Liefern verlässliche Prognosen eine gute Grundlage für Entscheidungen, was wahrscheinlich als nächstes passieren wird, geht es bei Prescriptive Analytics mehr um das „Wie“: Wie plane ich einen Prozess, so dass er möglichst gute Ergebnisse liefert bei gleichzeitig möglichst geringen Kosten? Wie sollten wir unter der Berücksichtigung der Vorhersagen handeln, um größtmöglichen wirtschaftlichen Nutzen aus diesen zu ziehen?
Es gibt viele Bereiche, in denen der Ressourceneinsatz für ein bestimmtes Ergebnis minimiert oder das Ergebnis bei feststehendem Ressourceneinsatz maximiert werden soll. Gibt es dabei nur wenige Freiheitsgrade und Rahmenbedingungen, lässt sich das Problem noch relativ gut in den Griff bekommen. Mit steigender Anzahl und Komplexität der Rahmenbedingungen und vielen Stellschrauben im Prozess wird die Lage aber schnell unübersichtlich und das beste Ergebnis lässt sich kaum noch nur mit Intuition und ein paar Tabellenkalkulationen erzielen.
Mit den Algorithmen der linearen Optimierung lassen sich für einige bestimmte Anwendungsfälle die optimalen Lösungen geeigneter Probleme berechnen. Ein Werkzeug sollte es dann dem Anwender möglichst einfach machen, die Variablen und Regeln zu definieren, die den Problemraum beschreiben und die Qualität einer möglichen Lösung berechenbar machen.
IBM ILOG CPLEX oder auch IBM ILOG CPLEX Optimization Studio (COS) ist eine solche Software zur Lösung von Optimierungsproblemen.
Prescriptive Analytics mit IBM ILOG CPLEX
Gute Software im Bereich Prescriptive Analytics hilft, sowohl bei einfachen, berechenbaren Optimierungsproblemen als auch bei hochkomplexen, durch viele Nebenbedingungen unübersichtlichen Aufgaben, die jeweils beste Lösung zu finden, um so mit den vorhandenen Ressourcen das bestmögliche Ergebnis zu erzielen.
IBM ILOG CPLEX verfolgt dabei das Ziel, höhere und bessere Geschäftsergebnisse zu erzielen. Der jeweilige Entscheider pflegt Eingabedaten ein und erhält dann mit Hilfe der implementierten und automatisch ausführenden Algorithmen einen Plan, der für das entsprechende Problem optimiert ist. Durch solche Optimierungsmodelle, die schnell mit Hilfe der vorhandenen Daten und mathematischen Modellen erstellt werden, können Entscheidungen im Unternehmen unterstützt und KPIs optimiert werden.
