Deskriptive Analytik ist die grundlegendste Form der Datenanalyse. Eine schnelle Google-Suche zeigt, dass diese Form meist dazu verwendet wird, die Frage „was“ oder „was ist passiert?“ zu beantworten.
Die Aufgabe der deskriptiven Analytik besteht darin, aktuelle oder vergangene Daten zu analysieren, um Trends oder Anomalien aufzudecken. Häufig wird diese Methode eingesetzt, um Geschäftskennzahlen und wichtige Leistungsindikatoren (KPIs) zu verfolgen und Fortschritte auf dem Weg zu Zielen darzustellen.
Beispiele für deskriptive Daten sind monatliche Umsätze, die Anzahl neuer Kunden, die Anzahl verkaufter Produkte und die durchschnittliche Testergebnis.
Deskriptive Analytik ist genau das: eine Beschreibung. Daten werden so analysiert, wie sie vorliegen. Andere Formen der Datenanalyse, etwa diagnostische Analytik, müssen eingesetzt werden, um aus grundlegenden Daten verwertbare Erkenntnisse zu gewinnen.
Weitere Informationen finden Sie auch unter: Die besten Tools für Datenanalyse
Was sind die 3 wichtigsten Arten der Datenanalyse?
Während deskriptive Analytik die grundlegende Form der Datenanalyse ist, gibt es drei weitere wichtige Formen, die heute in vielen Unternehmen eingesetzt werden: diagnostische, prädiktive und präskriptive Analytik. Diese drei Formen werden häufig nach der deskriptiven Analytik für eine tiefgreifendere Analyse verwendet.
Diagnostische Analytik
Diagnostische Analytik ist häufig der nächste Schritt nach der deskriptiven Analytik. Sie zielt darauf ab, die Daten zu „diagnostizieren“, indem sie die Frage „warum?“ beantwortet.
Ein deskriptiver Datenbericht kann beispielsweise zeigen, dass der Umsatz im Quartal gestiegen ist. Die diagnostische Analytik geht jedoch tiefer und analysiert, warum der Umsatz gestiegen ist. Die für diagnostische Analysen eingesetzten Methoden reichen von statistischen Analysen bis hin zur Wahrscheinlichkeitsrechnung.
Prädiktive Analytik
Prädiktive Analytik geht über die deskriptive und diagnostische Analytik hinaus, indem sie aktuelle und vergangene Daten nutzt, um die Zukunft vorherzusagen.
Diese Form der Analytik wird beispielsweise häufig in der Fertigungsindustrie eingesetzt. Maschinendaten werden über einen bestimmten Zeitraum erfasst und auf Trends analysiert, die auf künftige Ausfälle hindeuten können. Wird eine Anomalie festgestellt, können Wartungs- oder Reparaturarbeiten durchgeführt werden, bevor es zu ungeplanten Ausfallzeiten kommt.
Ein weiterer Anwendungsfall für prädiktive Analytik ist die Risikomodellierung. Unternehmen können Daten beispielsweise nutzen, um verschiedene finanzielle Risiken zu verstehen und zu minimieren, bevor sie sich negativ auf den Betrieb auswirken.
Präskriptive Analytik
Präskriptive Analytik nutzt fortschrittliche Verfahren wie maschinelles Lernen, künstliche Intelligenz (KI) und intelligente Algorithmen, um auf Grundlage von Daten einen Aktionsplan zu „verschreiben“ oder zu empfehlen. In manchen Fällen umfasst dieser Prozess die Durchführung bestimmter Maßnahmen auf Basis der Ergebnisse.
Betrachten wir dazu beispielsweise unseren oben genannten Anwendungsfall aus der Fertigung. Ein Hersteller kann während des Prozesses der prädiktiven Analytik einen künftigen Maschinenausfall feststellen. Eine intelligentere, präskriptive Analyse könnte jedoch ergeben, dass der Ausfall unmittelbar bevorsteht und eine Abschaltung erfolgen sollte, um weitere Schäden zu verhindern.
Präskriptive Analytik wird allmählich zum Standard, da sich Technologien wie KI weiterentwickeln. Aktuelle Zahlen zeigen , dass der Markt für präskriptive Analytik bis 2026 voraussichtlich 12,35 Milliarden US-Dollar erreichen wird.
Weitere Informationen finden Sie auch unter: Die beste Business-Intelligence-Software
Wie wird deskriptive Analytik verarbeitet?
Rohdaten sind nur selten direkt für die Gewinnung von Erkenntnissen geeignet. Daten können beispielsweise unstrukturiert sein, das heißt, sie folgen keinem bestimmten Datenmodell, was ihre Analyse erschwert. Außerdem können Daten auf einer Vielzahl voneinander unabhängiger Quellen verteilt sein – vom CRM-System eines Unternehmens bis hin zu öffentlichen Datenbanken.
Hier beginnt der Prozess der deskriptiven Analytik. Zunächst müssen die Daten aus all ihren Quellen zusammengeführt und an einem einzigen Ort, etwa einem Data Warehouse, abgelegt werden. Dieser Schritt erfolgt durch Verfahren wie ETL (Extrahieren, Transformieren, Laden) oder Datenvirtualisierung.
Sobald die Daten zusammengeführt wurden, können sie bereinigt und organisiert werden. Bei der Datenbereinigung werden beispielsweise doppelte oder unvollständige Daten aus einem Datensatz entfernt. Der Bereinigungsschritt stellt sicher, dass die Daten zuverlässig sind – ein entscheidender Faktor, wenn sie zur Entscheidungsfindung verwendet werden.
