Die Zeit der Prognosemodelle ist gekommen

Dies ist ein Gastbeitrag von Harald Esch, General Manager und Vice President Sales DACH bei Pegasystems in München

In diesem Jahr wird die Nutzung von Prognosemodellen im Bereich Kundenbindung signifikant zunehmen. Der Grund: Mit neuen digitalen Tools ist es inzwischen möglich, umfassende Datenmengen auszuwerten, zahlreiche Prognosemodelle zu erstellen und aussagekräftige Vorher-sagen zu treffen. Mit optimierten prädiktiven Analysefunktionen können sich Unternehmen schnell einen Wettbewerbsvorteil verschaffen.

Harald Esch zeigt die Potenziale von Prognosemodellen auf.

Prognosen ermöglichen es Unternehmen, die Absichten und Bedürfnisse ihrer Kunden zu antizipieren. Beispielsweise können auf Basis von Prognosen Kunden stärker fokussiert werden, die im Begriff sind, einen Vertrag zu kündigen. Kurz gesagt, Vorhersagen sind die Grundlage, um relevante Kundengespräche zur richtigen Zeit und im richtigen Kanal führen zu können – und sie verhindern damit zeitraubende, lästige und letztlich überflüssige Interaktionen.

Wenn Unternehmen prognostizieren können, was ihre Kunden wollen und wie sie sich verhalten werden, können sie mit adäquaten Aktionen zielgenau die Erwartungen der Kunden erfüllen. Prognosen, die in konkreten Handlungsstrategien münden, bestimmen so maßgeblich die Geschäftsentscheidungen.
Die Bedeutung von Prognosen liegt somit auf der Hand. Doch bisher werden sie von Unternehmen noch eher zögerlich genutzt. Dafür gibt es mehrere Gründe.

Erstens werden sehr viele Daten benötigt. Große Datenmengen mögen auf Unternehmensseite zwar verfügbar sein, aber oft befinden sie sich am falschen Ort, sind veraltet und bieten keine erforderlichen Kontextinformationen. Erschwerend kommt hinzu, dass Daten zu neuen Produkten und Dienstleistungen vielfach überhaupt noch nicht generiert sind. Zweitens erfordern die Konzeption und Umsetzung von Prognosemodellen sowohl Zeit als auch Know-how. Drittens muss aufwendig sichergestellt werden, dass die erstellten Modelle den sonstigen Standards und Richtlinien des Unternehmen entsprechen. Es muss vor allem Transparenz herrschen, wie Daten für Vorhersagen verwendet werden. Viertens müssen die erstellten Modelle natürlich operativ für Entscheidungen, Strategien und Real-Time-Engagements genutzt werden. Ein nicht eingesetztes Modell erzeugt keinerlei Mehrwert. Die unternehmensweite operative Nutzung erfordert aber einen erheblichen Aufwand, gerade hin-sichtlich der IT-Ressourcen für die Programmierung, den Test und die Integration von Modellen über Kanäle, Anwendungen und Marketing-Tools hinweg. Fünftens müssen die Modelle auch kontinuierlich verwaltet, aktualisiert und überwacht sowie gegebenenfalls hinsichtlich der IT-Governance adaptiert werden.

Neue digitale Tools reduzieren Zeit- und Kostenaufwand

Ein manuelles Vorgehen bei diesen Aufgaben und Herausforderungen ist extrem zeit- und kostenintensiv. Mit neuen digitalen Tools können aber inzwischen auch kostenoptimierte Prognosemodelle realisiert werden. Moderne Customer-Decisioning-Plattformen bieten die Möglichkeit, Vorhersagebasierte Entscheidungen in Echtzeit zu treffen, Verhaltensreak-tionen zu erfassen und darauf basierende Prognosemodelle zu entwickeln und zu trainieren. Dabei können potenziell Tausende von prädiktiven Modellen in kürzester Zeit automatisiert erstellt und kontinuierlich aktualisiert werden.

Konkret sollte eine digitale Lösung die Konzeption, Bereitstellung und Ausführung von Prognosemodellen unterstützen. Werden die Modelle dabei kontextbasiert erstellt, können auch die Trainingsdatensätze direkt aus den zum Zeitpunkt der Ent-scheidungsfindung verfügbaren Kontextdaten entnommen und unmittelbar an die Ergebnisse dieser Entscheidungen geknüpft werden. Eine aufwendige Datenerfassung und -transformation ist somit nicht erforderlich. Zudem sollte eine moderne Lösung verschiedene Reporting- und Visualisierungs-Möglichkeiten bieten. Damit können Data Scientists die Modelle dann über-wachen und verstehen, wie die Daten verwendet werden.

Derartige Lösungen schaffen die Basis, 2019 zum Jahr der Prognosen zu machen. Unternehmen sind so nicht mehr auf händisch von erfahrenen Experten erstellte Modelle angewiesen. Sie können stattdessen ein digitales Tool nutzen, das eine vollständige Prozessautomatisierung bietet: von der Erstellung von Trainingsdatensätzen über die kontinuierliche und autonome Modellerstellung bis hin zur nahtlosen Bereitstellung. Unternehmen können so die Lead-Volumina und die Konversionsraten deutlich steigern. Durch den hohen Automatisierungsgrad einer solchen Lösung werden zudem die Kosten signifikant reduziert.

Weitere Informationen unter:
https://www.pega.com/de

CC BY-SA

Die Zeit der Prognosemodelle ist gekommen is licensed under a Creative Commons Attribution-ShareAlike 4.0 International license. Autor: Harald Esch

0 Kommentare

Dein Kommentar

An Diskussion beteiligen?
Hinterlasse uns Deinen Kommentar!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.