-
Die
Erfindung betrifft eine Prognosevorrichtung zur Bewertung und Vorhersage
stochastischer Ereignisse.
-
Im
Zuge der fortschreitenden Informationsgesellschaft werden Geschäftsprozesse
zunehmend in Datenbanken abgebildet, um gegebenenfalls durch die
Analyse der Geschäftsverläufe in der Vergangenheit
sinnvolle Erkenntnisse und Handlungsempfehlungen für die
Zukunft zu gewinnen. Insbesondere elektronische Warenwirtschaftssysteme
erlauben es, weitgehend automatisierte Geschäftsprozesse
durch Auswertung komplexer „Wenn-Dann-Ereignisketten” zu
steuern.
-
Das
Problem derartiger Warenwirtschaftssysteme besteht allerdings darin,
dass sich eine Reihe von Geschäftsprozessen nur schwer
in „Wenn-Dann-Ereignisketten” abbilden lassen.
Man spricht von sogenannten Softfacts im Unterschied zu Hardfacts,
die nur schwer der automatisierten Abwicklung zugänglich
zu sein scheinen. Ein Beispiel hierfür stellt die Bewertung
der Wahrscheinlichkeit einer Kaufentscheidung eines Kunden dar.
Diese Fragen sind auch nicht mit den Werkzeugen der klassischen
Analyse oder Statistik zu beantworten.
-
Eine
mögliche Auswertung derartiger Datenbanken ist unter dem
Begriff „Data-Mining” in der Fachwelt bekannt
geworden. Es geht dabei im Wesentlichen darum, entscheidungsrelevante
Informationen aus Datenbanken zu extrahieren. Dabei soll „Data-Mining” dem
Management Erkenntnisse und Zusammenhänge liefern, die
bislang verborgen geblieben oder außer Acht gelassen worden
sind, weil sie entweder für nicht entscheidungsrelevant
oder für nicht analysierbar gehalten wurden.
-
Den
Erfolg des „Data-Mining” begleiten auch neue Datenbanktechniken
wie etwa relationale oder objektorientierte Datenbanken, flexible
Client-Server-Technologien oder Parallelprozessoren, die die Performance
und das Preis-/Leistungsverhältnis dieser Datenbanken erheblich
verbessert haben. Im Bereich des „Data-Mining” sind
eine Reihe von Technologien bekannt geworden, wie etwa die künstlichen neuronalen
Netze unter denen man im Wesentlichen nichtlineare Prognoseverfahren
versteht, die weitgehend der biologischen Informationsverarbeitung nachempfunden
und selbstadaptiv aufgebaut sind. Eine Alternative stellen die sogenannten
Kohonen-Netze dar, wobei es sich um ein Segmentierungsverfahren
handelt, die ebenfalls auf dem Prinzip neuronaler Netze basieren
und selbstständige Cluster innerhalb eines größeren
Datenbestandes bilden. Ein klassisches Verfahren der statistischen Auswertung
stellt etwa die lineare Regression dar, wobei hier eine mögliche
Verhaltensweise mit Hilfe unabhängiger Variablen prognostiziert
werden sollen. In der Regel werden regelbasierte Systeme eingesetzt,
die dazu dienen die bekannten Wenn-Dann-Regeln zu extrahieren und
gegebenenfalls zu verifizieren. Welche Methode jeweils im Rahmen
des „Data-Mining” eingesetzt wird hängt
von der jeweiligen Fragestellung und dem Einsatzgebiet ab. Neuronale
Netze und Systeme der linearen Regression werden insbesondere bei
Fragestellungen mit Prognosecharakter eingesetzt. Selbstverständlich sind
auch Kombinationen der bekannten Data-Mining-Lösungen denkbar,
bei der in der Regel empirisch ermittelt wird, welche Date-Mining-Lösung
für welchen Anwendungsfall die beste Methode darstellt.
-
Eine
konkrete Anwendung derartiger Verfahren ist in der
DE 103 19 493 A1 beschrieben.
Es handelt sich dabei um ein Ferndiagnose- und Prognoseverfahren
für komplexe Systeme, insbesondere in Verbindung mit Fahrzeug-Telematiksystemen,
wobei anhand der an Bord eines Fahrzeugs erfassten Betriebsdaten,
die an ein zentrales Diagnosezentrum übertragen werden
und somit eine Fernüberwachung realisiert wird, aber auch
einer Prognose, die etwa die Ausfallwahrscheinlichkeit einzelner
Komponenten ermitteln soll.
