Dann und wann braucht es mehr Wissen, gesichert, wissenschaftlich. Das haben Thomas Wirth und Hans-Werner Klein in ihrem Podcast umgesetzt. Mehr dazu? Bitte sehr.

…achwas!? wird von Menschen gemacht, die man in bestem Marketing-Deutsch wohl korrekterweise als “Babyboomer” bezeichnen müsste. Das bedeutet, wir kennen das Web in seinen verschiedenen Ausprägungen seit seinen Anfängen in der Mitte der 90er Jahre. Und wir haben die Dinge nicht nur beobachtet, sondern aktiv teilgenommen. Wir waren und sind im Zentrum des Zyklons: Abteilungsleiter, Berater, Projektleiter, Gründer, Wissenschaftler, Freiberufler, Autor, Blogger, Trainer, Aufsichtsrat, Redner… Last not least versuchen wir als Dozent und Professor Studierende – maßgeblich vom Studiengang Onlinemedien an der Dualen Hochschule Baden-Württemberg – möglichst wenig vom Lernen abzuhalten.

…achwas!? Das fragen wir uns in der Tat immer öfter, denn die Netze verändern unser Leben immer schneller und radikaler. Immer wieder sind wir hierüber erstaunt oder verblüfft und mitunter (ver)zweifeln wir, weil wir so mancherlei nie für möglich gehalten hätten. Das erzählen wir uns gerne gegenseitig, schon seit Jahren, und in diesem Podcast kann jetzt jeder zuhören. 

…achwas!? ist insofern mehr als ein Name. Es ist ein Motto für unseren Podcast, der sich zum Ziel gesetzt hat, seine Zuhörerinnen und Zuhörer gehörig mit (hoffentlich) Ungehörtem, möglicherweise sogar Unerhörtem zu informieren und zu unterhalten. Auch wenn die Themen auf den ersten Blick sperrig klingen mögen: Soziale Medien, Psychologie, Verhaltensökonomie, Technologie, Data Science, Studien, Experimente, Digitale Transformation…

Motto von achwas.fm
"Prodesse et Delectare", Horaz. Ars Poetica.
"Möge es nützen und erfreuen"

• Alle 14 Tage
• Sonntag Nacht
• Am 25.9. insgesamt 67 Folgen.

Ja stimmt, Google ist erst Ende September 1998 online gegangen.

Aber stellen wir uns mal vor – Google hätte es als Algorithmus und Tool Box für eine Suche in den 70ern schon gegeben.

Eingabemedium: Lochkarte (ich habe noch tausende davon „gepunched“ an der Uni Münster, Daten und Programme und Analyseabfragen für SPSS).

Datamedium: Band oder später Plattenstapel

Ausgabemedium: Anfangs noch Endlospapier und Kettendrucker (im eigenen Fach beim Dispatcher abholen, bitte!), dann vielleicht dieses Wunder an Haltbarkeit  und Ablesbarkeit: IBM 3278 Terminal Monitor.

Und hier gibt es das ganze in fast-echt: Das Projekt Google60 – Search Mad Men Style hat alles gebaut, als wenn es wiederentdeckt worden wäre –  im Web. 

Mein Fazit: Suchergebnisse werden „wertiger“, wenn sie langsam auf virtuellem Endlospapier mit dem Kettendrucker ausgedruckt werden.

Leider hat Google Schnittstellen „abgeschnitten“, diese Weg zurück in ein Google der `80er wurde verbaut und und nicht mehr verfügbar. Nur voreingestellte  Ergebnisse werden dargestellt.Immer noch merke ich: Die Eingabe erfolgt achtsamer, eine Lochkarte mit Tippfehler musste man auswerfen (am besten sofort zerstören) und eine neue punchen.

Ich habe  Search Mad Men Style für ganz wichtige Suchen genutzt, die Suche zelebriert und genossen.

Quelle: diese und weitere computeranische Zeitreisen bei Spiegel Online http://www.spiegel.de/netzwelt/web/zeitmaschinen-und-retro-simulatoren-im-internet-a-873938.html

Oder meinen Sie etwa, niemand glaubt diese Horoskope? Dann glauben Sie auch, das Thema Astrologie ist eher was für langweilige Partys, oder?

Der Reihe nach. Aufgeklärt wie wir sind, wissen wir: Die Sternbilder sind unsere zweidimensionale Sicht auf das Firmament. Sterne (also zumeist Sonnen und andere Selbstleuchter) sind Lichtjahre voneinander entfernt, und entfernen sich immer weiter voneinander. So verlor der Skorpion der Ägypter einige Teile seines Sternbildes, in denen die Römer wiederum eine Waage erkannten. Wir sehen diese hintereinander liegenden Lichtpunkte und sehen eine Gestalt darin. Das machte das Erkenne der Sterne einfacher und die Navigation nach den Sternen sicherer. Wir haben nur die Bilder und die Zuordnung zu den Monaten lange nicht angepasst: Die Kalenderreformen, vor allem aber das Taumeln der Erde auf ihrem Weg um die Sonne haben  die Zuordnung von Monaten zu Sternbildern verschoben.  In 2000 Jahren geht ein Sternbild etwa einen Monat „vor“.

