Customer Analytics Trends 2021

03.02.2021

< Zur√ľck zur √úbersicht

Vorausschauend, automatisiert, vernetzt und in Echtzeit

Viele Unternehmen haben den Wert von Daten längst erkannt und damit begonnen, Daten systematisch zu sammeln und auszuwerten. Insbesondere Kundendaten sind hierbei von hohem Interesse. Die immer größer werdenden Mengen aus strukturierten und unstrukturierten Daten stellen Unternehmen aber auch vor die große Herausforderung, diese  effizient auszuwerten und den maximalen Nutzen aus ihnen zu ziehen.

Die effiziente Datenauswertung zur Generierung eines maximalen Business Values steht somit auch im Fokus unserer Customer Analytics Trends f√ľr das aktuelle Jahr. Damit auch Sie √ľber die neusten Customer Analytics Trends informiert sind, m√∂chten wir Ihnen einen Einblick in die Top 5 Trends geben, die Sie im Jahr 2021 auf jeden Fall im Blick behalten sollten.

 

√úberblick

  1. Predictive und Prescriptive Analytics von Kundendaten
  2. Analyse von Zusammenhängen in Daten mittels Graphdatenbanken
  3. Augmented Analytics ‚Äď Automatisierung von Datenauswertung und Handlungsempfehlungen
  4. Continuous Intelligence ‚Äď Kontinuierliche Echtzeit-Datenauswertung
  5. Verwendung von Machine Learning und K√ľnstlicher Intelligenz in der Praxis
  6. Fazit zu den Customer Analytics Trends 2021

 

Trend 1: Predictive und Prescriptive Analytics von Kundendaten

Ein klar erkennbarer Trend im Bereich Customer Analytics, der sich auch im Jahr 2021 weiter fortsetzt: Die umfassende Verwendung von Kundendaten, um das Kaufverhalten von Kunden nicht nur zu analysieren und Vorhersagen zu treffen, sondern auch aktiv zu beeinflussen.

Big Data Technologien und vernetzte Systeme erm√∂glichen eine immer umfassendere Sammlung von Kundendaten und dadurch die Erstellung immer detaillierterer Kundenprofile. Durch Cloud Computing und Machine Learning Algorithmen k√∂nnen diese gro√üen Datenmengen performant ausgewertet werden, sodass eine immer pr√§zisere Vorhersage des Kundenverhaltens m√∂glich wird. So k√∂nnen Banken immer besser das Kreditausfallrisiko f√ľr einen einzelnen Kunden bewerten, w√§hrend H√§ndler ihre Lagerbest√§nde basierend auf dem prognostizierten Einkaufsverhalten ihrer Kunden anpassen k√∂nnen. Predictive Analytics beantwortet also die Frage ‚ÄěWas wird passieren?‚Äú und erm√∂glicht es, auf Basis der Beantwortung dieser Frage Entscheidungen gezielt zu treffen.

Prescriptive Analytics geht noch einen Schritt weiter. Auf Basis von Simulationen und statistischen Modellen wird ermittelt, wie sich bestimmte Handlungen im Unternehmen auf das Kundenverhalten voraussichtlich auswirken werden. Hierzu kommen insbesondere Technologien aus dem Bereich der k√ľnstlichen Intelligenz wie z.B. Neuronale Netze zum Einsatz. Prescriptive Analytics l√§sst sich vielseitig einsetzten. So kann beispielsweise der Erfolg verschiedener Marketing Kampagnen absch√§tzt werden, bevor sie √ľberhaupt gestartet wurden.

 

Trend 2: Analyse von Zusammenhängen in Daten mittels Graphdatenbanken

Neben immer weiter zunehmenden Datenmengen in Unternehmen wird auch die Betrachtung und Auswertung der Zusammenh√§nge zwischen den einzelnen Daten immer relevanter. Die Verf√ľgbarkeit zusammenh√§ngender Datenstrukturen erm√∂glicht vollst√§ndig neue Anwendungsfelder. So k√∂nnen soziale Netzwerke spontan Auskunft dar√ľber geben, √ľber wie viele Ecken zwei nicht direkt vernetzte Kontakte miteinander indirekt in Verbindung stehen.

M√∂glich wird diese hohe Geschwindigkeit vor allem durch die Verwendung nicht relationaler Datenbankmodelle, so genannter NoSQL Datenbanken. Insbesondere Graphdatenbanken spielen in diesem Kontext eine zentrale Rolle. Im Gegensatz zu relationalen Datenbanken, die Informationen in Tabellen speichern, welche √ľber Schl√ľsselattribute aufwendig zusammengef√ľgt werden m√ľssen, verwenden Graphdatenbanken Knoten und Kanten. Knoten werden √ľber Kanten miteinander vernetzt, sodass ein komplexes Netzwerk entsteht. Diese Struktur bietet in Anwendungsf√§llen, bei denen es auf eine Vernetzung der Daten ankommt, massive Performancevorteile und erm√∂glicht diese Anwendungsf√§lle oftmals erst.

Ein wichtiges Beispiel f√ľr den Einsatz von Graphdatenbanken stellen sogenannte Recommendation Engines dar. Diese werden z.B. im E-Commerce Bereich verwendet, um Kunden individuelle Produktvorschl√§ge oder Angebote zu machen. Pers√∂nliche Pr√§ferenzen und das eigene Kaufverhalten werden mit dem Kaufverhalten von anderen Kunden in Zusammenhang gebracht. Auch soziale Netzwerke verwenden diese Technologie, um Kontaktvorschl√§ge zu machen.

Ein weiteres Beispiel f√ľr den Einsatz von Graphdatenbanken ist die Betrugserkennung im Bankenbereich. Um die Vorhersagenqualit√§t von Betrugsanalysen zu verbessern, werden Graphdatenbanken verwendet. Diese erm√∂glichen die zusammenh√§ngende Betrachtung unterschiedlichster Aspekte, welche z.B. auf eine missbr√§uchliche Verwendung von Kreditkarten hinweisen.

 

Trend 3: Augmented Analytics ‚Äď Automatisierung von Datenauswertung und Handlungsempfehlungen

Mit der Analyse wachsender Kundendaten geht derzeit auch ein wachsender Ressourceneinsatz einher, sowohl in Hinblick auf Technologie als auch in Hinblick auf Fachkräfte.

W√§hrend die Datenanalyse heute schon teilweise automatisiert werden kann, geht Augmented Analytics einen deutlichen Schritt weiter. Die Technologie wird neben einer automatisierten Datenauswertung in der Lage sein, die Zusammenh√§nge in den Daten zu erkl√§ren und konkrete Handlungsempfehlungen f√ľr verschiedenste Einsatzzwecke zu geben.

(…)

Hier können Sie vollständige Publikation kostenfrei als PDF herunterladen:

    Download-Anforderung

    FrauHerr

    Ja, ich erteile meine ausdr√ľckliche Einwilligung in die Verarbeitung meiner personenbezogenen Daten und stimme der Datenschutzerkl√§rung zu. Mit meiner Anforderung erkl√§re ich mich damit einverstanden, dass die Cintellic GmbH mir zum Zwecke des Downloads eine automatisierte E-Mail mit dem Downloadlink zusendet und weiterhin √ľber Angebote (werbliche Ansprache) mittels E-Mail informiert. Ich kann die Einwilligung jederzeit mit Wirkung f√ľr die Zukunft widerrufen.

    Unsere Datenschutzerklärung sowie Widerrufsmöglichkeiten finden Sie hier.

    CINTELLIC Consulting - Social Media