-
Ein
Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden
Parameters, insbesondere eines den Zustand eines Verkehrsnetzes
repräsentierenden Verkehrsparameters und eine Vorrichtung
zur Durchführung dieses Verfahrens ist aus der
DE 197 53 034 A1 bekannt
geworden. Das Verfahren kann dabei insbesondere als Programm in einer
Verkehrsleitzentrale realisiert werden, wobei innerhalb einer Datenbank
sogenannte Ganglinien aufgezeichnet werden, die die Verläufe
von verkehrstechnischen oder anderen Parametern zeigen, ausgewertet
werden. Dabei soll im Rahmen dieser Lösung eine effizientere
Optimierung von Prognosen, insbesondere von Verkehrsprognosen ermöglicht werden.
-
Eine
ganz konkrete technische Anwendung derartiger Prognoseverfahren
stellt die Prognose des Betriebsverhaltens einer Turbinenanlage
gemäß der deutschen Patentschrift
DE 44 24 743 C2 dar. Dabei wird
mittels eines anlagenspezifischen Anlagenmodels anhand der Vorgabe
einer oder mehrer Betriebsparameter weitere Betriebsparameter ermittelt
und unter Berücksichtigung der gewünschten Randbedingung
oder Betriebsparameter die Reaktion der modellierten Turbinenanlage
auf die gewünschten Randbedingung berechnet und anhand
dessen das Verhalten des überwachten Betriebsparameters
bzw. der Turbinenanlage prognostiziert.
-
Allen
vorstehenden Verfahren ist das Problem gemeinsam, dass die Prognoseverfahren
aufgrund der Erfahrungen in der Vergangenheit eine Prognose für
die Zukunft aussprechen. Einem derartigen statischen Vorgehen fehlt
zumeist die erforderliche Flexibilität, um auf die sich
ständig ändernden Randbedingungen wirtschaftlicher
Prozesse etwa innerhalb von Warenwirtschaftssystem mit der erforderlichen
Sensibilität einzugehen. Bei Abbildung der Realität
und insbesondere deren Prognose kann also nur mit dynamischen Methoden
gelingen, die auf etwaig geänderte Randparameter reagieren
und idealer Weise „on the fly” in die Prognose
einfließen können.
-
Der
Erfindung liegt demnach die Aufgabe zugrunde, eine Prognosevorrichtung
zur Bewertung und Vorhersage stochastischer Ereignisse anzugeben,
das dynamisch auf sich verändernde Randbedingungen reagiert
und selbstadaptiv ausgestaltet ist.
-
Die
Lösung der erfindungsgemäßen Aufgabe
gelingt mittels einer Prognosevorrichtung gemäß Anspruch
1. Vorteilhafte Ausgestaltungen sind den abhängigen Ansprüchen
zu entnehmen.
-
Dadurch,
dass im Rahmen des erfindungsgemäßen Prognoseverfahrens
zunächst ein Ereignisdatensatz an eine Prozesseinheit angelegt
wird, die mit einem binären Ereigniswert beantwortet wird, der
dann der nachgeschalteten Bewertungseinheit zugeleitet wird, deren
Bewertungsergebnis wiederum an einen weiteren Eingang der Prozesseinheit
rückgekoppelt wird, besteht im Sinne eines einfachen Regelkreises
eine Rückkopplung zwischen den Einganggrößen
und den Ausgangsgrößen, so dass diese veränderten
Eingangsgrößen zu veränderten Ergebniswerten
führen, die im Wege Rückkopplung in das Prognoseverfahren
eingeschlossen werden.
-
Eine
wesentliche Eingriffsmöglichkeit in den dynamischen Bewertungsprozess
stellt dabei der zusätzliche Cut-Off-Eingang der Prozesseinheit
dar, mit dem das Verhältnis der binären Ereigniswerte
untereinander eingestellt werden kann. Konkret könnte der
Ereignisdatensatz eine Beschreibung eines Angebotes und einen Kundendatensatz
enthalten, wobei der binäre Ereigniswert eine digitale
Darstellung eine Kaufangebots an den Kunden Ja/Nein darstellt, so
dass am Cut-Off-Eingang im Sinne eines Sollwerts eingestellt werden
kann, wie viele Kunden, denen ein Kaufangebot unterbereitet wird,
dieses auch annehmen sollten.
-
Das
erfindungsgemäße Prognoseverfahren wird dabei
in zwei separaten, aber miteinander verknüpften Verfahren,
die von einer Prozesseinheit und einer Bewertungseinheit gesteuert
werden, durchgeführt. Dabei stellt die Prozesseinheit die
Steuerzentrale des Prognoseverfahrens dar und sorgt somit für die
Taktung und Steuerung des Prognoseverfahrens insgesamt.