Sei’s drum –  manches Quentchen Wahrheit finden wir in den oftmals überraschend hellsichtigen Texten besonders der ausführlicheren Horoskope.

Sind Sie offen? Wollen Sie es mal ausprobieren?

Ich biete Ihnen dazu einen besonderen Test auf der Basis von Künstlicher Intelligenz an.  Nach einem langjährig entwickelten statistischen Verfahren prognostiziert eine Software Ihr Sternkreiszeichen und beschreibt Ihre Eigenschaften. Dabei werden keine schützenswerte Daten verwendet, nur Parameter wie Lesedauer bis hierhin, Datum und Uhrzeit Ihres Besuchs und aktuell gültiges (echtes) Sternzeichen zum Zeitpunkt des Besuch.

Wichtig: Diese Seite (und databerata.de gesamt) speichert keinerlei Informationen Ihres Besuchs, sie sind völlig anonym hier unterwegs. 

Los geht’s: Sie benötigen nichts weiter als eine Möglichkeit Notizen zu machen.  Sobald Sie Papier und Stift oder auch die Notizfunktion im Smartphone bereit haben, laden Sie bitte diese Seite erneut. Und gehen zu dieser Sprung-MARKE

Geschafft. Bitte lesen Sie nun den folgenden Text sorgfältig durch, notieren anschliessend, wie gut dieser Text Sie beschreibt.
Die Skala reicht von 0= überhaupt nicht bis 5= voll und ganz.

Ihre Eigenschaften

• „Sie brauchen die Zuneigung und Bewunderung anderer, dabei neigen Sie zu Selbstkritik. Zwar hat Ihre Persönlichkeit einige Schwächen, doch können Sie diese im allgemeinen gut ausgleichen. Sie haben beträchtliche Fähigkeiten, die brachliegen, statt dass Sie sie zu Ihrem Vorteil nutzen. Äußerlich diszipliniert und kontrolliert, fühlen Sie sich innerlich manchmal  ängstlich und unsicher. Mitunter zweifeln Sie ernstlich an der Richtigkeit Ihres Tuns und Ihrer Entscheidungen. Sie bevorzugen ein gewisses Maß an Abwechslung und Veränderung, und Sie sind unzufrieden, wenn Sie von Verboten und Beschränkungen eingeengt werden. Sie sind stolz auf Ihr unabhängiges Denken und nehmen anderer Leute Aussagen nicht unbewiesen hin. Doch erachten Sie es als unklug, sich anderen zu freimütig zu öffnen. Manchmal verhalten Sie sich extrovertiert, leutselig und aufgeschlossen, manchmal auch introvertiert, skeptisch und zurückhaltend. Ihre Wünsche scheinen mitunter eher unrealistisch.“
  Quelle Ihres Textes: Bertram R. Forer

Was haben Sie notiert: Wie stark erkennen Sie sich in dem Text wieder auf einer Skala von 0= überhaupt nicht bis 5= voll und ganz?

Nun, vielen Dank!

Ersteinmal eine Erklärung, was Horoskope, gute Horoskope, wirklich hervorragend machen? Sie kennen Ihre Wünsche, Hoffnungen, Geheimnisse recht gut. In guter Absicht. Denn:

Horoskope tun einfach gut!

Horoskope gehören einer speziellen Literaturgattung an – sie sind Trivialliteratur mit einer sehr umfassenden Zielgruppe. Sie tun einfach gut, weil sie sehr allgemein gültige Aussagen treffen, in denen man sich gerne sehen möchte.

Der Autor der Zeilen Ihrer Eigenschaften (Bertram Forer) hat diesen Test schon 1948 entwickelt. Er erzählte seinen Studierenden, er wolle einen Persönlichkeitstest mit ihnen machen.
Die Studierenden füllten entsprechende Fragebogen aus. Jeder Teilnehmer bekam seine persönliche Auswertung, das Horoskop Die Studierenden wurden dann – genau wie Sie –  gefragt, in wie weit diese Auswertung zutreffend (valide) sei. Auf einer Skala von 1 (unzutreffend) bis 5 (trifft sehr gut zu) erreichte die Auswertung durchschnittlich 4 Punkte. Ein sehr gutes Ergebnis.

Die Texte waren allerdings für jeden Studierenden gleich, alle abgeschrieben aus einem x-beliebigen Zeitungs-Horoskop.

Seit 1948 wird das Experiment immer wieder bestätigt – wir vermuten bestimmte Eigenschaften bei uns und wollen diese auch bestätigt haben. Wichtig ist, dass die Beschreibung der Eigenschaften generalisiert ist, nur speziell und individuell scheint.
„Cold Reading“ oder auch „Wahrsagen“ funktionieren auf diese Art.

