Liquiditätsforecast: Predictive Analytics steigert Progn ... / 5.3.1 Strukturierter Projektablauf

1. Zu Beginn eines Projektes sind die Erwartungen ausgehend von einer Ist-Analyse der Datenqualität und -struktur festzulegen.
2. Anschließend werden in der ersten Projektphase Ziele und Dimensionierung des Anwendungsfalls konkretisiert. Bewährt haben sich hierfür Treibermodelle, auf deren Basis im nächsten Schritt die Definition modellrelevanter externer und interner Daten erfolgt. Um ein einheitliches Verständnis für diese Daten sicherzustellen, sollten die Anforderungen für alle Felder und Datensets in Kooperation von Fachabteilung und IT erarbeitet sowie präzise dokumentiert werden.
3. Daraufhin sind die Daten zu beschaffen, wozu gegebenenfalls Vertraulichkeitsvereinbarungen und Verträge mit externen Providern zu schließen sind. Der Aufbau von Schnittstellen erleichtert die Zusammenführung aus unterschiedlichen Quellen in eine Datenbank, in welcher die Daten harmonisiert werden.
4. Nach der Harmonisierung folgt die Säuberung. Dieser Schritt umfasst sowohl die Bereinigung um Einmal-Effekte als auch die Identifikation fehlender Werte. Letztere können die Ergebnisse des Forecasts signifikant verzerren, weshalb abzuwägen ist, ob eine maschinelle Vervollständigung der Datenreihen sinnvoll ist.
5. Unter Verwendung der gesäuberten Daten werden schließlich verschiedene Modellvarianten entwickelt und erprobt, um das optimale Modell auswählen zu können.
6. Ist die Entscheidung für ein Modell getroffen, folgt das Training und die Weiterentwicklung bis das Modell mit einer Visualisierung der Ergebnisse in bestehende Systeme und Prozesse integriert werden kann.