Beratung zu prädiktiver und fortgeschrittener Analytik

Bei der Beratung im Bereich Advanced Analytics geht es darum, Daten in Entscheidungen umzuwandeln, die tatsächlich etwas bewirken: aufzeigen, inwiefern eine getroffene geschäftliche Entscheidung schlechter ist, als sie sein könnte, ermitteln, welchen Wert eine bessere Variante hätte, und ausschließlich jene Prognosen zu erstellen, die tatsächlich etwas bewirken. Diese Seite befasst sich mit der geschäftlichen und kundenbezogenen Seite dieses Themas, bei der sich die Prognosen eher auf Umsatz, Preis und Lagerbestände als auf die Infrastruktur beziehen.

• Seit 1999Nachfrage-, Geschäfts- und Kundenstrategie
• Über 200veröffentlichte Fallstudien
• 10 Niederlassungenauf vier Kontinenten
• Keine Bindung an bestimmte AnbieterUnsere Modell- und Plattformempfehlungen sind völlig unabhängig von kommerziellen Interessen
• Der Interaction Fieldverfasst von unserem Gründer

Eine Prognose ist nur so viel wert wie die Entscheidung, auf der sie beruhte

Das Modell liefert Ergebnisse, das Dashboard wird aktualisiert, und die Entscheidung, zu deren Optimierung es entwickelt wurde, wird nach wie vor so getroffen wie schon immer: von derselben Person, aus demselben Bauchgefühl heraus, zur selben Zeit in der Woche.

Das ist ein Fehler bei der Abgrenzung, kein technischer Fehler. Arbeit, die von verfügbaren Daten ausgeht, führt zu Modellen, für die erst noch eine Anwendung gefunden werden muss. Arbeit, die von einer konkret benannten, wiederkehrenden Entscheidung ausgeht, führt zu Modellen, die auch genutzt werden, da die Person, die auf die Ergebnisse reagiert, bei der Festlegung des Schwellenwerts dabei war.

Drei Fragen entscheiden darüber, ob ein Prognoseprogramm förderungswürdig ist:

• Welche wiederkehrende geschäftliche Entscheidung wird schlechter getroffen, als sie sein könnte, und wer ist dafür verantwortlich?
• Was müsste gegeben sein, damit sich dies ändert: Genauigkeit, Latenz, Zuverlässigkeit und die Art und Weise, wie die Antwort in den Arbeitsablauf einfließt
• Was eine bessere Entscheidung wert ist

Wenn die dritte Frage nicht beantwortet werden kann, erstellen Sie das Modell nicht.

Wenn Unternehmen uns beauftragen

• Die Modelle liefern Ergebnisse, und es ändert sich nichts. Eine kompetente Data-Science-Abteilung, gute Genauigkeitswerte und eine Gewinn- und Verlustrechnung, die genauso aussieht wie vor drei Jahren.
• Noch bevor eine Entscheidung über eine Plattform oder ein Tool getroffen wird. Es steht eine Entscheidung über die Infrastruktur bevor, noch bevor überhaupt festgelegt wurde, welche Abläufe dadurch verbessert werden sollen.
• Wenn Preisgestaltung oder Werbeaktionen aus dem Bauch heraus erfolgen. Es liegen zwar Daten vor, um die Resonanz nach Segmenten vorherzusagen, doch niemand hat diese mit der wöchentlichen Besprechung verknüpft.
• Wenn die Analytik sich rechtfertigen muss. Von der Funktion wird eine Rendite erwartet, doch sie kann lediglich Genauigkeitskennzahlen vorweisen.

Was unsere Beratungsleistungen im Bereich Predictive Analytics umfassen

Vier Arbeitsbereiche. Die meisten Projekte beginnen mit dem ersten und enden dort, wo der Nutzen aufhört.

1. Ein Entscheidungskatalog und eine Wertanalyse

Bevor wir mit der Modellierung beginnen, erstellen wir eine Bestandsaufnahme der wiederkehrenden geschäftlichen Entscheidungen: Wer ist für welche Entscheidung zuständig, wie wird sie derzeit getroffen und welchen Wert hätte eine verbesserte Variante?

• Die Entscheidungen wurden nach dem auf dem Spiel stehenden Wert und nicht nach der Verfügbarkeit von Daten geordnet
• Die Genauigkeit, die Reaktionszeit und die Sicherheit, die jede Entscheidung tatsächlich erfordert – und die der Person abverlangt wird, die sie trifft
• Die Entscheidungen, die nicht automatisiert werden sollten, werden ausdrücklich genannt, damit das Programm nicht anhand dieser Entscheidungen beurteilt wird

2. Die Vorhersage als Erfassungshälfte eines Regelkreises

Wir verstehen Intelligenz als einen Kreislauf aus Wahrnehmung, Vernunft, Handeln und Lernen. Die Vorhersage bildet die Wahrnehmungshälfte und verschlingt fast den gesamten Großteil der meisten Budgets – weshalb so viele Analyseabteilungen zwar den Anschein erwecken, viel zu tun zu haben, sich aber kaum etwas ändert.