Und Persönlichkeitstests tun auch einfach gut

Stopp – bevor jetzt akademisches Naserümpfen über die Astrologie-Gläubigen einsetzt: Schon mal einen psychologischen Persönlichkeits-Test ausgefüllt? Vielleicht in einem Assessment, bei einer Bewerbung?

Der „Forer“ oder auch „Barnum Effekt“ wirkt auch bei nicht validen, aber weit verbreiteten Tests wie graphologischen Gutachten, den Reiss-Profilen und dem Myers-Briggs-Typindikator.

Fast schon fatal ist dies, wenn auf der Basis solch invalider Tests berufliche oder persönliche Entscheidungen getroffen werden. Reiss-Profile und der Myers-Briggs-Typindikator werden auch eingesetzt, um passende Bewerber für eine Position in einem Unternehmen zu finden.

Merke: Immer, wenn wir uns selbst in allgemein gehaltenen Tests einschätzen, unterliegen wir der Versuchung, uns auch wieder zu erkennen. Obwohl die Beschreibung eher vage gehalten wurde – und eigentlich auf  fast alle Menschen zutrifft.

An Horoskopen ist also tatsächlich was dran. Aber anders als gedacht. Und nur so als Tipp für jede langweilige Party: Mit ein wenig Übung und vielen Allgemeinplätzen steigen Sie zum/r Wahrsager*in des Abends auf. Der neue Stern am Firmament der Astrologie. Sie wissen ja, jetzt, wie es geht.

PS: Was hat das denn nun mit Zirkus Barnum zu tun? Der „Forer Effekt“ wird auch „Barnum Effekt“ genannt – nach dem Zirkusdirektor Phineas Barnum. Dieser hatte ein Kuriositätenkabinett, in dem für „jeden etwas“ zu finden war. So wie in den Texten der Wahrsager, Astrologen oder den trivialen Persönlichkeitstests.

„Arbeit hatte niemals die Aufgabe, Menschen glücklich zu machen“. Höchstens satt und sicher, oder? 

Zu viel erwartet. Die SZ titelte dazu im Dezember 2016, einen Tag vor Heiligabend: „Zu viel Glück… “ Viele suchen im Job ihre Erfüllung. Kann die Liebe zum Beruf auch zu weit gehen?“

Fazit: Unternehmen haben nicht die Aufgabe, ein erfülltes Leben zu bescheren. Und Arbeitnehmer nicht die Aufgabe, das Glück im „Job“ zu suchen. Oder die Erfüllung.

Fertig. Weihnachten muss es richten.

Ist das aber eigentlich die richtige Fragestellung? Denn in der ganzen Diskussion über „Work-Life-Balance“ aber „Raus-aus-der-Komfortzone“ und „extra-Meile-gehen“ geht oft eins unter:

So wie „die Firma“ mit nach Hause genommen wird, so wird auch „das Private“ nicht beim Pförtner abgegeben oder in’s Schliessfach am S-Bahnhof gepackt.

Unternehmen sind nun mal eine Versammlung von Menschen, von Individuen, die unterschiedlich glücklich sind. Aus unterschiedlichen Gründen, privaten und beruflichen, strukturellen, politischen. Das kann das Engagement im Beruf befördern oder hindern.

Es ist nicht die „natürliche“  Aufgabe eines Unternehmens, das private Glück zu steigern. Dazu ist es zu vielgestalt.

In meistens Inhaber geführten Unternehmen gibt es manchmal einen anderen Spirit. Hinweis: Solange man noch nicht für die vielen „hidden champions“ – oftmals Weltmarktführer – arbeitete, ahnt man kaum, was alles getan wird, um Talente zu holen und zu halten.

Vielleicht auch aus einer gewissen Notwendigkeit, Talente „in die Pampa“ locken und dort halten  zu wollen. Kreuztal-Krombach ist nicht Berlin-Mitte. Auch wenn in Krombach das bessere Bier gebraut wird und auch mehr wunderschöne Gegend ist (lässliche Sünde der nostalgisch-verklärten Heimatverbundenheit. Man verzeihe, bitte).

Oftmals geschieht dies aber aus der Haltung dem Mitarbeiter, seiner Familie, dem wirtschaftlichen Umfeld gegenüber, die offen als gelebte Unternehmenswerte kommuniziert werden.

Ein Unternehmenswert kann tatsächlich sein, das  subjektiven Wohlbefinden der Belegschaft des Unternehmens zu kennen. Um zu wissen – wie geht es uns – abgesehen von der wirtschaftlichen Lage (die findet man in der Bilanz).

Ein Wert kann es auch sein , Angebote auf freiwilliger Basis zum „glücklicher sein“ zu schaffen.

