Das Ende des Zufalls - Wie Big Data uns und unser Leben vorhersagbar macht (German Edition)

von Predictive Analytics die traditionellen Methoden tatsächlich noch zielführend sind. Jeremy Howard schlägt in die gleiche Kerbe. Er ist der Meinung, dass das über Jahrzehnte angesammelte Spezialwissen nicht nur nutzlos ist, sondern eher schadet.
     
    Daten statt Bauchgefühl: Das Ende der Experten
    „Die ausgeklügelten Techniken der sogenannten Experten sind schlechter als die einfachen, generischen Methoden. Es ist schwierig für Leute, die diese alte Form von Wissenschaft gewohnt sind. Sie verbringen zu viel Zeit damit, darüber zu diskutieren, ob eine Idee Sinn macht. Sie prüfen die Präsentation einer Idee und zerpflücken sie dann. Das ist das Gegenteil von hilfreich. Manchmal, im frühen Stadium, braucht man natürlich Experten, wenn es darum geht zu formulieren, welches Problem man genau lösen möchte. Aber um diese Frage beantworten zu können, benötigt man vor allem strategische Expertisen.“
    Jeremy Howard – CEO Kaggle 51

Vom Smartphone zum Supersensor –
Datenspuren, die uns vorhersagbar machen
    Dein Telefon weiß schon heute, wo du morgen bist
     
    Die Schlagzeilen klangen unglaublich: Dein Telefon weiß, wo du am nächsten Sonntag sein wirst. Und es gibt nur wenige Menschen, die bei dieser Meldung nicht innehalten. Weil sie dermaßen unglaublich klingt. Wo wir wann und wo sein werden, das entscheiden doch noch immer wir selbst, frei und unabhängig. Wie sollte da jemand vorherbestimmen können, wo wir an einem bestimmten Tag sein werden? Aber es ist so, auch wenn unser Kopf nicht verstehen kann, wie das funktionieren soll – und unser Bauch es absolut nicht akzeptieren will.
    Aus den Daten des Mobiltelefons kann vorhergesagt werden, wo man sich aufhalten wird. Studenten der Universität in Birmingham haben das in ihrer Arbeit „Interdependenz und Vorhersagbarkeit menschlicher Mobilität und sozialer Interaktionen“ anhand eines Versuchs nachgewiesen. Nokia hatte in der Schweiz die Bewegungsdaten von 200 Freiwilligen aufgezeichnet und den Forschern im Rahmen eines Wettbewerbs zur Verfügung gestellt, die damit den Nokia-Wettbewerb Mobile Data Challenge gewannen. Die Forscher bekamen von Nokia die Telefonnummern, die Bewegungsdaten via GPS, das Verzeichnis der Anrufe, SMS, Bluetooth und WLAN von 39 Teilnehmern. Da 14 von ihnen kein Adressbuch hatten, verwendeten die Forscher nur 25 davon. Allein aus diesen Daten konnten sie schon relativ genau vorhersagen, wo sich das Handy und damit sein Besitzer in Zukunft befinden werden. Als sie dazu noch die Bewegungsdaten der Bekannten des jeweiligen Besitzers auswerteten, verbesserte sich die Genauigkeit auf bis zu drei Meter. 52
    Noch sind eine Reihe von Fragen zu klären, bevor dieses System in die Praxis umgesetzt werden kann. Die jetzt verwendeten Datensätze können aber sehr leicht verfeinert und mit zusätzlichen relevanten Daten aus sozialen Netzwerkkontakten angereichert werden – und so zu einer noch genaueren Analyse führen. Für die Bewegungsdaten ist ein Zugriff auf das Handy nicht einmal zwingend notwendig, sagen die Verfasser der Studie. Man könnte die Daten auch beim jeweiligen Provider bekommen, zum Beispiel ganz einfach durch eine Funkzellenabfrage.
    Auch bei diesem Big-Data-Vorhersagemodell sind es der Algorithmus und die Korrelation der Daten, die den Effekt bringen. Alle Daten, die Manlio De Domenico, Antonio Lima und Mirco Musolesi, die Studenten in Birmingham, verwendet haben, stehen bereits seit längerer Zeit zur Verfügung. Schon bald wird es wohl eine Schnittstelle geben, mit der Entwickler diesen Algorithmus nutzen können, um Produkte zu kreieren, die aus der Vorhersage des zukünftigen Aufenthaltsorts für den User – oder Dritte – Nutzen bringen.
    Mit einem immer größeren Volumen an Daten aus einer immer größeren Anzahl unterschiedlicher Quellen wird unser Verhalten immer genauer vorhersagbar. Wo, wie im eben besprochenen Fall, das Informationsvolumen durch Hinzufügen der verfügbaren Daten der Freunde vergrößert wurde, verbesserte sich die Genauigkeit der Prognosen des Algorithmus gleich um den Faktor zehn.
    Schon heute ist die Bandbreite der Sensoren, die standardmäßig in Smartphones integriert sind, beachtlich. So messen sie etwa alle Bewegungen, die mit dem Gerät ausgeführt werden, und generieren und messen damit auch Daten über die Bewegungsmuster des Benutzers. Selbst die Position, in der das Handy gehalten wird, also ob hoch oder quer, ist damit bestimmbar. Das Gyroskop, ein Kreiselsensor,