• Der gesunde Menschenverstand sagt dir, was wahrscheinlich ist
• Da Reason dies im geschäftlichen Kontext in eine empfohlene Maßnahme umwandelt, trifft das Modell nicht zu.
• Act braucht jemanden oder etwas, das die Macht hat, etwas zu bewirken
• Learn benötigt das Ergebnis, damit die nächste Vorhersage auf einer fundierteren Grundlage erfolgen kann.

Organisationen sind in der Regel stark im Erkennen, schwach im Denken, blockiert im Handeln und unfähig zum Lernen. Die Blockade beim Handeln ist ein Berechtigungsproblem, das sich als technisches Problem tarnt. Niemand hat festgelegt, welche Aufrufe das System eigenständig ausführen darf, sodass sich alles hinter einer Person staut, die gerade beschäftigt ist. Deshalb legen wir die Eskalationsschwelle explizit fest – anhand von Wesentlichkeit, Umkehrbarkeit, Präzedenzfällen, Risiko und dem Selbstvertrauen des Systems. Routinemäßige Entscheidungen werden dann ohne Überprüfung abgewickelt, folgenreiche Entscheidungen gelangen mit den zusammengestellten Begründungen und Alternativen auf die richtige Ebene, und der Ausnahmepfad ist bekannt, bevor er benötigt wird.

3. Vorhersage, die über die Kategorie hinausgeht

Kommerzielle Prognosen bewegen sich in der Regel innerhalb der Kategorien, nach denen sich ein Unternehmen bereits organisiert: Abwanderungsrate bei diesem Produkt, Umsatzsteigerung durch jene Werbeaktion, nächstbeste Maßnahme aus dem bestehenden Sortiment. Alles nützlich, alles begrenzt, denn es kann nur die Nachfrage optimieren, die Sie bereits erfassen.

• Nachfragebereiche beschreiben, was Kunden erreichen wollen, und die profitablen Bereiche überschreiten die Kategoriegrenzen, nach denen sich etablierte Unternehmen strukturieren
• Ein Modell, das einen Bedarf erkennt, noch bevor dieser Ihre Kategorie erreicht, ist ein Wachstumsinstrument. Eines, das lediglich den Abgang von Kunden wahrnimmt, ist ein Instrument zur Kundenbindung, und Vorstände zahlen für diese beiden Szenarien nicht denselben Multiplikator.
• Der Preis gehört in denselben Rahmen: Der Wert einer Präferenzprämie lässt sich je nach Segment und Nachfrageräum messbar bestimmen und stellt eine Verbindung zwischen Markenstärke und wirtschaftlichem Gewinn her.

4. Eine Architektur, die davon ausgeht, dass sich die Modelle ändern werden

Funktionen, die vor nicht allzu langer Zeit noch Pionierarbeit darstellten, gehören mittlerweile zum Standard und werden von mehreren Anbietern angeboten. Daher konzipieren wir unsere Lösungen für Modelle, die je nach Workload ausgewählt werden, wobei ein Wechsel eher eine Entscheidung hinsichtlich der Bereitstellung als eine Neuentwicklung ist.

• Die dauerhaften Vermögenswerte werden ohnehin übertragen: das Entscheidungsinventar, die gekennzeichneten Ergebnisdaten, die Workflow-Integration und der Feedback-Pfad
• Klassisches maschinelles Lernen bleibt das richtige Werkzeug für strukturierte Vorhersagen in großem Umfang, da es kostengünstiger, schneller und besser nachvollziehbar ist, während Sprachmodelle unstrukturierte Eingaben verarbeiten.
• Wir unterhalten keine Partnerschaften mit Modellanbietern, daher sind unsere Empfehlungen zur Modellauswahl völlig unabhängig von kommerziellen Interessen.

So funktioniert ein Projekt im Bereich Advanced Analytics

1. Bestandsaufnahme. Interviews mit den Personen, die die wiederkehrenden geschäftlichen Entscheidungen treffen, eine Übersicht darüber, wie diese Entscheidungen heute getroffen werden, sowie eine Rangliste nach dem jeweiligen Wertsummenvolumen.
2. Geben Sie Folgendes an: die wichtigsten Entscheidungen, die erforderlichen Anforderungen an Genauigkeit, Latenz und Konfidenz, die Form, in der die Antwort vorliegen muss, sowie den Eskalationsschwellenwert. Das Ergebnis ist eine Build-Spezifikation, die ausgehend von der Entscheidung rückwärts erstellt wird.
3. Erstellen. Die Vorhersage, die ihr zugrunde liegende Logik und die Workflow-Integration, wobei die Modellauswahl je nach Arbeitslast und nicht je nach Lieferantenbeziehung erfolgt.
4. Den Kreislauf schließen. Erfassung der Ergebnisse, damit das System lernt, ob seine letzte Empfehlung gut war, sowie eine Messlinie von der Entscheidung bis zur Gewinn- und Verlustrechnung.