In der Bilanz findet man nirgendwo einen expliziten Hinweis auf Glück  – gleichwohl findet man die Auswirkung eines imaginären „Glücksindex“  überall.

Mit den Messungen der Gesundheit, der  Arbeitszufriedenheit und -loyalität versucht man, dem subjektiven Status „Glück“ im Unternehmen näher zu kommen – betrachtet dieses aber verständlicherweise auf das Thema „Arbeit“ fokussiert.

Im viel besprochenen, schon etwas älteren Buch „Die glückliche Gesellschaft“ forderte der britische Wirtschaftswissenschaftler Richard Layard 2005* einen Kurswechsel im Denken, was Glück denn nun sei –  konnte aber keine Werkzeuge anbieten, das Geforderte auch zu erreichen.

Wie wäre es also, wenn ein Unternehmen wüsste, wie hoch der „Brutto-FirmenGlücksIndex“ ist – also das gesamte Glück aus allen Quellen, privaten wie beruflichen aller Mitarbeiter?

Braucht es dazu Neugierde, sich dem zu stellen? Ja – und Mut seitens des Unternehmens wie auch der Sozialpartner.

Es reicht nicht aus, diesen Index zu kennen. Es braucht wissenschaftlich fundierte Verfahren, um sowohl Daten zu erheben, wie auch interne „Glücksbotschafter“ auszubilden um das Glück der Menschen in der Firma nachhaltig steigern können, damit es nicht nur bei spannenden Erkenntnissen und noch einem Index, KPI „Glück“, bleibt.

Löst das denn alle Probleme von Menschen in Unternehmen?  Macht „instant Glück“ auch die Digitale Transformation? Industrie 4.0 qua Glück?

Nein. Aber Unternehmen sind immer die Versammlung von Menschen mit all‘ ihren Fähigkeiten, Fertigkeiten – und Emotionen.

Individuelles Glück findet in all’ unseren „Ichs und Wirs“ statt – ob „privat“ in der Familie, im Verein, in der Firma.

Wenn Unternehmen so etwas anböten, was käme denn dabei so rum, so ökonomisch …?Üblicherweise erfolgt an dieser Stelle die  Umrechnung von Zufriedenheit, Loyalität und Glück in wirtschaftliche Indikatoren wie  „ein Pfund Glück = 0,1 Punkte besserer RoI“. Dazu gibt es sehr viele Studien, von Traumergebnissen bis fundierte, valide Ergebnisse. Das, was die Unternehmen „davon haben“, hängt von der Branche, dem Standort, dem Unternehmensstatus und „Reifegrad“ im Sinne von gelebter Mitarbeiterpartizipation und anderen Faktoren ab. Gerne mehr im Gespräch zu Ihrer Situation.

Vielleicht hilft zwischenzeitlich eine „märchenhafte“ Idee bei den Überlegungen:  Wo soll sich noch mal der sagenhafte Goldtopf befinden? Genau – am Ende des Regenbogens. Verdoppeln wir doch unsere Chancen auf einen Hauptgewinn: Vielleicht bedeutet „der Firmen Glück“ das „andere Ende“ des Regenbogens. Gold und Glück, eine „alpha bet“ würde das Larry Page  nennen.

Solche Regenbogengedanken führen unweigerlich  nach Bhutan. Was Bhutan** damit zu tun hat? Die erste offiziell durchgeführte „Bruttonationalglück“-Befragung fand dort im Jahr 2008 statt – aber schon seit dem 18.Jhd. ist das Glück der Bevölkerung in der Verfassung als Ziel für Politik und Wirtschaft definiert.

Diese Definition zieht Kreise – der „Happy Planet Index“ rated das Glück von Individuen in Staaten.

Und jetzt wird ein Schuh draus: Unternehmen und die Arbeit sind nicht primäre „Glücksmaschinen“.

Vielleicht locken bestimmte Unternehmen aber mehr glückliche Menschen an? Oder diese Unternehmen haben nichts dagegen, dass Menschen glücklich sind? Oder andere bekommen nicht mit, wenn das Gegenteil der Fall ist?

Jetzt gilt es: Am 13.3.2018 begann das Startnext Crowdfunding zu „Coach dein Glück“. 

Anfangs eine Initiative, um Individuen mehr Glücksgefühle im Leben zu ermöglichen. Aus der Werkzeug-/Schatzkiste erfahrener Coaches werden einfach anzuwendende Tools angeboten, um unpraktische Glaubenssätze aufzulösen und sich spielerisch und erfolgreich mit dem inneren Schweinehund anzufreunden, der sich dabei als wertvoller Spurensucher in Sachen  Stolpersteinen auf dem Weg zum persönlichen Glück erweist.

Daraus entwickelte sich die Idee.

Über das Startnext Projekt machen wir daher auch den „FirmenGlücksIndex“ buchbar Zunächst ausschliesslich als „Dankeschön“ für einen Finanzierungsbeitrag. Bei entsprechender Nachfrage aber auch stand-alone als B2B-Produkt ab Q2 2018 zu erwerben.

