In der Wirtschaft ist Predictive Analytics der Prozess, bei dem historische Daten verwendet werden, um vergangene Muster zu analysieren und zukünftige Muster vorherzusagen. Dieser Prozess wird in der Wirtschaft verwendet, um potenzielle Chancen zu entdecken und ihre voraussichtlichen Risiken und Chancen zu bewerten. Die Grundlage von Predictive Analytics besteht darin, die Beziehungen zwischen verschiedenen Arten von Daten zu verwenden, um das Potenzial oder das Risiko einer bestimmten Reihe von Bedingungen abzuschätzen.
Predictive Analytics versucht, Verhalten mit mathematischen oder wissenschaftlichen Mitteln zu erklären, zu analysieren und vorherzusagen. Ein Unternehmen kann seine Kundendaten erfassen und analysieren und mithilfe von Mustererkennung, Spieltheorie, Quotenalgorithmen oder Statistiken versuchen, das zukünftige Kundenverhalten basierend auf diesem Verhalten in der Vergangenheit vorherzusagen. Data-Mining-Techniken haben das Feld vorangebracht, indem sie es ermöglichen, die Daten auf verschiedene Weise zu sortieren und zu kategorisieren. Je detaillierter die Daten kategorisiert werden können, desto nützlicher und genauer sind sie bei der Vorhersage zukünftiger Ergebnisse.
Customer Relationship Management (CRM) basiert auf Predictive Analytics, um das Kaufverhalten von Kunden zu verstehen. Durch die Verwendung der zum Zeitpunkt des Verkaufs erfassten Kundendaten und die Anwendung der verschiedenen statistischen Techniken können Unternehmen besser verstehen, wie sie neue Produkte vermarkten und an bestehende Kunden verkaufen. Sie können auch verstehen, wie man Menschen, die noch keine Kunden sind, am besten dazu motiviert, ihre Produkte auszuprobieren oder ihre Geschäfte zu besuchen. Die Geschäftsbereiche Einzelhandel und Direktmarketing setzen seit langem CRM-Techniken ein und stehen bei neuen Anwendungen oft an vorderster Front.
Predictive Analytics wird häufig in Branchen wie Finanzdienstleistungen und Versicherungen eingesetzt. Bei Finanzdienstleistungen verwenden Unternehmen Kreditbewertungen, um die Wahrscheinlichkeit eines Kreditausfalls eines Verbrauchers vorherzusagen. Die Bewertung basiert auf Informationen über die Kredithistorie des Kunden und den Kreditantrag, verglichen mit den gleichen Daten ähnlicher Kunden in der Vergangenheit. Die Versicherungswirtschaft wird versuchen, die Wahrscheinlichkeit eines Schadens auf der Grundlage des Profils des Antragstellers und der bisherigen Leistung von Kunden mit ähnlichen Profilen zu ermitteln.
Andere Branchen, die Predictive Analytics einsetzen, um ihre Rentabilität zu steigern, sind das Gesundheitswesen und die Pharmazie, der Einzelhandel, die Telekommunikation und das Reisen. Sogar der Internal Revenue Service verwendet Predictive Analytics, um zu versuchen, Einkommensteuerbetrug vorherzusagen und zu identifizieren. Wirtschaftsprüfungsgesellschaften verwenden diese Methode, um Betrug in den Jahresabschlüssen der von ihnen geprüften Unternehmen zu erkennen.
Zusätzlich zur Vorhersage des Verbraucherverhaltens kann Predictive Analytics verwendet werden, um die aggregierte Nachfrage auf Filial-, Regions- oder nationaler Ebene zu bewerten. Es kann verwendet werden, um die Leistung einer ganzen Branche unter bestimmten wirtschaftlichen Bedingungen vorherzusagen. Die Regierung kann damit Faktoren vorhersagen, die sich auf die gesamte Wirtschaft auswirken, wie Arbeitslosigkeit oder Baubeginn.