C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

PREDICTIVE ANALYTICS & BIG DATA

DR. THOMAS KEIL, SAS

DGI PRAXISTAGE, FRANKFURT, 11.11.2016

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

WAS PASSIERT 2016 IN EINER INTERNET MINUTE?BIG DATA

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

BIG DATA BELIEBTESTE APPS

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

Internet der Dinge

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

BITKOM DEFINITIONBIG DATA

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

Proaktive AnalyticsDeskriptive Analytics

ANALYTICS

Was ist passiert?

Standard

-berichteWie häufig, wann und wo ist es passiert?

Ad hoc

reportsWie lässt sich das Problem eingrenzen?

Drill

downWelche Maßnahmen sind nötig?

Alarme

Warum passiert dies?Statistische

Analyse

Was, wenn Trends fortbestehen? Forecasts

Was wird als Nächstes passieren?Predictive

Modelling

Was wäre das Beste, das passieren könnte?

Optimierung

Wet

tbew

erb

svo

rtei

l

Analytischer Reifegrad

1

2

3

4

5

6

7

8

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

ANALYTICS KLEINE ÜBUNG: WAS IST EIN VORHERSAGEMODELL?

• 0, 1, 2, 3, 4, …

• 0, 1, 1, 2, 3, 5, 8, 13, …

5, 6 (Reihe, n+ 1)

21, 34 (Summe der beiden Vorgänger)

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

ANALYTICS ZAHLEN BILDEN DIE WIRKLICHKEIT AB

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

ANALYTICS KLEINE ÜBUNG: WAS IST EIN VORHERSAGEMODELL?

• 0, 1, 2, 3, 4, …

• 0, 1, 1, 2, 3, 5, 8, 13, …

• 1, 2, 4, 8, 16, …

• 1, 2, 4, 8, 16, …

5, 6 (Reihe, n + 1)

21, 34 (Summe der beiden Vorgänger)

32, 64 (2 hoch n)

31, 57 (Kreissegmente)

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

ANALYTICS JE MEHR DATEN, DESTO BESSER DAS MODELL

1

1 Punkt

1 Segment2 Punkte

2 Segmente

3 Punkte

4 Segmente

4 Punkte

8 Segmente

5 Punkte

16 Segmente

6 Punkte

31 Segmente

1 2 4 8 16 31

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

ANALYTICS KLEINE ÜBUNG: WAS IST EIN VORHERSAGEMODELL?

• 0, 1, 2, 3, 4, …

• 0, 1, 1, 2, 3, 5, 8, 13, …

• 1, 2, 4, 8, 16, …

• 1, 2, 4, 8, 16, …

5, 6 (Reihe, n + 1)

21, 34 (Summe der beiden Vorgänger)

32, 64 (2 hoch n)

31, 57 (Kreissegmente)

deterministisch vs. probabilistisch

Kausalität vs. Korrelation

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

ANALYTICS IN DER REALITÄT: KOMPLIZIERTER ;-)

Historical Data

Trend

V

t

worldwide

millions of items

Seasons

V

t

Influences (calender!)

V

t

“noise”

V

t

V

t

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

Eine Milliarde Produkte. Pro Tag – mit 10.000 Marken. Um sicherzustellen, dass

von all diesen Produkten immer die richtige Menge im Handel verfügbar ist, setzt

Nestlé auf Forecasting mit SAS.

NestléSAS References Analytics / BI-Plattform

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

VEREINTE

NATIONENVORHERSAGE VON ARBEITSLOSIGKEIT

ZIEL HERAUSFORDERUNG ERGEBNIS

Veränderungen der Arbeitslosig-

keit vorhersehen, noch bevor

sich diese in den offiziellen

Statistiken niederschlagen

Herausfinden, ob sich aus der

Analyse von Diskussionen in

sozialen Netzwerken hierfür

verlässliche Erkenntnisse

gewinnen lassen

Mehr als 500.000 Blogs, Foren

und Webseiten untersuchen

Inhalte und Stimmungen auto-

matisiert erkennen und ordnen

Relevante Äußerungen

analysieren

Für den Arbeitsmarkt relevante

Zusammenhänge identifizieren

Analyse unstrukturierter Daten

durch Text Mining und Social

Media Analytics

Identifizierung von Frühindikato-

ren, die 3 Monate vorab

zuverlässige Aussagen zur

Arbeitslosigkeit liefern

Stimmungsbarometer für

politische Entscheidungsträger

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

VEREINTE

NATIONENVORHERSAGE VON ARBEITSLOSIGKEIT

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

Beispiel Telekommunikation

Bestehendes Geschäft Neues Geschäft

Neue Daten

Vorhandene

Daten

Wartungsoptimierung von

Sendemasten

Investitionsplan anhand von

Kundenbindungskriterien

Kampagnen gegen Wettbewerb

zum Thema „Netzqualität“

Flutprognosen dank Auswertung

der regenabhängigen

Sendeleistung

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

SAS WORLDWIDE

ofrevenues

0 $

1 $

2 $

3 $

2014200219901978

3.16Billion US$

2015 revenues

23%

Re-investing in R&D

80.000software solutions

installed

in148 countries

14,000

employeesSAS offices

in 59 countries

since 1976

Fortune

Global 500®

91 of the top 100 are

SAS customers.

C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .

VIELEN DANK FÜR IHRE AUFMERKSAMKEIT!

Dr. Thomas Keil

Manager Field Marketing

SAS Institute GmbH

In der Neckarhelle 162 ▪ 69118 Heidelberg

Tel: + 49 6221 415 1268 ▪ Mobil: + 49 173 6500 790

thomas.keil@sas.com ▪ @DrKeil

www.sas.de