Mittwoch, 14.08.2013
Prognosen über Börsenkurse, das Wetter oder die Arbeitslosenquote – täglich begegnen uns im Alltag Vorhersagen über zukünftige Ereignisse und Entwicklungen. In vielen Bereichen sind Vorhersagen zu wichtigen Grundlagen für unser Handeln geworden. Egal ob es um die Planung der Freizeitaktivitäten in Abhängigkeit der Wettervorhersage geht, oder um elementare wirtschaftliche Investitionsentscheidungen aufgrund von Konjunkturprognosen – Grundlage von Vorhersagemodellen sind Zeitreihenanalysen.
Prognosen über Börsenkurse, das Wetter oder die Arbeitslosenquote – täglich begegnen uns im Alltag Vorhersagen über zukünftige Ereignisse und Entwicklungen. In vielen Bereichen sind Vorhersagen zu wichtigen Grundlagen für unser Handeln geworden. Egal ob es um die Planung der Freizeitaktivitäten in Abhängigkeit der Wettervorhersage geht, oder um elementare wirtschaftliche Investitionsentscheidungen aufgrund von Konjunkturprognosen – Grundlage von Vorhersagemodellen sind Zeitreihenanalysen.
Case-Study: Prognose von KPIs auf Basis von Zeitreihen für Versicherer
Erfahren Sie, wie wir mit anhand von Zeitreihen unsere Kunden bei der Prognose von Produktkennzahlen unterstützt haben.
Anomalieerkennung in Zeitreihen: Welcher Algorithmus ist der Richtige?
Welche Arten von Anomalien gilt es zu beachten, wie kann die Prognose noch präziser werden?
Ereigniszeitanalyse als zeitliche Bestimmungsgröße
Ein zu den Zeitreihenanalysen verwandter Themenbereich ist die Event-History-Analysis, auch Ereigniszeitanalyse genannt. Die populärste Variante der Event-History Analysis ist die Survival-Analysis, in der eine genaue „time-to-event“ Bestimmung prognostiziert wird. Dabei liegt der Fokus also auf der genauen Abschätzung eines Zeitraumes bzw. eines Zeitpunktes wann ein konkretes Ereignis eintritt. Die Anwendungsfelder sind auch hier vielfältig. In der Medizin werden solche Analysen beispielsweise eingesetzt um Krankheitsverläufe zu prognostizieren. Im technischen Kontext können Maschinenausfälle vorhergesagt werden und in Unternehmen werden Survival-Analysis unter anderem für eine bessere zeitliche Planung von Marketingaktivitäten genutzt. Das Handeln der Kunden wird vorhersehbarer:
- Ein Mobilfunkanbieter kann abschätzen wann das Risiko besteht, dass ein Kunde seinen bestehenden Vertrag kündigt
- Ein Automobilbauer kann anhand von Erfahrungswerten den Zeitraum ermitteln, in dem die Chance am größten ist, einem Bestandskunden zum Kauf eines neuen Fahrzeugs zu bewegen.
- Der Anbieter von Versicherungen kann aufgrund der Lebenssituation und demografischer Faktoren potentieller Kunden erkennen zu welchem Zeitpunkt welches seiner Produkte das größte Interesse beim Kunden weckt.
Event-History-Analysis erbringen also einen Wissensvorsprung, der Unternehmen hilft vorhandene Ressourcen effektiver einzusetzen und somit echte Wettbewerbsvorteile zu erzielen
Vorteile der Zeitreihenanalyse mit R
Zeitreihenanalysen sind in der Regel äußerst komplex und oft mit großen Datenmengen verbunden. Die Open-Source Programmiersprache R ist im besonderen Maße für solche komplexen Analysen geeignet. Mit über 20.000 verfügbaren Erweiterungspaketen steht den Anwendern ein nahezu unbegrenztes Methodenset zur Verfügung, dass lizenzkostenfrei verfügbar ist. So bietet R auch für individuelle Aufgabenstellungen die passenden Tools zur Umsetzung. Interessant für die Umsetzung von Zeitreihenanalysen sind die äußerst flexiblen und qualitativ hochwertigen Visualisierungsmöglichkeiten von R. Die stark wachsende Popularität und Verbreitung von R durch alle Anwendungsbereiche statistischer Analysen hinweg ist Beleg für die hervorragenden Möglichkeiten die R heute schon bietet, und durch die stetig wachsende Entwicklergemeinde auch in Zukunft bieten wird.
Schöpfen Sie ihr digitales Potenzial voll aus!
Erfahren Sie mehr darüber, wie wir Ihre Projekte realisieren
Starten Sie jetzt durch:
Wir freuen uns auf den Austausch mit Ihnen.