-
Neben
dem digitalen Bewertungsergebnis am Ausgang der Prozesseinheit weist
die Prozesseinheit zwei weitere Ausgänge zur Ausgabe je
zweier Merkmalsvektoren auf, bei denen ein Merkmalsvektor den Zielparameterwert
umfasst, während bei dem anderen Merkmalsvektor der Wert
des Zielparameters noch unbelegt ist. Beide Merkmalsvektoren werden
dann der nachgestellten Bewertungseinheit übergeben, die
dann anhand der Auswertung der Merkmalsvektoren den Zielparameterwert
ermittelt, der an einen zusätzlichen Score-Eingang der
Prozessoreinheit rückgekoppelt wird.
-
Im
Rahmen der praktischen Ausführung des erfindungsgemäßen
Verfahrens hat es sich bewährt, den Ereignisdatensatz in
Form eines n-Tupels an den Eingang der Prozessoreinheit zu legen,
wobei die Dimension des Vektors veränderlich mithin der
Wert n des n-Tupels veränderlich ist. Der n-Tupel muß dabei nicht
zwingend normiert sein. Er besteht üblicherweise aus key-value-Paaren.
Mit Veränderung der Dimensionen des Ereignisdatensatzes
bzw. des an die Prozesseinheit gegebene Vektors ist es möglich,
auf veränderte Rahmenbedingungen mit einem veränderten
Ereignisdatensatz zu reagieren, so dass im Laufe der Bewertung des
ein und demselben Geschäftsprozesses gegebenenfalls mit
unterschiedlichen Ereignisdatensätzen gearbeitet werden
kann. Veränderte Rahmenbedingungen erfordern dabei etwa
nicht ein Abrechen des Prognose- und Bewertungsprozesses mit der
Folge, dass die bisherigen Prognose- und Bewertungsergebnisse für
die weitere Bewertung verloren wären. Vielmehr kann der
Lernprozess durch Selbstadaption des Bewertungssystems durch eine einfache
Anpassung des Eingangsdatensatzes und/oder eine veränderte
Dimensionierung dynamisch angepasst werden.
-
Ein
weiterer wesentlicher Vorteil des erfindungsgemäßen
Verfahrens liegt darin, dass das an den Return-Eingang der Prozessoreinheit
rückgekoppelte Bewertungsergebnis der Bewertungseinheit ein
numerischer und somit leicht verständlicher Wert ist. Beispielsweise
steht ein hohes Bewertungsergebnis für einen hohen Umsatz
des Kunden und ein niedriges Bewertungsergebnis für einen
entsprechend niedrigen Umsatz. Dies erleichtert die praktische Anwendung
des Prognoseverfahrens erheblich. Die an den Return-Eingang zurückgegebene
Größe stellt also bereits eine Abbildung einer
Tatsache dar.
-
In
vorteilhafter Ausgestaltung stellt der in der der Prozesseinheit
nachgeschalteten Bewertungseinheit ablaufende Bewertungsprozess
ein selbstadaptives System dar, das über einen inkrementellen Lernmechanismus
verfügt. Dabei muss das Verfahren zunächst mangels
entsprechender Erfahrung in der Vergangenheit mit vordefinierten
Trainingsereignisdatensätze angestoßen werden,
die sequentiell an die Prozesseinheit angelegt und in Form der vorstehend
erläuterten Merkmalsvektoren an die nachgeschaltete Bewertungseinheit übergeben
werden mit der Folge, dass eine erste Optimierung des Prognoseverfahrens
erfolgt, wobei mit zunehmender Anzahl der verarbeiteten Ereignisdatensätze,
insbesondere auch realer Ereignisdatensätze bereits eine
Verbesserung des Systems erfolgt.
-
Dabei
wird die Dynamik des Prognoseverfahrens auch dadurch deutlich, dass
den jeweiligen Bewertungsergebnissen eine zeitliche Bewertung und
in Abhängigkeit davon eine Priori tätsgewichtung zugeordnet
wird. Den älteren Bewertungsergebnissen kommt ein geringeres
Gewicht zu als den Jüngeren, so dass auch insofern wechselnde
Rahmenbedingung angemessen berücksichtigt werden. Diese Funktionalität
des Bewertungsverfahrens wird zutreffend als „Forget-Funktion” beschrieben.
-
Die
Dynamik des erfindungsgemäßen Prognoseverfahrens
spiegelt sich unter anderem auch in einem zusätzlichen
Setup-Eingang der Prozesseinheit wieder, über den es möglich
ist in die laufende Bewertung zusätzliche Parameter einzupflegen
bzw. die Parameter des Ereignisdatensatzes verändert zu definieren. Über
den Setup-Eingang erfolgt also die Parametrierung bzw. Vordefinition
der an den Eingang der Prozesseinheit angelegten Ereignisdatensätze. Über
den Setup-Eingang können „on the fly” zusätzlich
Variablen eingepflegt und somit die Dimension des Ereignisdatensatzes
erweitert werden.