Also – Sie sind neugierig auf mehr FirmenGlück? 

So soll’s denn sein.

1. Wir kommen persönlich in Ihre  Firma und entwickeln die spezifische Befragung für Ihren FirmenGlücksIndex  (FGI).
2. Wir erheben firmenintern anonym und sicher,  bevorzugt online, den FGI
3. Wir zeigen, wo Handlungsbedarfe liegen und bilden interne Glücksbotschafter aus, um das Firmenglück nachhaltig zu steigern (2-tägiges Seminar).

Optionen / auf Wunsch

1. Auf Wunsch evaluieren wir, wie sich der FIG im Laufe der Zeit für Ihr Unternehmen verändert.
2. Auf Bedarf bilden wir weitere Glücksbotschafter aus.

Sie freuen sich darauf, mehr zu erfahren? Was für ihr Glück zu tun? 

https://www.startnext.com/coachdeinglueck ist die richtige Adresse, um mehr zu erfahren

*Richard Layard: Die glückliche Gesellschaft. Kurswechsel für Politik und Wirtschaft. Campus, Frankfurt a.M. 2005

**Übersicht zum „Modell Bhutan“  auf Wikipedia: https://de.wikipedia.org/wiki/Bruttonationalglück

** Aktuell 19.03.2018  Ha Vinh Tho Leiter des  Zentrums für Bruttonationalglück in Bhutan in „Manager Magazin“: http://www.manager-magazin.de/unternehmen/karriere/ha-vinh-tho-vom-bruttonationalglueck-zum-unternehmensumbau-a-1197852.html

„Ich bin  Data Scientist in meiner eigenen Firma mit dem Namen Twenty54Labs. Die Zentrale der Firma ist in Valkenburg (NL) und es gibt noch Kollegen in Bonn (D) und  Santa Rosa (Kalifornien / USA).

Data Scientist – was macht er denn da genau? 

„Die Aufgabe eines Data Scientist ist es, aus großen Datenmengen Informationen zu gewinnen, Zusammenhänge zu erklären und Empfehlungen abzuleiten. Dazu bedient er sich Werkzeugen aus Mathematik und Statistik.

Wie macht er das denn?

„Unübersichtliche, große, teilweise ungeordnete Datenmengen (z.B. Texte, Zahlen, Tweets, Facebook Posts, Maschinendaten, Bilder – das alles wird „Big Data“ genannt) werden mit Computerhilfe sortiert und auf einander bezogen. So konnten wir zum Beispiel für ein Lager mit Ersatzteilen einer Fabrik rausfinden, wie die Teile heissen, die da im Regal liegen. Selbst wenn die Schilder abgegangen sind und auf dem Boden rumliegen oder man früher und heute unterschiedliche Namen verwendet. Oder bei Maschinen rausfinden, ob bald irgendwas kaputt geht – bevor es kaputt geht.

„Anschließend werden aus den ersten Ergebnissen Ideen abgeleitet, was das denn bedeuten kann, was wir rausfinden. Diese Ideen überprüfen wir dann mit Mathe und Statistik: Stimmt’s oder stimmt’s nicht? Und – wie sicher sind wir uns?

Kurz gesagt?

„Ich bin „Rausfinder“ und „Dolmetscher“  zwischen Daten und Menschen. Manche nennen mich auch deshalb „DataBerata“.  Ich arbeitet schon lange mit Zahlen und Menschen und Daten. Das Wissen gebe ich auch gerne weiter – wie Du weisst, bin ich auch Lehrer an einer Hochschule, schreibe Fachbücher, halte Vorträge und gebe mit Kollegen Bücher heraus.

Was braucht man, um Data Scientist zu werden? 

• Statistik-Wissen und Spass, mit Zahlen zu arbeiten
• Spass an Mathe als Handwerkszeug
• Kreativität – manchmal „verrückte Ideen“
• Kommunikationstalent – also mit Menschen und Computern reden zu können
• Neugierde, um  neue Dinge zum Nachgucken, also Werkzeuge, selbst zu entwickeln
• Stark sein – weil ich meine  Ergebnisse  immer noch mal genau angucke und von den Kollegen prüfen lasse, ob sie auch richtig sind
• guten Menschenverstand und Erfahrung
• auch ein Studium u.a. in den Fachrichtungen Data Science, Business Intelligence, Sozialwissenschaft, Volkswirtschaft, Psychologie

Kann man das denn wirklich studieren? 

„Inzwischen ja – momentan noch in einigen wenigen Studiengängen „Data Science“ oder aufbauenden Masterstudiengängen. Aber die  gibt es zur Zeit schon. Und es werden immer mehr.

In welchen Firmen arbeitet man als Data Scientist? Ausser in der eigenen?

