Produktionsoptimierung im Mittelstand

Datenanalysemodell

Die Datenanalyse versucht mit Hilfe statistischer Methoden Informationen aus großen Datenmengen (Big Data) zu gewinnen und diese im Anschluss zu visualisieren. Das komplexe Gebiet der Datenanalyse lässt sich in die Bereiche der deskriptiven, der inferenziellen, der explorativen und konfirmatorischen Datenanalyse unterteilen. Bei der deskriptiven Datenanalyse werden die Informationen der Einzeldaten, welche beispielsweise einer Totalerhebung entnommen wurden, so verdichtet und dargestellt, dass das Wesentliche deutlich wird. Die Datenanalyse hat hierbei einen beschreibenden Charakter. Liegen lediglich die Daten einer Stichprobenerhebung (Teilerhebung) zu Grunde, so ruht der Schwerpunkt der Datenanalyse auf der Übertragung der Stichprobenbefunde auf die Grundgesamtheit. Dabei wird von einer inferenziellen Datenanalyse gesprochen. Bei der explorativen Datenanalyse, die Anwendung bei der Einführung des Vorgehensmodells zur datengetriebenen Projektplanung findet, geht es darum, die verfügbare Datenmenge so zu verarbeiten, dass Strukturen in den Daten sowie Zusammenhänge ebendieser aufgezeigt und in besonderem Maße hervorgehoben werden können. Im Gegensatz dazu ist das Ziel der konfirmatorischen Datenanalyse die Überprüfung von Zusammenhängen.

 

Das Reifegradmodell nach Gartner

Deskriptive Analysemethoden werden verwendet, um durch Analysen historischer Daten Auswirkungen auf die Gegenwart zu untersuchen. Diagnostic Analytics gibt Antworten auf die Fragen nach den Gründen, Auswirkungen, Wechselwirkungen oder Folgen von Ereignissen. Predictive Analytics liefert auf Basis von Data Mining-Verfahren Vorhersagen über die Wahrscheinlichkeit von künftigen Ereignissen. Prescriptive Analytics blickt noch weiter in die Zukunft. Es liefert zusätzlich Handlungsempfehlungen, wie ein bestimmter Trend in eine gewünschte Richtung beeinflusst, ein vorhergesagtes Ereignis verhindert oder auf ein künftiges Ereignis reagiert werden kann. In diesem Sinne wollen Unternehmen unübersichtliche, komplexe wirtschaftliche Beziehungen verstehen und vorhersagen können, um Entscheidungsoptionen erarbeiten und bewerten zu können. Dies wird einen signifikanten Vorteil gegenüber dem Wettbewerb verschaffen. Presciptive Analytics wird häufig im Zusammenhang mit Big Data, Data Mining, BI und BA verwendet.

unsere Industrieprojekte

Referenzen aus der Industrie

IoT-Devices in der Praxis

Kühlschränke werden smart

Schnellanalyse

Entscheidungsunterstützung in KMU