-
Um
den Lernfortschritt des Prognoseverfahrens angemessen zu berücksichtigen
zu können sind innerhalb des Prognoseverfahrens mindestens
drei unterschiedliche Verfahrensabläufe der Prognose angelegt.
In einem ersten Verfahrensablauf werden lediglich die Ereignisdatensätze
in einem der Prozesseinheit zugeordneten Cache-Speicher abgelegt und
im Übrigen die Anzahl der bearbeiteten Ereignisdatensätze
sowie die digitalen Bewertungsergebnisse gezählt. Beispielsweise
wird jedem durch einen Ereignisdatensatz repräsentierten
Kunden ein Produkt angeboten und zu jedem Kunden als Bewertungsergebnis
an den Return-Eingang zurückgemeldet, ob die Kaufentscheidung
positiv war. dabei wird also in dieser Phase ständig am
Response Ausgang 1 ausgegeben Die komplettierten Ereignisdatensätze „tranieren” somit
das Verfahren. Die Güte der Prognose wird parallel gemessen.
Hierzu ist der Prozesseinheit ein entsprechender Zähler
zugeordnet. Bei Erreichen eines definierten Schwellwertes, mithin
eines gewissen Lernerfolges, wird von einem ersten Verfahrensablauf
in einen zweiten Verfahrensablauf geschaltet, wobei es nun von der
Bewertung abhängt ob am Response-Ausgang ein Ereigniswert
0 oder 1 anliegt. Mit Erreichen eines weiteren Schwellwertes kann
dann in einem weiteren, dritten Verfahrensablauf gewechselt werden,
in dem das Verfahren als solches unverändert bleibt, aber
mit veränderten Parameterwerten, also etwa mit bereits
ersten Ergebnissen des Bewertungsprozesses gearbeitet wird. Hierdurch
kann abermals eine weitere Optimierung des Prognoseverfahrens erreicht
werden. Selbstverständlich können im Rahmen der
Erfindung auch weitere Anpassung der Parametrierung und somit weitere
unterschiedliche Verfahrensabläufe der Prognose realisiert
werden.
-
Im
Sinne eines dynamischen Prognoseverfahrens hat es sich bewährt,
wenn die Veränderung der Parameter in einer sogenannten
change-Kurve dargestellt wird, die gleichzeitig ein sogenanntes Frühwarnsystem
darstellt, um ggf. auf sich verändernde Bedingungen mit
veränderten Vorgaben zu reagieren. Beispielsweise könnten
die Preise der Angebote an den Kunden dem jeweiligen Marktgeschehen
angepasst werden.
-
Das
Verfahren wird idealerweise in Verbindung mit der erfindungsgemäßen
Prognosevorrichtung gemäß Anspruch 1 umgesetzt.
-
Diese
Prognosevorrichtung kann idealer Weise in Verbindung mit einer herkömmlichen
Datenverarbeitungsanlage betrieben werden, wobei diese Datenverarbeitungsanlage
in Verbindung mit einer Kundendatenbank eines Anbieters stehen kann,
wobei die Prognosevorrichtung zusätzlich mit der Telefonanlage
des Kundendatenanbieters verbunden ist. Dabei können dann
in Abhängigkeit von etwaigen Kundenanrufen beispielsweise
anhand der Kundentelefonnummer oder sonstiger Identifikationsmerkmale
die individuellen Kundendatensätze ausgewählt werden,
wobei dann über eine mit der Prognosevorrichtung verbundene
Anzeige-Einheit eine Prognose der zu erwartenden Kaufentscheidungen
des Kunden im Bezug auf unterschiedliche Angebotsmöglichkeiten
zur Anzeige gelangt. Ein derartiges System kann mit Vorteil etwa
in Verbindung mit einem Call-Center eingesetzt werden, wobei dann
dem jeweiligen Sachbearbeiter in Abhängigkeit von dem anrufenden
Kunden angezeigt wird, welche Ware oder welche Dienstleistung dem
Kunden im Rahmen des Gesprächs angeboten werden sollte,
um eine erhöhte Wahrscheinlichkeit für eine positive
Kaufentscheidung zu haben.
-
Die
Erfindung wird nachstehend anhand eines in der Zeichnung nur schematisch
dargestellten Ausführungsbeispiels näher erläutert.
