DATENANALYSE
Data Science
Data Science - was und wofür?
Was kommt auf uns zu?
wie können wir weniger ausgeben und mehr verdienen?
Was halten die Kunden von uns?
Welcher Mitarbeiter sollte mit welcher Arbeit beauftragt werden?
Beispiele der Aufgaben, die von Data Science gelöst werden:

1.Logistik und Produktion:

● Qualitätsanalyse: wie kann die natürliche Variabilität von einem Signal über ein systematisches Problem unterschieden werden?

● Ratings von Lieferanten mit Rücksicht auf Qualität, Liefertermine, Angebot, Preise und weitere Parameter.

● Bestandsoptimierung.

● Klassifizierung von SKU (stock keeping units) je nach Bedeuting für die Firma.

● Prüfung von Hypothesen über den Einfluss von kleinen Änderungen auf die Geschäftsergebnisse, Unterscheidung zwischen Regel und Zufall.



2. Marketing, Vertrieb, CRM:


● Was für Dynamik wird die Sättigung des Markts mit einem neuen Produkt haben?

● Clustering (Gruppierung) von Kunden. Ergebnisse dieser Analyse können für personalisierte Nachrichten, für individuelle Discount-Programme, für gezielte Werbung und Weiteres verwendet werden.

● Analyse der Streuung von Kundenvorzügen: zum Beispiel ein Kunde kauft immer nur einen Brand, und der andere experimentiert, oder der Brand ist ihm gleichgültig.

● Analyse der Zusammenhänge zwischen Geschlecht und Kundenvorzügen.

● Berechnung des Customer Lifetime Value für Lösungen bzgl. vernünftiges Preises der Kundenakquise oder Folgen des Kundenverlustes.



3. Finanzen:


● Prognose der Einnahmen im nächsten Monat in Abhängigkeit von Aldaten, Krankheiten, Urlauben, Debitorenrückständen usw.

● Zusammensetzung des optimalen Anlageportfolios.



4. Personalwirtschaft:

● Berechnung der Wahrscheinlichkeit des Austrittes eines Mitarbeiters.

● Suche von Zusammenhängen zwischen Effizienz (KPI) der Arbeitnehmer mit ihren Gehalten, Loyalität und anderen Kennzahlen.

● Automatische Bewertung von Kandidaten je nachdem, wie sie wahrscheinlich zur Vakanz passen.