„Überall dort, wo man aus Daten Informationen gewinnen will: Heutzutage eher fast überall. Von Werbeagenturen über produzierende Unternehmen (Lebensmittel, Autos, Kleidung), Handelsunternehmen, Behörden (Kriminalpolizei), in der Marktforschung, bei Versicherungen bis hin zu Lehre und Forschung …

Gibt es denn auch noch freie Stellen?

„Ja – jede Menge, weltweit. Sowohl für Angestellte, wie auch für Selbständige.

Mehr Informationen zum Thema Data Scientist bei mir. Und hier.

Als Data Scientist, Autor und Unternehmer interessiert mich dieses Thema aus professioneller Sicht. Und endlich gibt es einen Use Case dazu: Titel „Cambridge Analytica, Trump, Brexit und noch ganz viel mehr!“.

Hier die wichtigsten Ergebnisse.

In „Das Magazin“ erscheint am 3.12.2016 der folgende Artikel über Michal Kosinski, einen Data Scientist, der herausragende Grundlagenforschung betrieben hat.  https://www.dasmagazin.ch/2016/12/03/ich-habe-nur-gezeigt-dass-es-die-bombe-gibt/

Michal  Konsinski hat an der Cambridge University ein Verfahren entwickelt, wie man aus auch kurzen schriftlichen oder symbolischen Äusserungen von Personen auf die Persönlichkeit dieser Person schliessen kann. Diese Texte können unterschiedliche Quellen haben – und auch aus  dem Web (Bsp. Texte oder „Likes“ bei Facebook) bezogen werden. Das klingt wundersam und genial – und ist wie üblich mit einer sehr guten Idee, Fleiss und Forscherdrang umzusetzen.

Es empfiehlt sich, das Ergebnis der Forschungsarbeit im Web zu besuchen. Auf der Website https://applymagicsauce.com/demo.html kann man sich mit eigenen Texten versuchen. Zwischenergebnis nach meinen Recherchen: Das was die Cambridge UNIVERSITY (nicht die Firma!!) macht, ist wirklich fundiert und sehr interessant.

Forschen Sie selbst. Vielleicht mit mit eigenen Texten. Sie werden sehen – ein paar Zeilen eigenen Textes – und sie können „psychografiert“ werden. Vielleicht entdecken Sie auch den „Schwager Effekt“, von Statistikern „n=1“ Effekt genannt: Schwager Effekt:  Zu jeder Statistik findet man einen Schwager, auf den diese Statistik nicht zutrifft. Das „n=1“ bedeutet – der Schwager ist nur eine einzelne Person, und damit kein Beweis „gegen“ die Statistik, die wurde (hoffentlich) an einer repräsentativen Stichprobe erhoben.

Das bedeutet: Die Ergebnisse der Tests werden nicht  immer 100% zutreffend für Sie sein. Sie sind auch nur „n=1“ – also eine einzelne Person. Beim weiteren Erforschen der Seite bekommen Sie aber  Informationen, wie es zu diesem Instrument kam und wie exakt dieses messen kann. Beim Klicken der an den Indikatoren positionierten „?“  wird u.a. erklärt:  „The predictive model was built using a sample of 260,000 participants’ scores on the 100-item long International Personality Item Pool Questionnaire (IPIP), arguably the most popular personality assessment in use today“. Prediction Accuracy (Area Under the Curve) : Between .35 and .50″ (Anmerkung: perfekt wäre eine Güte von 1 = 100%ig richtige Vorhersage, ganz mies 0 = 0%).

Wie hat Herr Kosinski (und seine Kolleg*innen) das also gemacht? In einer Studie mit 260.000 Menschen werden Zusammenhangsmaße zwischen den Ergebnissen von psychologischen / psychiatrischen Tests (Big 5) und „anderen“ Variablen ermittelt. Ziel ist es,  die Fragen des wissenschaftlichen Tests „Big 5“ gar nicht mehr stellen zu müssen, sondern sogenannte „Proxies“ (Stellvertreter) zu finden, die hoch korrelieren. Statt 100 Fragen beantworten zu lassen,  braucht man nur noch diese Proxies (Bilder, Formulierungen, Likes) als Indikator. Dieses Verfahren wird auch bei der Entwicklung von Persönlichkeitstest genutzt, um handhabbare (z.B. kurze),  valide (genaue) und reliable (verlässliche) Messverfahren zu entwickeln.

Die Bildung von Proxies kann mit dem Verlust der Güte eines Test einhergehen – die Vorhersagegenauigkeit leidet. Aber: Wenn ich statt der 100 Fragen der Persönlichkeitstest nur die Anzahl der Likes auswerten muss, um z.B. Neurotizismus zu erkennen, geht’s schneller, man muss nicht Fragebogen ausfüllen lassen, es ist preiswerter. Aber halt nicht so genau.