-
Es
zeigen:
-
1:
einen Arbeitsplatz eines Call-Centers mit angeschlossener Prognosevorrichtung
in einem Blockschaltbild,
-
2:
ein Prognoseverfahren der Prognosevorrichtung nach 1 in
einem Blockschaltbild,
-
3:
das Prognoseverfahren nach 2 in einem
detaillierten Blockdiagramm,
-
4:
ein weiteres Detail zur Verarbeitung der Ereignisdatensätze
des Prognoseverfahrens in einem Blockdiagramm,
-
5:
einen ersten Verfahrensablauf des Prognoseverfahrens im Blockdiagramm,
-
6:
einen zweiten Verfahrensablauf des Prognoseverfahrens im Blockdiagramm,
-
7:
ein Verfahren zur Erstellung sogenannter scoring cards
-
8:
eine Ganglinie mit den Verlauf stochastischer Ereignisse ohne Einsatz
des Prognoseverfahrens im Vergleich zu einer Ganglinie mit Einsatz
des Prognoseverfahrens jeweils in einer Diagrammdarstellung. in
Bezug zu einer Eingangsgröße.
-
Beispielhaft
für den Einsatz des erfindungsgemäßen
Prognoseverfahrens bzw. der erfindungsgemäßen
Prognosevorrichtung ist in 1 ein üblicher
Arbeitsplatz in einem Call-Center dargestellt. Ein derartiger Arbeitsplatz
besteht zunächst aus dem Terminal 1 oder einer
Rechnereinheit des jeweiligen Mitarbeiters des Call-Centers, der
mit der Telekommunikationsanlage 2 des Call-Centers datenverbunden
ist. Zusätzlich steht sowohl die Telekommunikationsanlage 2 als
auch der Terminal 1 mit einer Kundendatenbank 3 des
mit dem Call-Center zusammenarbeitenden Anbieters in Datenverbindung.
Hierbei kann es sich bei dem Anbieter um einen beliebigen Teilnehmer
am wirtschaftlichen Prozess, wie etwa ein Versandhaus, handeln,
wobei das Call-Center entweder eine externe oder interne Einrichtung des
Anbieters ein kann, die jedenfalls Zugriff zu der erwähnten
Kundendatenbank 3 des Anbieters hat. Im Rahmen der Erfindung
ist der Terminal 1 des Mitarbeiters des Call-Centers zusätzlich
mit einer Prognosevorrichtung 4 verbunden. Die Prognosevorrichtung 4 kann
entweder mit einer eigenen Anzeigevorrichtung verbunden sein oder
aber den Terminal 1 des Mitarbeiters als Anzeigevorrichtung
benutzen.
-
Die übliche
Benutzung des in 1 dargestellten Arbeitsplatzes
besteht darin, dass ein Kunde über die Telekommunikationsanlage 2 an
den Benutzerterminal 1 des jeweiligen Bearbeiters des Call-Centers
durchgestellt wird, wobei aufgrund einer zuvor abgefragten Kundenidentifikation
oder einfach dessen Telefonnummer die entsprechenden Kundendaten
aus der Kundendatenbank 3 bezogen werden und auf dem Terminal 1 zur
Anzeige gelangen. Gleichzeitig werden die von der Kundendatenbank 3 bezogenen
Daten in Verbindung mit einem oder mehreren möglichen Angeboten,
die dem Anrufer unterbreitet werden können, als Ereignisdatensätze
an die Prognosevorrichtung 4 übergeben, die darauf
hin mit einer Prognose bezüglich des Kaufverhaltens des Kunden
oder einer Wahrscheinlichkeitsbewertung für einen möglichen
Kauf reagiert und diese auf dem Terminal 1 zur Anzeige
bringt. In Abhängigkeit von dem dem jeweiligen Bearbeiter
mitgeteilten Ergebnis wird dann dem Anrufer ein individuelles Angebot
unterbreitet, wobei dann die reale Kaufentscheidung des Kunden in
die Kundendatenbank 3 fließt und somit beim nächsten
Anruf desselben Kunden in die Bewertung durch die Prognosevorrichtung 4 einfließt.
-
Gemäß der
Darstellung in 2 besteht die Prognosevorrichtung 4,
die in Form einer nicht weiter dargestellten Rechnereinheit realisiert
werden kann, im Wesentlichen aus zwei miteinander in Datenverbindung
stehenden Bausteinen.
-
Wie
bereits erwähnt wurde, werden die Ereignisdatensätze
an die Prognosevorrichtung 4 übergeben. Es handelt
sich dabei um Vektoren, sogenannte n-Tupel, die an einen Request-Eingang 11 der
Prognosevorrichtung 4 gelegt werden. Jeder an den Request-Eingang 11 der
Prognosevorrichtung 4 gelegte Ereignisdatensatz wird mit
einem digitalen Ereigniswert 0 oder 1 am Response-Ausgang 12 der Prognosevorrichtung 4 beantwortet.