Nach der Bereinigung der Daten kann die Analyse beginnen. Früher wurden Daten in Tabellenkalkulationen geladen und anschließend auf Muster untersucht. Heute gibt es jedoch zahlreiche Tools und Softwareplattformen, die den Bedarf an aufwendigen Tabellenkalkulationen beseitigen.
Mehr zu diesem Thema: Die besten Tools für Datenvirtualisierung
4 reale Beispiele für deskriptive Analytik
Deskriptive Analytik ist die am häufigsten verwendete Form der Datenanalyse. Sie wird branchen-, bereichs- und marktübergreifend eingesetzt – von der Festlegung jährlicher Budgets bis zur Ermittlung von Verbrauchertrends.
Finanzberichterstattung
Deskriptive Analytik kann eingesetzt werden, um die finanzielle Situation jedes Unternehmens zu überwachen. Unternehmen können beispielsweise Daten zu allem erfassen – vom monatlichen Umsatz bis zur Anzahl der in einer bestimmten Woche verkauften Produkte.
Diese deskriptiven Daten können Stakeholdern anschließend helfen, Erkenntnisse zu gewinnen und Entscheidungen über die künftige Produktentwicklung, Umsatzziele, Anlagenkäufe und vieles mehr zu treffen.
Den Erfolg von Marketingkampagnen überwachen
Viele Unternehmen nutzen deskriptive Analytik, um die Leistung ihrer Marketingkampagnen zu überprüfen. Deskriptive Daten können beispielsweise Erkenntnisse über Conversions, neue Leads, neue Kunden und Marketingausgaben liefern.
Deskriptive Analytik kann außerdem dabei helfen, die Lücke zwischen traditionellen Marketinginitiativen und digitalem Marketing zu schließen. Daten können beispielsweise Trends bei Social-Media-Impressionen, der Absprungrate einer Website und sogar Klicks auf Facebook-Anzeigen eines Unternehmens aufzeigen.
Diese Daten werden anschließend genutzt, um künftige Marketingkampagnen zu planen, die sich direkt auf den Erfolg eines Unternehmens auswirken.
Die Gesamtleistung des Unternehmens verfolgen
Deskriptive Daten können mehr leisten als nur Finanzen oder Marketingkampagnen zu verfolgen. Daten können helfen, die Gesamtleistung eines Unternehmens zu verstehen, indem sie Erkenntnisse wie die Wachstumsrate, die Abwanderungsrate und sogar das Engagement der Mitarbeiter aufdecken.
Diese Daten liefern Stakeholdern die notwendigen Belege, um fundierte Geschäftsentscheidungen zu treffen und ihre Unternehmen voranzubringen. Außerdem helfen sie dabei, potenzielle Geschäftsrisiken zu identifizieren, die minimiert werden müssen.
Trends erkennen
Die wohl häufigste branchenübergreifende Anwendung deskriptiver Daten ist schlicht die Erkennung von Trends.
In der Fertigung können beispielsweise Maschinendaten analysiert werden, um fortbestehende mechanische Probleme zu ermitteln, die bei ausbleibender Behebung zu erheblichen Ausfallzeiten führen könnten. Im Gesundheitswesen können deskriptive Daten dagegen genutzt werden, um den Gesundheitszustand von Patienten zu verfolgen und Behandlungsergebnisse zu verbessern.
Tools für deskriptive Analytik
Für deskriptive Analytik stehen zahlreiche Tools zur Verfügung. Viele Plattformen sammeln beispielsweise Daten und liefern anschließend mithilfe interaktiver Dashboards Erkenntnisse. Anstatt Erkenntnisse aus einer Tabellenkalkulation gewinnen zu müssen, verwenden diese Plattformen intuitive Grafiken und Diagramme, mit denen sich Daten auf einen Blick visualisieren lassen.
Zu den beliebten Tools für deskriptive Analytik gehören beispielsweise:
- SAP Analytics Cloud
- SAS
- Tableau
- Apache Spark
- Sisense
Der Markt für deskriptive Analytik
Laut aktuellen Daten investieren 97 % der Unternehmen in Dateninitiativen. Und der Big-Data-Markt wird voraussichtlich bis 2030 ein Volumen von 473,6 Milliarden US-Dollar erreichen. Mit anderen Worten: Daten sind entscheidend, und Unternehmen können sich ohne sie nicht weiterentwickeln.
Leider fällt es vielen Unternehmen schwer, Daten sinnvoll zu nutzen. Eine weitere Umfrage ergab, dass nur 26,5 % der Unternehmen erfolgreich eine datengesteuerte Organisation aufgebaut haben.
Dabei spielen viele Faktoren eine Rolle, etwa ein Mangel an Fachkräften im Datenbereich. Einige der Wachstumsschmerzen sind jedoch auch auf die Komplexität der Datenanalyse zurückzuführen. Schließlich gibt es zahlreiche unterschiedliche Komponenten – von Datentypen bis hin zu Analysemodellen.
Wenn wir die Analyse jedoch auf ihre Grundlagen zurückführen, erkennen wir, wofür sie ursprünglich gedacht war: als Werkzeug zur Beantwortung der einfachen Frage „was“. Diese Frage lässt sich mithilfe der grundlegenden Form der Datenanalyse beantworten: der deskriptiven Analytik.
Weitere Informationen finden Sie auch unter: Trends in der Datenanalyse