Herr Kosinski zeigt auf, dass dies auch mit öffentlich zugänglichen Proxies geht: Diese Art der Äusserungen findet man man bei Facebook in jedem Profil. Nun, eine Vorhersagegenauigkeit von .35 bis .50  ist nicht sonderlich hoch, im wissenschaftlichen Sinne. Aber schon nutzbar, wenn man ansonsten nichts weiss über ein Gegenüber oder eine Person hinter einem Facebook Profil. Und, wenn man nichts weiss, aufgrund von Selbstauskünften wie Wohnort und Beziehungsstatus mit der Giesskanne Werbung ausschütten müsste.

Es wird so gut nutzbar sein, dass tatsächlich die ein oder andere Person gefunden wird, die von ihrer Persönlichkeitsstruktur für definierte politische Botschaften oder Produktwerbung aufgeschlossener ist.

Zwischenbemerkung – die sogenannten „Big 5“ zu nehmen, ist der richtige Ansatz: Alle anderen Persönlichkeits-Tests sind eher auf dem Mess-Niveau von Horoskopen. Siehe: https://databerata.de/anleitung-zum-wahrsagen/.

Die Firma Cambridge Analytica (CA) nutzt dieses Vorgehen kommerziell und posaunt: Wir haben nicht nur Trump gekrönt, sondern bereits dem „Brexit“ den Weg  bereitet.

Wie genau soll das gehen?

1. Cambridge Analytica ermittelt „auf Vorrat“ Persönlichkeitsprofile aus Facebook Profilen
2. CA bekommt den Auftrag, potentielle Trump-Wähler zu finden und zu beeinflussen
3. Eine Analyse der Zielgruppe „potentielle Wähler von Trump“ hätte ergeben, dass diese eher zu einer selbstunsicheren Persönlichkeitsstörung  neigen („… ist gekennzeichnet durch Gefühle von Anspannung und Besorgtheit, Unsicherheit und Minderwertigkeit. Es besteht eine andauernde Sehnsucht nach Zuneigung und Akzeptiertwerden, eine Überempfindlichkeit gegenüber Zurückweisung und Kritik mit eingeschränkter Beziehungsfähigkeit. Die betreffende Person neigt zur Überbetonung potentieller Gefahren oder Risiken alltäglicher Situationen bis zur Vermeidung bestimmter Aktivitäten.
   Quelle Wikipedia, https://de.wikipedia.org/wiki/Selbstunsicher-vermeidende_Persönlichkeitsstörung vom 17.1.2017 11:05).
4. Cambridge Analytica  selektiert aus den gespeicherten Persönlichkeitsprofilen die zutreffenden Zielprofile (a la Kosinski)
5. und postet auf deren Timeline in Facebook entsprechende Meldungen
6. … und kann tatsächlich, nicht perfekt, aber ganz gut, Meinungen beeinflussen.

Beim genaueren Hinsehen entsprechen diese Schritte auch einem „traditionellen“, durch  Tracking und Tracing generierten Profiling von Zielpersonen im Web. „Personalisierte Werbung“ heisst der Fachbegriff.   Nur ist dieses Profiling meistens nicht so gut ….

Mit den Veröffentlichungen von und über Cambridge Analytica entstand eine Welle von Kommentaren, die wie einander zitierend sich zumindest an einem Wortspiel probierten: „Big Data – Big Schwindel“ wurde z.B.  am 6.12.16 die Meldungen in der WELT getitelt. Wobei diese nicht-Fach-Artikel mit wenig statistischer und analytischer Fachkenntnis aufwarten konnten.

Hat nun CA Trump auf den Thron geholfen? Dem Brexit zur Mehrheit verholfen? Ob das Schwindel war – das könnten exakte Analysen und Befragungen beantworten. Auf jeden Fall ist Cambridge Analytica ist ein echter PR Coup gelungen. Sehr lautstark krönen sie sich zu den Königsmachern. Und es stimmt: Ihre Werkzeuge greifen auf der Basis Psychografie besser, als es anderen Verfahren des Tracking und Tracing tun (die üblicherweise auf Grund einer Surf-Historie  einer Person ein „Profil“ zuweisen, um dann individuelle Werbung zu schalten).

Meine Meinung ist: Das Ziel von CA dürfte nicht der nächste Auftrag von der AfD oder Herrn Wilders sein, sondern Fuß zu fassen in der lukrativen Welt des Tracking und Tracing: Ein echter Clou! Kategorisiere psychografisch ein Facebookprofil auf Basis der Likes und Statements, spiele „passgenaue“ Werbung (Adds) hinzu, und revolutioniere den Markt der Online Werbung. Damit wäre CA ein idealer „Partner“ für Facebook, Google & Co..

TL; DR

Cambridge ANALYTICA nutzt eine fundierte wissenschaftliche Entwicklung der Cambridge University, um Personen zu „psychografieren“. Diese „Psychografien“ können genutzt werden, um leicht beeinflussbare Menschen zu finden um diese zu „informieren“.

