Behavioral Analytics

Bei der Behavioural Analytics handelt es sich um einen Teilbereich der Business Analytics, der das Verhalten der User auf digitalen Plattformen systematisch auswertet, um es so besser zu verstehen und zukünftiges Verhalten vorherzusagen. Auf Basis dieser Daten mit weiteren Informationen wie Marketing-Metriken, demografischen Informationen oder Daten aus Servicekontakten angereichert. Zu Speicherung der großen Datenmengen kommen typische Datenbanktechniken, Systeme und Anwendungen aus dem Big-Data-Umfeld zum Einsatz.

Diese Daten werden im weiteren Verlauf der Analyse automatisch zu relevanten Datensätzen aggregiert, um einen schnellen Zugriff, Filterung und Analyse zu ermöglichen. Für die Analyse ist eine umfangreiche Bibliothek an Analysefunktionen sowie Visualisierungskomponenten notwendig. Die Grundlage der Analysefunktionen bilden Machine Learning Algorithmen.

Im Gegensatz zur Behavioural Data Science, welche zusätzlich das Verhalten der Algorithmen und der Systeme analysiert, fokussiert sich Behavioural Analytics auf das Userverhalten.

• Security

Im Bereich Security wird Behavioural Analytics dazu genutzt, verdächtige Aktivitäten, die z.B. auf einen Hackerangriff oder aber auch auf die Veröffentlichung vertraulicher Daten durch interne Mitarbeiter hindeuten können, frühzeitig zu erkennen und rechtzeitig eingreifen zu können.

• eCommerce

Auf eCommerce-Plattformen wie z.B. Online Shops werden die Ergebnisse der Behavioural Analytics gezielt zur Beeinflussung des Kaufverhaltens der Verbraucher eingesetzt. Durch bessere Produktempfehlungen, die Optimierung der Customer Journey und höhere Kundenzufriedenheit sollen die Verkaufs- und Umsatzzahlen gesteigert werden.

• Online Gaming

Durch die Vorhersage von Nutzertrends und Benutzerpräferenzen können zukünftige Versionen beim Online Gaming verbessert werden oder In-Game Verkäufe gesteigert werden.

• Social Media

Auf Social Media Plattformen werden die gewonnenen Erkenntnisse genutzt, um Vorschläge für relevanter Themen, Gruppen oder User zu verbessern oder auch um Werbung gezielter platzieren zu können.

Herausforderungen

• Datenmenge

Wie bei fast allen Technologien bildet die gigantische Menge an Behavioural Data, die als Grundlage der Behavioural Analytics dient, eine große Herausforderung. Die Komplexität, die Daten, welche unterschiedliche Datentypen und -quellen vorweisen, in Echtzeit zu erfassen, zu relevanten Datensets zu aggregieren, um sie dann in allen erdenklichen Weisen zur Analyse abrufen zu können, erfordert den Einsatz von klassischen Big Data Komponenten.

• Datenschutz

Die Analyse und Aggregation großer Mengen an personenbezogenen Daten, einschließlich hochsensibler Daten wie Standort, Gesundheitszustand, sexuelle Orientierung, welche zwischen mehreren Parteien, die an der gezielten Nutzung der Daten beteiligt sind, ausgetauscht werden, wirft immer wieder große Bedenken hinsichtlich Datenschutzverletzungen hervor. Deshalb muss im Umgang mit den gesammelten Daten penibel auf die Vorgaben des Datenschutzes geachtet werden, um die Rechte der Verbraucher, Kunden oder auch Mitarbeiter nicht zu verletzen.

Chancen

• Kundenindividualität

Personalisierte Angebote für Kunden

• Steigerung der Effizienz

Vorhersagen zukünftigen Verhaltens

• IBM - QRadar
• Microsoft – Azure ATP
• Fortinet - FortiInsight
• Splunk - Splunk User Behaviour Analytics
• Forcepoint - UEBA
• Varonis - DatAlert

• Behavioural Data Science
• Big Data
• Data Processing
• Machine Learning