Was kann Descriptive Analytics für den Vertrieb tun?
Deskriptive Analytics bezieht sich auf die Vergangenheit, betrachtet also historische Daten rückblickend und möchte besser verstehen, was passiert ist. Dagegen richtet sich Predictive Analytics auf die Zukunft, errechnet Prognosen aus den Daten der Vergangenheit.
Bei Descriptive Analytics möchte man aus den Zahlen und Erfahrungen der Vergangenheit mehr lernen und Zusammenhänge erkennen und verstehen. Möchte man zum Beispiel die Produktionsmenge für einen Saisonartikel wie z.B. Sonnencreme bestimmen, schaut man sich die Verkaufszahlen des vergangenen Sommers an. Parallel dazu kann man auch umgebende Faktoren zur Berechnung hinzuziehen, die mit diesem Thema in Zusammenhang stehen. Etwa die Hautkrebsrate, ob Blässe oder Bräune angesagt ist und wie sich Klimawandel und Anzahl der Sonnentage entwickeln werden.
Für beide Arten der Analyse werden heutzutage gerne selbst lernende Algorithmen im Rahmen des maschinellen Lernens eingesetzt. Ist die grundlegende Datenmenge groß genug, kann das KI-Tool Muster erkennen und Abweichungen identifizieren. Das lässt eine mehr oder weniger genaue Voraussage der Zukunft zu. Aufgrund dieser Voraussagen kann der Vertrieb seine Strategie überprüfen oder mit einer neuen Strategie auf zukünftige Entwicklungen reagieren.
