Teil 3: Big Data und Predictive Analytics

Was ist Predictive Analytics

Zunächst möchte ich gerne Dirk Mahnkopf (Business Advisor beim SAS Institute) zitieren, der einmal sagte: „Big Data bedeutet, die Gegenwart zu verstehen und die Zukunft zu steuern.“. Ich finde dies bringt die Thematik deutlich auf den Punkt. Predictive Analytics bedeutet die Zukunft mittels Daten der Vergangenheit und der Gegenwart vorauszusagen. Somit ist es Unternehmen, die Predictive Analytics aktiv einsetzen, möglich, einen Blick in die Zukunft zu wagen – und wer möchte das nicht?

Wie funktioniert Predictive Analytics

Um überhaupt Predictive Analytics anwenden zu können, bedarf es zunächst einmal einer enormen Menge an Daten (Big Data). Diese grossen Mengen an Daten müssen zunächst einmal analysiert werden. Dies geschieht mittels komplexen und lernfähigen Algorithmen. Diese analysieren die Daten nach wiederkehrenden Verhaltensmustern und leiten aus diesen Erkenntnissen die Zukunft ab. Die grösste Hürde stellt hierbei allerdings der Algorithmus als solcher dar.

Woher kommt der Algorithmus?

Natürlich haben grosse Firmen ihre eigenen Datenexperten, die die Algorithmen programmieren, aber nicht immer schaffen diese es, einen „perfekten“ Algorithmus zu erstellen. 2010 wurde die Online-Plattform Kaggle gegründet: hier haben Unternehmen die Möglichkeit, komplexe Aufgaben auszuschreiben, bei denen sie eventuell auch selber nicht in der Lage sind, diese zu lösen. Programmierer auf der ganzen Welt sind dann aufgerufen, den besten Algorithmus zu erstellen. Unternehmen wie die NASA, Google und Microsoft haben schon Wettbewerbe auf dieser Plattform ausgeschrieben. Das Potenzial dieser Plattform ist enorm, bereits fünf Jahre nach Gründung, haben über 200.‘000 Programmierer an »kaggle.com Wettbewerben« teilgenommen.

Wenn beispielsweise eine Krankenkasse herausfinden möchte, welche Menschen gefährdet sind, eine spezielle Krankheit zu bekommen, stellt das Unternehmen auf Kaggle anonymisierte Daten von Menschen mit eben der gesuchten Krankheit zur Verfügung. In diesen Rohdaten versuchen die Daten-Experten dann, spezielle Merkmale zu erkennen und einen lernfähigen Algorithmus zu entwickeln. Ziel ist, dass der entwickelte Algorithmus auf Daten aller Kunden der Krankenkasse angewendet werden kann. So sollen Auffälligkeiten identifiziert werden und die Wahrscheinlichkeit, ob eine Person ebenfalls an dieser Krankheit erkranken wird, vorhergesagt werden.

Natürlich werden die Wettbewerbe entsprechend honoriert, aktuell können für den bestdotierten Wettbewerb satte 100‘000 US Dollar eingestrichen werden.

Einsatzgebiete von Predictive Analytics

Predictive Analytics findet heute zahlreiche Einsatzmöglichkeiten. GE Wind Energy beispielsweise, nutzt Predictive Maintenance. All ihre Windkraft-Anlagen sind mit je über 600 Sensoren ausgestattet, welche kontinuierlich Daten an die Zentrale senden. Die generierten Daten werden mittels Algorithmen und rund 400 definierten Fehlertypen abgeglichen. Dies macht es möglich, Maschinenausfälle proaktiv zu begegnen, in dem frühzeitig entsprechende Massnahmen ergriffen werden können. Darüber hinaus bietet Predictive Maintenance grosses Einsparpotenzial, da Maschinen nur dann gewartet werden, wenn es wirklich nötig ist. Der veraltete und kostenintensive Ansatz „Wartung nach Vorschrift“, wie man es beim Auto kennt, entfällt.

Ein weiterer bekannter Anwender von Predictive Analytics ist die amerikanische Supermarktkette Target. Diese setzten die Technologie ein, um ihre Kunden zielgerichtet mit Werbeaktionen ansprechen zu können. Haben Kunden eine Kundenkarte oder bezahlen immer mit Kreditkarte, ist es ein leichtes für Target, ihre Kunden entsprechend ihrem Kaufverhalten zu analysieren und in verschiedene Kundenkategorien zu clustern. Für Aufsehen sorgte der Fall eines 16-jährigen Mädchens, welche auf Grund ihres Einkaufsverhaltens Rabatt-Coupons aus der Kundenkategorie „schwangere Frauen“ nach Hause geschickt bekam. Der Vater des Mädchens war darüber nicht sehr glücklich und stellte Target zur Rede. Allerdings musste er sich einige Tage später bei Target entschuldigen, da seine Tochter tatsächlich schwanger gewesen ist. Der Algorithmus funktioniert derart gut, dass er Änderungen in ihrem Kaufverhalten erkannte und daher genau vorhersagen konnte, dass dieses Mädchen schwanger sein musste. Dieser Fall sorgte dafür, dass Target fortan absichtlich „falsche“ Rabatt-Coupons verschickt, damit sich Kunden nicht so gläsern fühlen.

Um zu verhindern, dass grosse Konzerne alles von uns wissen, bleibt in diesem Fall nur die Bezahlung in Bar und das Verzichten auf Kundenkarten. Man sollte immer bedenken, dass durch Predictive-Analytics auch sensible Krankheiten von Unternehmen erkannt werden, welche niemanden etwas angehen sollten.

Neben diesen beiden Einsatzmöglichkeiten kann Predictive Analytics noch in vielen weiteren Bereichen eingesetzt werden, welche aber den Rahmen hier sprengen würde.

Im nächsten Teil der Big Data-Serie werde ich mich mit der „Quantified-Self-Bewegung“ auseinandersetzen.