Kontroverser Wachstumsmarkt

Advanced Analytics – ein Markt, den man nicht sieht

Seite: 2/2

Firmen zum Thema

Ein britisches Versicherungsunternehmen etwa stattet auf freiwilliger Basis seine Kunden mit intelligenten T-Shirts aus, die ständig die Körperfunktionen überwachen, dem Träger gesundheitsbezogene Verhaltenstipps geben und Daten an den Versicherer schicken. Dafür gibt es dann Boni oder kleine Geschenke.

Drei Prozent weniger Kundenverlust pro Jahr

Die materiellen Verlockungen der Technologie lassen anscheinend nicht viel Raum für ethische Überlegungen. Gerade für kommerzielle Unternehmen zahlen sich Investitionen in die richtigen Analytik-Anwendungen schnell aus. Linden: „Mit intelligenten Systemen können Unternehmen ein bis drei Prozent profitabler werden.“ Was drei Prozent weniger Kundenverlust pro Jahr auf längere Sicht bedeute, könne sich jeder ausrechnen. Freilich gilt der Vorteil nur so lange, bis jeder entsprechende Anwendungen verwendet.

Allen Advanced-Analytics-Applikationen ist gemeinsam, dass man mit ihnen reale Probleme zu lösen versucht, für die es bisher keine Lösungen gibt. Dafür werden von Datenwissenschaftlern komplexe mathematische Verfahren wie Pareto-Optimierung, Bayes-Statistik oder neuronale Netze in passende Algorithmen umgesetzt, die mit Wahrscheinlichkeiten statt mit Gewissheiten arbeiten. Die Technologie geht damit über die übliche Ebene der akkuraten Aggregation von Zahlen zu möglichst ansehnlichen und leicht verständlichen Reports oder Dashboards weit hinaus. Sie sprengt den bisher bekannten Erkenntnisrahmen analytischer Software – manche empfinden ihre Fähigkeiten deshalb als unheimlich oder bedrohlich.

Domänenwissen ist unentbehrlich

Die Anwendung von Advanced Analytics setzt tiefes Fachwissen über die Domäne voraus, für die ein Algorithmus entwickelt wird. Das macht die massenweise Ausbildung von Datenanalysten in auf Datenanalyse spezialisierten Studiengängen zu einem zweifelhaften Unterfangen, denn die Absolventen dieser Studiengänge bringen kein Domänenwissen mit, können also nicht sehen, was für die Lösung eines spezifischen Problems möglicherweise relevant ist.

Sie können zum Beispiel unter Umständen zufällige, aber unsinnige Korrelationen im Datenmaterial nicht von im konkreten Fall sinnvollen Zusammenhängen differenzieren. Außer Schule und Universität haben sie ja meist noch nicht viel kennengelernt. Linden schlägt deshalb vor, langfristig Data Science in jedes Studienfach und schon in die schulische Ausbildung zu integrieren.

Nicht jede Anwendung ist sinnvoll

Dazu kommt: Nicht jede mögliche Anwendung ist grundsätzlich sinnvoll. Wenig bringe, so Linden, etwa die derzeit sehr oft erwähnte Social-Media-Analyse. Linden: „Die Einträge bei Twitter oder Facebook lassen sich leicht fälschen – und das geschieht auch häufig. Aus solchen Daten lassen sich keine relevanten Schlüsse ziehen.“ Letzten Endes gilt also auch für den komplexesten Analytik-Algorithmus die alte Programmiererregel: Wo Müll hineingesteckt wird, kommt am Ende Müll heraus.

(ID:43032158)