Bücher online kostenlos Kostenlos Online Lesen
Das Ende des Zufalls - Wie Big Data uns und unser Leben vorhersagbar macht (German Edition)

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

Titel: Das Ende des Zufalls - Wie Big Data uns und unser Leben vorhersagbar macht (German Edition) Kostenlos Bücher Online Lesen
Autoren: Rudi Klausnitzer
Vom Netzwerk:
Wissensbasis, die aus den Analysen der unterschiedlichsten Daten generiert wird. Dazu zählt das Interesse der Kunden an bestimmten Themen, die Teilnahme an bestimmten Events, Veranstaltungen zu bestimmten Themen, Informationen zu Produkten, Organisationen und Unternehmen, die mit diesen Produkten oder Veranstaltungen oder Themen zu tun haben – kurz alles, was in irgendeiner Art dazu beitragen kann, ein klareres Bild von der Interaktion der Kunden und ihrer Motive zu gewinnen.
    Ganz wie die Analysemodelle, die Militär und Geheimdienste verwenden, um das Verhalten von Zielpersonen vorhersagen zu können, dient auch das Social Genome dazu, künftiges Verhalten von Kunden antizipieren zu können. Dazu werden Inhalte aus allen Social-Media-Kanälen gefiltert, kategorisiert und mit anderen Daten ergänzt. Und so weiß Walmart nicht nur, dass Anna begeistert „I love salt“ getweetet hat, sondern auch, dass sie damit nicht das Gewürz, sondern einen neuen Film mit Angelina Jolie meinte. Sekunden später geht an eine andere Kundin, nennen wir sie Julia, eine Nachricht: „Liebe Julia, wir sollten Dich an Annas Geburtstag erinnern, der übermorgen ist. Vergiss nicht, ihr zu gratulieren. Anna liebt Angelina Jolies Film ‚Salt‘. Hier sind einige Vorschläge, was Du ihr dazu schenken könntest!“
     

     
    Die Informationsmengen, die dabei verarbeitet werden, bedeuten Multi-Terabytes an frischen Daten und Petabytes an historischen Daten. Für Walmart ist dies aber weniger ein Big-Data-Problem als eine Fast-Data-Herausforderung. Da die Geschwindigkeit, die dafür nötig ist, mit den klassischen Big-Data-Tools wie MapReduce + Hadoop als Framework laut Walmart nicht mehr ausreichend ist, hat das Unternehmen dafür ein eigenes Inhouse-Framework namens „Muppet“ entwickelt. 105
    „We do it smart“, sagen die Datenwissenschaftler von Walmart, „maschinelles Lernen, fortgeschrittene Algorithmen, optimierte Feedback-Loops, semantische Analysen, Mathematik und Statistik – das sind unsere Waffen.“ Diesen Waffen werden wir an vielen Stellen in diesem Buch wiederbegegnen. 106
     
     
    Business Spheres und Decision Cockpits
     
    Procter & Gamble hat rund 127.000 Mitarbeiter und 300 Marken in 180 Ländern der Welt – mit rund 4 Milliarden Transaktionen pro Tag. Wenn P&G-CEO Bob McDonald und sein Team ihr Montagmorgen-Meeting machen, dann sind Hightech und Big Data mit dabei. P&G nennt das System seiner Kommandozentralen, die mit einer Unzahl an Großbildschirmen ausgerüstet sind, um alle Daten optimal visualisieren zu können, „Business Sphere“ und „Decision Cockpits“. Und so wie der Walmart-Chef ist auch der P&G-CEO entschlossen, alle Prozesse seines Unternehmens zu digitalisieren.
    Eine Datenauswertung, die sich CEO McDonald und sein Team jeden Montagmorgen ansehen, ist die Präsentation der „Top 50“-Kombinationen von Produkten und Märkten. Entsprechende Datenvisualisierung macht es möglich, mit einem Blick zu sehen, wie sich Marktanteile oder Verkaufszahlen entwickeln und wie sich die eingesetzten Marketing-Budgets dazu verhalten. Ein wesentlicher Unterschied zu früher, erklärt Chief Information Officer Filippo Passerini, ist der Umstand, dass Fragen, die sich ergeben, sofort beantwortet werden können und nicht 14 Tage für ihre Klärung benötigen. Liegt es an einer bestimmten Handelskette, dass Waschmittelverkäufe in Frankreich zurückgehen, oder ist das ein europäischer Gesamttrend? Kauft diese Kette auch in anderen Ländern weniger ein? Betrifft das nur P&G-Produkte oder ist das ein Branchentrend? Wie stimmen diese Daten mit den Forecast-Zahlen aus dem Prognosemodell überein? Können Preis oder Werbeaktionen der Konkurrenz mitgespielt haben? Das multidimensionale Datenbild, das zur Verfügung steht, erlaubt auch Simulationen, die als Entscheidungshilfen für sofortige Aktionen dienen. 107
    Der Smart Data Feedback Loop, der hier praktiziert wird, definiert sich laut Passerini durch die drei Aspekte „Was“, „Warum“ und „Aktion“. Das „Was“ ist das Problem selber. Ist der Marktanteil stabil oder gesunken? Haben sich die Verkäufe verändert oder Lieferungen verzögert? Das „Warum“ zielt auf den Grund des Problems: Schlechte TV-Werbung, leere Regale in den Geschäften aufgrund von Lieferproblemen, ein neues Produkt der Konkurrenz oder eine Preissenkung? Die „Actions“ beinhalten Analysen darüber, welche Maßnahmen getroffen werden können, Marketing, Preismaßnahmen,

Weitere Kostenlose Bücher