Predicitive Analytics

Predictive Analytics

Wie verändert Predicitive Analytics bestehende Prozesse und in welche Richtung geht die Entwicklung in diesem Umfeld?

Arvato-Experte Michael Freundlieb beantwortet die wichtigsten Fragen und gibt Einblicke in aktuelle Prozesse.

 

1. Seit wann beschäftigt sich Arvato Suppy Chain Solutions mit dem Thema Business Intelligence/Predictive Analytics und wie sehen die Einsatzfelder aus?

Business Intelligence ist für uns als Outsourcing-Dienstleister in vielfacher Hinsicht wichtig:

1. Die  operativen Prozesse unserer Kunden laufen zu großen Teilen auf unseren produktiven Systemen. Unseren Kunden droht damit ein Transparenzverlust, den wir zum einen durch EDI-(Electronic Data Interchange) Schnittstellen zwischen unseren produktiven Systemen und denen unserer Kunden, zum anderen durch umfassende Business Intelligence Lösungen erfolgreich abwenden.

Wir stellen also durch Business Intelligence die Transparenz über die ausgelagerten Geschäftsprozesse und die Auskunftsfähigkeit unserer Kunden gegenüber ihren Endkunden wieder her, bspw. hinsichtlich des aktuellen Status eines Auftrags. 

2. Wir lernen als Dienstleister vieler Kunden mit ähnlichen Geschäften aus jeder Lösung und sind in der Lage, unseren Kunden Empfehlungen hinsichtlich bewährter Business Intelligence Lösungen zu geben. Aufgrund der Vielzahl an Kunden, die auf einer gemeinsamen Business Intelligence Plattform bedient werden, können wir außerdem state-of-the-art Technologien zum Einsatz bringen, deren Betrieb für unsere Kunden alleine nicht erschwinglich wäre, wie beispielsweise unsere In-Memory-Datenbank.

3. Neben dem Mehrwert für unsere Kunden nutzen wir unsere Business Intelligence Lösung natürlich auch intern zur Datenanalyse und Prozessverbesserung bspw. in den Bereichen Logistik, Customer Service, Financial Services, Account Management sowie für unsere Geschäftsführung.

Seit Anfang 2017 haben wir innerhalb des Business Intelligence Bereichs ein Data Science Team aufgebaut, welches sich dediziert mit Predictive Analytics, Machine Learning und künstlicher Intelligenz beschäftigt. Im Gegensatz zu den eher in die Vergangenheit gerichteten ‚traditionellen‘ Business Intelligence Analysen, liegt der Fokus des Data Science Teams darauf, über mathematische/statistische Verfahren oder Simulationen Aussagen über die Zukunft zu treffen. Aktuell setzen wir diese Verfahren vor allem zur internen Verbesserung der Personaleinsatzplanung in der Logistik und im Customer Service durch Vorhersage von Auftrags-, Retouren- und Kontaktvolumina ein. Zum Teil stellen wir die Prognosen bereits unseren Kunden als zusätzliche Dienstleistung zur Verfügung.

Weitere Use Cases im Bereich Fraud und Churn Prevention befinden sich aktuell in der Umsetzung und sollen zukünftig unseren Kunden als weiterer Bestandteil unseres Serviceportfolios angeboten werden.

Insgesamt sehen wir gerade im Bereich Data Science enormes Potential für weitere interne Optimierungen, aber auch für zusätzliche datenbasierte Dienstleistungen in Richtung unserer Kunden.

 

2. Ist Arvato bei diesem Thema Vorreiter und „Opinion Leader“ oder nur einer unter vielen? Wodurch unterscheidet sich der Arvato-Ansatz von denen der Wettbewerber?

Arvato hat den einzigartigen Vorteil, als Dienstleister nicht nur auf ein Kundengeschäft zu blicken, sondern umfassende Erfahrung aus einer Vielzahl ähnlicher Kundengeschäfte zu vereinen und zu einem Best Practice Ansatz zu bündeln. Somit sind wir nicht nur technischer Umsetzer der Business Intelligence/Predictive Analytics Lösungen, sondern können unsere Kunden auch inhaltlich beraten: Wie sehen andere Lösungen in der Branche aus? Was sind die wichtigsten Kennzahlen? Wie werden die Daten bestmöglich für die unterschiedlichen Nutzergruppen aufbereitet und zur Verfügung gestellt? Welche Methoden und Technologien sind geeignet, um zuverlässige Prognosen im Bereich Predictive Analytics zu erstellen?

Wir betreiben unsere Business Intelligence und Predictive Analytics Lösung für eine dreistellige Anzahl von Kundengeschäften und haben ein entsprechend großes Team, das an der Umsetzung und Erweiterung dieser Lösungen arbeitet. Damit sind wir immer am Puls der Zeit, was neue Technologien und Konzepte angeht, und können Lösungen realisieren, die für viele unserer Kunden einzeln nicht realisierbar wären.

Darüber hinaus besteht ein wesentlicher USP von Arvato darin, dass ein Großteil der benötigten Daten sich ohnehin bereits innerhalb der Arvato-Systemlandschaft befinden und mit Hilfe bestehender Schnittstellen angebunden werden können. Unsere Kunden müssen im Gegensatz zu bspw. Cloud-basierten Business Intelligence Lösungen Dritter also keinen eigenen Aufwand mehr in die Bedienung von Schnittstellen stecken. Man bekommt bei uns das ‚Rundum-Sorglos-Paket‘ aus einer Hand.

 

3. Wo liegen die besonderen Herausforderungen?

Wir haben eine Vielzahl von spannenden Herausforderungen: Zum einen natürlich der Spagat zwischen dem Anbieten von kostengünstigen, gut skalierbaren Standardlösungen, die gleichzeitig aber auch gemäß den oft sehr individuellen Anforderungen unserer Kunden anpass- und erweiterbar sein müssen.

Zum anderen unterliegt Business Intelligence einem permanenten technologischen Wandel: Vor 15 Jahren war es noch state-of-the-art, monatlich ein Set von Standardberichten in mehrstündigen Läufen zu erzeugen und den Anwendern starr vorzusetzen.
Heute sind die Daten mindestens tagesaktuell, wenn nicht sogar real-time. Unsere Kunden und internen Anwender möchten selbst flexibel mit den Daten arbeiten und nicht erst auf die Umsetzung durch eine IT-Abteilung warten. Zudem reicht der Blick in die Vergangenheit längst nicht mehr aus - es werden zunehmend Prognosen oder gar konkrete Handlungsempfehlungen durch die Business Intelligence Lösungen erstellt. Das ganze wohlgemerkt bei geradezu explodierenden Datenmengen.
Für uns besteht damit eine konstante Herausforderung darin, mit den steigenden Anforderungen, aber auch den immer besser werdenden technologischen Möglichkeiten und Konzepten Schritt zu halten. Aber gerade das macht für mich den Reiz an Business Intelligence aus: Es gibt ständig neue Herausforderungen, aber auch immer neue Möglichkeiten, diesen zu begegnen.

Eine dauerhafte Herausforderung, die häufig unterschätzt wird, liegt in der Datenqualität. Alle noch so benutzerfreundlichen Analysetools, schicken Visualisierungsmöglichkeiten und  ausgefeilten Prognoseverfahren nützen nichts, wenn die darunterliegenden Daten technisch fehlerhaft sind oder falsch interpretiert werden.

Zurück zur Themenseite