Es kann sich dabei im vorliegenden Fall, um die Empfehlung handeln,
dem Kunden ein Angebot zu machen (Ereingniswert = 1) oder nicht.
Dem Response-Ausgang 12 ist eine Abfrage-Einheit 13 nachgeschaltet,
die für den Fall, dass der am Response-Ausgang 12 ausgegebene
Ereigniswert 0 ist, den am Request-Eingang 11 angelegten
Ereignisdatensatz in einem Löschschritt 9 verwirft
oder aber eine Weiterbearbeitung anstößt. Hierzu
wird nun also das Angebot dem Kunden unterbreitet, also ein externer
Prozess 8 eingeschaltet und die Kundenreaktion in Form
eines numerischen Bewertungsergebnisses im weiteren über den
Rückkopplungspfad 7 auf einen Return-Eingang 10 der
Prognosevorrichtung 4 zurückgekoppelt wird. Es
kann sch dabei einfach um die Rückmeldung handeln, der
Kunde hat etwas gekauft oder wie hoch ist der erzielte Umsatz oder ähnliches.
Der Wie ebenfalls aus 2 ersichtlich, ist die Prognosevorrichtung 4 zusätzlich
mit einem Cut-Off-Eingang 14 verse hen, an dem das Verhältnis
der digitalen Ereigniswerte unter einander, also der Prozentsatz
der mit 1 bewerteten Ereignisse im Bezug auf die Gesamtzahl der
Ereignisdatensätze einstellbar ist.
-
Über
einen zusätzlichen Setup-Eingang 15 wird die Prognosevorrichtung 4 parametriert.
Hierunter ist insbesondere zu verstehen, dass über den
Setup-Eingang 15 die Anzahl der Dimensionen also die Zahl
n des n-Tupels der am Request-Eingang 11 angelegten Ereignisdatensätze
festgelegt wird und überdies die im Ereignisdatensatz enthaltenen
Parameter der Form und dem Namen nach sowie dem Typus nach definiert
werden können. Es handelt sich dabei um sogenannte key-Value
Paare, wie etwa „alter:35”
-
Eine
detailliertere Darstellung der Prognosevorrichtung 4 ist
in 3 gegeben. Gemäß der Darstellung
in 3 umfasst die Prognosevorrichtung eine Prozesseinheit 5 mit
nachgeschalteter Bewertungseinheit 6. Dabei weist die nachgeschaltete
Bewertungseinrichtung 6 wenigstens zwei Eingänge 16, 17 auf.
Es handelt sich dabei um einen Train-Eingang 16 und einen
Score-Eingang 17, die jeweils mit einem Train-Ausgang 20 und
einem Request-Ausgang 21 der Prozesseinheit 5 verbunden
sind. Wie bereits vorstehend erläutert wurde, wird der
nachgeschaltete Bewertungsprozess in der Bewertungseinheit 6 in Abhängigkeit
davon abgestoßen, ob am Response-Ausgang 12 ein
Eingangswert 1 oder 0 ausgegeben wird, wobei der Ereigniswert 1
im vorliegenden Beispiel für die Empfehlung stehen möge,
dem Kunden ein Angebot zu unterbreiten, stehen möge.
-
Die
beiden Eingänge 16, 17 der Bewertungseinheit 6 werden
jeweils mit den von der Prozesseinheit ausgegebenen Merk malsvektoren
belegt, wobei der Train-Eingang 16 zur Adaption der in
der Bewertungseinheit 6 angelegten Bewertungsprozesse dient und
daher einen Merkmalsvektor mit einer belegten Zielvariable verlangt,
wobei am Score-Eingang 17 ein Merkmalsvektor angelegt wird,
dessen Zielvariable nicht belegt ist.
-
Für
jedes insoweit an den Eingängen 16 und 17 angelegte
Merkmalsvektorenpaar wird an einem Score-Ausgang 22 ein
Bewertungsergebnis ausgegeben. Der am Score-Ausgang 22 ausgegebene
Bewertungswert stellt eine numerische Zahl da, die der bereits erwähnten
Zielvariable entspricht. Diese Zielvariable bzw. dieser Bewertungswert
wird an einen zusätzlichen Score-Eingang 23 der
Prozesseinheit 5 zurückgemeldet. Der von der Bewertungseinheit 6 ermittelte
Bewertungswert fließt somit in die weitere Beurteilung
durch die Prognosevorrichtung 4 ein.
-
Die
konkrete Verarbeitung der von der Bewertungseinheit 6 an
die Prozesseinheit 5 rückübermittelten
Werte an den Return-Eingang 10 ist in 4 dargestellt.
