Analytics

Unsere Data Analytics Spezialisten haben einem Kunden im Bereich der Automobilindustrie bei der Identifizierung, Berechnung und Visualisierung auftretender Mobilfunkkosten unterstützt. Durch die Analyse von den Rechnungsdaten konnten falsche Abrechnungen vermieden und Kosten überwacht werden. Die Daten wurden zu Analysezwecke unterschiedliche aufbereitet und die Ergebnisse entsprechend visualisiert. Das Resultat: Die Mobilfunkkosten konnten reduziert und Einspar-Potenziale identifiziert werden.