Sofortantwort
Predictive Analytics einfach erklärt
Datenbasierte Vorhersagen zukünftiger Ereignisse mit ML-Modellen.
- Kurz gesagt
- Nutzt historische Daten und ML-Modelle für Wahrscheinlichkeits-Vorhersagen
- Typischer Einsatz
- Churn Prediction, Lead Scoring, Demand Forecasting
- Wichtig zu wissen
- Nicht Zukunft 'sehen', sondern informierte Wahrscheinlichkeiten berechnen
Predictive Analytics im Überblick
Predictive Analytics nutzt historische Daten und ML-Modelle, um Wahrscheinlichkeiten für zukünftige Ereignisse zu berechnen. Es geht nicht darum, die Zukunft zu „sehen”, sondern fundierte Entscheidungen auf Basis von Daten zu treffen.
Die Analytics-Reifestufen:
1. Descriptive → Was ist passiert? (Reports, Dashboards)
2. Diagnostic → Warum ist es passiert? (Drill-down, Root Cause)
3. Predictive → Was wird passieren? (ML-Modelle, Prognosen)
4. Prescriptive → Was sollten wir tun? (Optimierung, Empfehlungen)Typische Predictive-Analytics-Modelle
| Modell | Use Case | Output |
|---|---|---|
| Logistische Regression | Churn Prediction | Ja/Nein-Wahrscheinlichkeit |
| Random Forest | Lead Scoring | Score 0–100 |
| Zeitreihen (ARIMA) | Demand Forecasting | Wert pro Zeitpunkt |
| Gradient Boosting | CLV Prediction | Monetärer Wert |
| Survival Analysis | Time-to-Event | Wann passiert etwas? |
Praxisbeispiel: Churn Prediction
Eingabe-Features:
- Letzte Aktivität: vor 23 Tagen
- Tickets erstellt: 5 (im letzten Monat)
- Feature-Nutzung: -40 % vs. Vormonat
- Vertragslaufzeit: 2 Monate verbleibend
- NPS-Score: 4/10
ML-Modell-Output:
Churn-Wahrscheinlichkeit: 87 %
Top-Faktoren: Inaktivität, sinkende Nutzung, niedriger NPS
Empfohlene Aktion:
Customer Success Manager kontaktiert Kunden proaktivErfolgsfaktoren
- Datenqualität: Garbage In, Garbage Out – saubere Daten sind Voraussetzung
- Feature Engineering: Die richtigen Eingabefelder machen 80 % des Erfolgs aus
- Business-Kontext: ML-Experten und Fachexperten müssen zusammenarbeiten
- Feedback-Loop: Modelle regelmäßig mit neuen Daten aktualisieren
- Actionability: Vorhersagen sind nur wertvoll, wenn sie zu Handlungen führen