Wie ein Arzt seinen Patienten nicht nur basierend auf der Krankheitshistorie und bisherigen Diagnosen eine passende Therapie anbieten kann, muss auch im Produktionsumfeld auf zahlreiche verschiedene Faktoren eingegangen werden. Hier spielen Prognosen und vor allem Optimierungssimulationen eine wesentliche Rolle. Wie in der Medizin gilt: Eine reine Diagnose hilft nicht – eine Therapie basierend auf Wahrscheinlichkeiten ist der Schlüssel zum Erfolg. Hier kommen Prescriptive Analytics ins Spiel.
Klassisches Reporting zeigt an, was vorgefallen ist und bildet den Ist-Zustand ab. Anhand dieser Informationen sollen Entscheidungen getroffen werden – etwa für Optimierungen für nächste Aktionen. Um von einer reinen Diagnose aus historischen Daten zu einer effektiven Handlungsempfehlung zu kommen, bedarf es, wie in der Medizin, einer Therapie. Welche Erkenntnisse lassen sich aus den analysierten Ergebnissen ableiten? Dieses Vorgehen nennt sich dann Predictive Analytics.
Dieser Ansatz reicht jedoch heutzutage oftmals nicht mehr aus. Prognostizierte Konflikte aus Predictive Analytics können meist durch vielfältige Aktionsmöglichkeiten gelöst werden, die der Nutzer nicht vollständig überblickt. Entsprechend geht der Ansatz “Prescriptive Analytics” noch einen Schritt weiter.
Indem verschiedene Szenarien simuliert und mit Wahrscheinlichkeiten gewichtet werden, schlägt die Software die bestmögliche Handlungsempfehlung vor und kann automatisiert Maßnahmen ergreifen. Dieser Ansatz der Prescriptive Analytics ist im Geschäftsumfeld ein entscheidender Teil von Business Intelligence-Lösungen.
Das Ziel von Prescriptive Analytics ist es, die richtigen Entscheidungsmöglichkeiten aufzuzeigen, um maximale Vorteile zu erzielen oder wahlweise Risiken zu minimieren. Für die Verbesserung der Qualität der Vorhersagen und die Wahl der richtigen Entscheidungen verarbeiten und analysieren Prescriptive Analytics kontinuierlich interne und externe Daten aus verschiedenen Quellen.
Begrenzt verfügbare oder nicht aktuelle Daten sowie nicht berücksichtigte Einflussfaktoren können zu ungenauen oder fehlerhaften Handlungsempfehlungen führen. Gerade bei Führungskräften ist der Wunsch nach datenbasierten und vor allem handlungsorientierten Empfehlungen mit „What if“-Szenarien, etwa zur Gewinnmaximierung, immanent. Und dies natürlich branchenunabhängig.
Im Healthcare-Bereich gewinnen Analytik-Lösungen immer mehr an Bedeutung. Beispielsweise kann die Einweisungskoordination oder das Patientenmanagement durch eine Multiressourcenplanung für ambulante und stationäre Maßnahmen sowie patienten- und leistungsstellenbezogene Alarmlisten unterstützt werden. Für die Vorbereitung von Entscheidungen über Investitionen, Personal-, Arbeitszeit- oder Prozessveränderungen in Kliniken und Krankenhäusern sind Simulationen von Auswirkungen dieser Veränderungsmöglichkeiten auf die Prozesse in der jeweiligen Einrichtung entscheidend und können wortwörtlich Leben retten.
Gerade im Produktionsumfeld helfen Prescriptive Analytics in verschiedenen Szenarien. Bei der Planung und Optimierung der Supply Chain kann beispielsweise eine vollständige Automatisierung von in Echtzeit anpassbaren Lieferkettenprozessen wie Nachschub oder Materialbeschaffung verwendet werden. Die präskriptive Analytik optimiert damit laufend die gesamte Supply Chain sowie die Produktionsplanung und sorgt dafür, dass Fertigstellungs- und Liefertermine eingehalten werden.
Lange glich ein präskriptives Analysewerkzeug einer Black-Box – mit begrenzter Einsicht in das Daten-Innenleben sowie den Gründen für Ergebnisse und Handlungsanweisungen. Zunehmend haben sich Lösungsanbieter darauf konzentriert, die Transparenz ihrer Lösungen zu verbessern, etwa durch Was-wäre-wenn-Analysefunktionen, um den Anwendern mit der Validität der Lösungen besser vertraut zu machen – oder auch weitere Schritte in anderen Bereichen durchzuführen, die nicht mit der Prescriptive Analytics-Software verbunden sind.
Sie haben konkrete Fragen zur MES-Software? Schreiben Sie mir gerne über das Kontaktformular.
Dominik Weggler
Sales Team Germanedge