-
Zunächst
wird jeder an die Prognosevorrichtung 4 gemeldeten Ereignisdatensätze
in einen sogenannten Request-Cache 24 abgelegt, wobei sobald die
rückgekoppelten Bewertungswerte am Return-Eingang 10 der
Prozesseinheit 5 anliegen anhand dieser Datensätze
der zuvor im Request-Cache 24 abgelegte Ereignisvektor
herausgesucht und mit dem von der Bewertungseinheit 6 rückgekoppelten Wert
angereichert und anschließend der komplette Datensatz also
n-Tupel umfassen den Ereignisdatensatz und den Bewertungswert in
einem Train-Cache 25 abgelegt wird. Sobald der Train-Cache 25 voll
ist, wird die Bewertungseinheit 6 mit dem Inhalt des Train-Cache 25 trainiert.
Für den Fall, dass anhand der von der Prozesseinheit 5 rückgekoppelten
Werte der Ereignisdatensatz im Request-Cache 24 nicht aufgefunden
werden kann, wird eine Fehlermeldung 26 ausgegeben.
-
Dem
Train-Cache 25 ist dabei eine Schwellwertabfrage 27 zugeordnet, über
die jeweils geprüft wird, ob der Train-Cache 25 bereits
vollgelaufen ist, also eine vorgegebene Anzahl von Ereignisdatensätzen
in diesem Speicherelement angelegt ist. Sobald diese Anzahl erreicht
ist, werden diese Ereignisdatensätze benutzt, um beispielsweise
die Parametrierung der Bewertungseinheit 6 zu verbessern,
wobei das der Prognosevorrichtung 4 zugrunde liegende Modell
in einem Trainingsschritt 30 trainiert und anschließend
der Train-Cache 25 in einem Leerungsschritt 28 geleert
wird.
-
Gemäß den 5 und 6 können
bei dem erfindungsgemäßen Prognoseverfahren zumindest
3 unterschiedliche Verfahrensabläufe voneinander unterschieden
werden, wobei es vom jeweiligen Lernerfolg und Lernfortschritt des
erfindungsgemäßen Prognoseverfahrens abhängt,
welcher der möglichen Verfahrensabläufe zum Einsatz
kommt. Die unterschiedlichen Verfahrensabläufe schlagen
sich insbesondere bei der Bearbeitung der an den Eingang der Prozesseinheit
angelegten Ereignisdatensätze, den sogenannten Requests 35,
nieder. Im ersten Verfahrensablauf werden die Requests 35 unverändert
in einem Schreibschritt der Prozesseinheit zugeordneten Request-Cache 24 geschrieben
und für jeden Request 35 der Schwellwertzähler 31 um
eins erhöht, wobei auch der integrierte Response-Zähler für
jeden Request 35, der mit dem Response 1 beantwortet wird,
ebenfalls um eins hochgesetzt wird. In dieser ersten Phase wird
aber am Response Ausgang 12 immer der Ereigniswert = 1
ausgegeben. Also dem Kunden zunächst generell ein Kaufangebot unterbreitet.
-
Sobald
einer oder beide Zähler 31 einen vorgegebenen
Schwellwert erreichen und somit das Prognoseverfahren eine hinreichende
Erfahrung oder Güte gesammelt hat, wird von dem ersten
Verfahrensablauf gemäß 5 in einen
zweiten Verfahrensablauf gemäß 6 gewechselt
mit der Maßgabe, dass im weiteren nur noch solche Ereignisdatensätze
in dem erwähnten Request-Cache 24 abgespeichert
werden, die zu einem Response = 1 geführt haben. Darüber
hinaus werden die internen Parametersätze der Bewertungseinheit 6 an
die veränderte Situation angepasst. Jetzt allerdings bewirkt
die Bewertungseinheit 6, dass entweder ein Ereigniswert
1 oder 0 am Response-Ausgang 12 ausgegeben werden kann.
Deshalb muß eine Response-Abfrage 37 vor die Parametersetzung 37 geschaltet
sein. Es wird also parallel eine Bewertung durchgeführt
wie gut die Prognosevorrichtung 4 bereits arbeitet, also
etwa wie oft der Kunde das Kaufangebot annimmt. Dieses Verhältnis
wird wiederum mit einem Schwellwertzähler 31 überwacht.
-
Bei
Erreichen eines weiteren definierten Schwellwerts wird von dem zweiten
Verfahrensablauf gemäß in einen dritten Verfahrensablauf
gewechselt, der sich von dem zweiten Verfahrensablauf im Wesentlichen
nur dadurch unterscheidet, dass die in der Bewertungseinheit 6 eingesetzten
internen Parameter in Abhängigkeit vom Lernerfolg des Prognoseverfahrens
verändert sind.