Warum Unternehmen sich bei Analyseaufgaben für „ Vivaldi “ entscheiden

• Wir gehen von der Entscheidung aus, nicht von den Daten. Der Nutzen steht vor dem Modell – und genau dieser Schritt entscheidet darüber, ob überhaupt etwas verwendet wird.
• Wir verkaufen keine Plattform weiter. Hinter unserer Empfehlung steht keine Modell- oder Infrastrukturpartnerschaft, daher orientiert sich unsere Architekturberatung an Ihrer Arbeitslast und nicht an unserer Marge.
• Die Prognose hängt mit der Nachfrage zusammen, nicht nur mit dem Trichter. Unsere Arbeit im Bereich „Demand Space“ bedeutet, dass die Modelle nach Bedürfnissen suchen, die sich außerhalb Ihrer Kategorie herausbilden – und genau darin unterscheidet sich die Wachstumsprognose von der Kundenbindungsprognose.

So bewerten Sie ein Beratungsunternehmen für Datenanalyse

Das sollten Sie bei jedem Unternehmen auf Ihrer Auswahlliste erfragen – auch bei uns.

• Bitten Sie sie, die Entscheidung zu benennen, die dem Modell vorausgeht. Ein Vorschlag, der mit einer Datenprüfung beginnt und mit einer Plattformempfehlung endet, lässt die Frage außer Acht, ob das Ganze überhaupt zum Einsatz kommt.
• Fragen Sie, welche Genauigkeit die Entscheidung erfordert. Ein Unternehmen, das diese Frage nicht beantworten kann, hat nicht mit dem Entscheidungsträger gesprochen und optimiert eine Kennzahl, auf deren Grundlage niemand handeln wird.
• Fragen Sie nach, was passiert, wenn das Modell ersetzt werden muss. Eine Architektur, die davon ausgeht, dass ein Anbieter auf unbestimmte Zeit zur Verfügung steht, birgt ein Lieferantenrisiko, ohne dass damit eine Rendite verbunden ist.
• Fragen Sie, was sie in Bezug auf die Ergebnisdaten unternehmen werden. Was am häufigsten fehlt, ist die Angabe, ob die letzte Empfehlung etwas gebracht hat – und ohne diese Information verbessert sich nichts.
• Fragen Sie, von wem sie bezahlt werden. Eine Empfehlung eines Unternehmens, das eine Plattformpartnerschaft unterhält, ist nicht dasselbe wie eine Empfehlung eines Unternehmens ohne eine solche Partnerschaft.

Beratungsunternehmen für Analysestrategien, Datenverarbeitungsunternehmen oder Plattformanbieter?

Wo diese Seite endet und maschinelles Lernen beginnt

Diese Seite befasst sich mit geschäftlichen und kundenbezogenen Prognosen im Bereich des vernetzten Handels: Nachfrage- und Umsatzprognosen, Lifetime Value und Abwanderung, Kaufneigung und „Next Best Action“, Preis- und Aktionsreaktionen sowie Bestand und Sortiment. Allgemeines maschinelles Lernen, Modellentwicklung und -bewertung sind Teil der Bereiche maschinelles Lernen, Predictive Analytics und KI-Strategie. Die meisten Unternehmen benötigen beides. Wenn es um geschäftliche Fragen geht, fangen Sie hier an.

Verwandte Arbeiten

• Maschinelles Lernen, Predictive Analytics und KI-Strategie für die allgemeine Modellentwicklung, -bewertung und KI-Modellstrategie.
• Datenstrategie wenn die Einschränkung eher im Zustand der Daten als im Zustand der Entscheidungen liegt.
• Strategie zur dynamischen „ Customer Journey “ wenn die Vorhersage zutreffend ist und nichts auf der Reise darauf einwirkt.
• Vernetzter Handel für die übergeordnete Gruppe, zu der diese Seite gehört und deren Aufgabe es ist, den Kundenkontext kanalübergreifend zu übertragen.

Diese Arbeit ist Teil unseres Geschäftsbereichs „Business Technology Strategy “ bei Vivaldi, dem Strategieberatungsunternehmen, das hinter dem „Demand Landscape“ und dem „ Interaction Field “ steht.

Beratung im Bereich Advanced Analytics in den USA und weltweit

Unsere Analysearbeit wird von zehn Niederlassungen auf vier Kontinenten aus durchgeführt, wobei das US-Team in New York ansässig ist. Kommerzielle Prognosen sind in einer Weise marktspezifisch, wie es bei der Infrastruktur nicht der Fall ist: Dasselbe Churn-Modell, das für einen Markt trainiert wurde, bewertet das Risiko in einem anderen Markt in der Regel falsch, da die dem Kunden zur Verfügung stehenden Alternativen unterschiedlich sind. Wir legen den Umfang marktspezifisch fest und verwenden das Entscheidungsinventar wieder, anstatt das Modell.