-
Eine
mögliche Anwendung des vorstehend erläuterten
Verfahrens besteht darin, dass dynamische Prognoseverfahren zur
Erstellung statischer Bewertungstabellen, sogenannter „sco ring
cards” einzusetzen. Gemäß der Darstellung
in 8 kann der Prognosevorrichtung 4 eine
Trainigsdatenbank 40 vorgeschaltet werden aus der eine
ebenfalls vorgeschalte Simulationseinheit 41 in einer Endlosschleife 42 Datensätze
entnimmt und als sequentiellen Datenstrom der Prognosevorrichtung 4 zuführt bis
eine gewünschte Prognosegüte erreicht ist. Die
in einer parallelen Validierungsdatenbank 43 gespeicherten
Daten dienen dazu, die Güte der Prognosevorrichtung 4 mit
einem unabhängigen Datensatz ggf. zu überprüfen.
-
Der
Erfolg des erfindungsgemäßen Prognoseverfahrens
bzw. der erfindungsgemäßen Prognosevorrichtung 4 ist
in 9 dargestellt. Es handelt sich
dabei um drei über der Zeit aufgetragene Ganglinien in
drei übereinander angeordneten Diagrammen. Dabei ist im
obersten Diagramm die Ganglinie der positiven Kaufentscheidungen
also der Return werte 1 in Bezug zur Gesamtzahl der bearbeiteten Ereignisdatensätze
aufgetragen. Dabei ist am Cut-Off-Eingang ein Wert von 0,5 eingestellt.
Es stellt sich na relativ kurzer Zeit bei Bearbeitung eines Gesamtdatensatzes über
der Zeiot von ca. 11 800 Datensätzen ein Angebotserfolgswert
von ca 4% ein, mit der Bedeutung, dass 4% der angefragten Kunden das
ihnen angebotene Produkt auch kaufen. Wie deutlich in der oberen
Ganglinie zu erkennen ist, nähert sich die positive Rücklaufkurve
sehr schnell und merklich an den gewünschten Verkaufserfolg
an. Im vorstehenden Beispiel wurde ein sogenannter Scoring-Prozess
mit 11.000 Ereignisdatensätzen ausgewertet, wobei als Besonderheit
bei ca. 5.800 Daten das den Kunden angebotene Produkt gewechselt
wurde. Hierdurch soll dokumentiert werden, dass das erfindungsgemäße
Prognoseverfahren leicht an veränderte Bedingungen angepasst
werden kann. Der Wechsel des Produktes spiegelt sich als Peak in der
Change-Kurve wieder, ohne dass jedoch der Rücklauf oder
die Prognosequalität hierdurch deutlich verschlechtern
würde.
-
Vorstehend
ist somit eine Prognosevorrichtung beschrieben, die im Wesentlichen
durch Anwendung an sich bekannter regelungstechnischer Grundsätze,
insbesondere der Rückkopplung, es erlaubt, dynamisch an
veränderte wirtschaftliche Randbedingungen angepasst zu
werden und dabei sogar während der Laufzeit, also „on
the fly”, verändert werden kann.
-
- 1
- Terminal
- 2
- Telekommunikationsanlage
- 3
- Kundendatenbanken
- 4
- Prognosevorrichtung
- 5
- Prozesseinheit
- 6
- Bewertungseinheit
- 7
- Rückkopplungspfad
- 8
- externer
Prozess
- 9
- Löschschritt
- 10
- Return-Eingang
- 11
- Request-Eingang
- 12
- Response-Ausgang
- 13
- Abfrage-Einheit
- 14
- Cut-Off-Eingang
- 15
- Setup-Eingang
- 16
- Train-Eingang
- 17
- Score-Eingang
- 20
- Train-Ausgang
- 21
- Request-Ausgang
- 22
- Score-Ausgang
- 23
- Zusätzlicher
Score-Eingang
- 24
- Request-Cache
- 25
- Train-Cache
- 26
- Fehlermeldung
- 27
- Schwellwertabfrage
- 28
- Leerungschritt
- 29
- Schreibschritt
- 30
- Trainingsschritt
- 31
- Schwellparameterzähler
- 32
- Ergänzungsschritt
- 33
- Return-Cache
- 35
- Request
- 36
- Response
Abfrage
- 37
- Parametersetzung
- 40
- Trainingsdatenbank
- 41
- Simulationseinheit
- 42
- Enlosschleife
- 43
- Validierungsdatenbank
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 10319493
A1 [0006]
- - DE 19753034 A1 [0007]
- - DE 4424743 C2 [0008]