Nutzbar ist dies sowohl für Politiker – aber eher noch für Werbetreibende. Das Big Business mit Big Data könnte erklären, warum Cambridge ANALYTICA so laut mögliche Erfolge rausposaunt.

______________

Stand der Informationen: 17-01-17

„Zukunft der Marktforschung – Entwicklungschancen in Zeiten von Social Media und Big Data“  SpringerGabler 2015

Nach dem wirklich überwältigenden Erfolg der „Zukunft der Marktforschung“ (Herausgeber Keller / Klein / Tuschl bei Springer Gabler) wurden wir seitens Marktforscher und Verlag gebeten, eine Fortführung herauszugeben.

Der „erste Band“ beschäftigt sich mit dem  Thema, ob es eine Zukunft überhaupt noch für die Marktforschung gibt.

Band 2 erkundet die Zukunft noch mutiger:

Marktforschung der Zukunft – Mensch oder Maschine?

Bewährte Kompetenzen in neuem Kontext. Erscheinungsdatum Mitte Oktober 2016.

Interessiert? Soviel sei schon einmal erzählt: Dieses Buch macht deutlich, wie Big Data, Social Media, automatisierte sowie innovative Methoden das Berufsfeld der Marktforschung verändern, und wie sich die Branche neu aufstellen kann: Das wichtigste Extrakt aller Beiträge:  Menschenwerk wird  wieder stärker gefragt sein.  Dann, wenn die Enttäuschung über hochfliegende „Big Data“ Automaten von der Zunft professionell durch die Expertise vieler Könner aufgefangen wird: Die Marktforscher der Zukunft beherrschen natürlich ihr  Metier, integrieren maschinengenerierte Daten (Big Data), können verständlich über Wege und Ergebnisse kommunizieren und sind den Auftraggebern Berater auf Augenhöhe. Sie entwickeln mit dem Kunden massgeschneiderte Methoden. Sie  zeigen Zusammenhänge auf, begleiten das „Storytelling“ der  Markengeschichten und der Verbrauchererlebnisse. Das was man momentan noch CX nennt.

Wir Herausgeber finden: der neue Band „Marktforschung in der Zukunft“ ist praxisorientiert und fundiert und ein nahezu unverzichtbarer Wegweiser für Marktforscher, Studierende, Professoren, Marketingspezialisten, Vertriebler und CX-Experten.

Wem die Zeit bis dahin zu lang ist und wer früher schon Data-Work at it’s best erleben möchte: Rufen Sie mich an, mailen Sie mir, Skypen  oder FaceTimen wir. Gerne besuchen wir auch Sie Ihrem Unternehmen. Und Keine Angst: Weder PowerPoint noch Krawatten werden uns die Stimmung verderben – Kaffee und ein Whiteboard sind alles, was wir brauchen. 

PS: Mit meinen Kollegen von Twenty54Labs, unserer kalifornisch-südlimburgisch-rheinländischen Manufaktur für die Raffinerie Ihrer Daten zu Treibstoffen, haben wir gemeinsam noch mehr Möglichkeiten: Prozesse gestalten, Technologie massschneidern, Informationen gewinnen und das alles in den Alltag integrieren. Und wie sind dazu noch sehr sympathisch 😉

Von Hans-Werner Klein (erschienen am 15.10.2015 in: „Das ganz große Ding – Predictive Analytics / Big Data“ Marktforschung.de – Das Dossier)

Predictive Analytics von einem Marktforscher durchleuchten lassen, das hat schon was. „Predictive“ waren die meisten Produkt-Marktforschungen schon immer, gerade deshalb wurden sie schließlich gemacht: Unternehmen erstellen schließlich Geschäftspläne auf Basis von datenbasierten Prognosen.

Soziologische Analysen hatten auch zumeist die Idee, dass man Verhalten von Gruppen analysieren und vielleicht auch vorhersagen kann. Mit den größten Wert auf „Predictive Analytics“ legen politische Parteien – und schauen sich ganz genau an, wie welche Themen in der Bevölkerung zu einem Erfolg der Partei am Wahltag führen können. Vielleicht kann ich diesen Beitrag für das marktforschung.dossier mal anders angehen. Vielleicht aus der Ecke Literatur, Film, Kunst oder  literarisch-philosophisch?

Was ist der neue Aspekt in diesem Thema?

„Das Ende des Zufalls“ proklamiert Rudi Klausnitzer in seinem 2013 erschienenen gleichnamigen Werk [1]. Untertitel: „Wie Big Data uns und unser Leben vorhersehbar macht“. Wenn Big Data und Vorhersehung genannt werden, darf die Marktforschung nicht fehlen. Oder doch? Wir werden umsatteln müssen in Data Scientists, Data Journalists, Data Designer, oder Datatainer. Erhalten aber damit auch den Status den „most sexy Job“ unseres Jahrzehnts auszuüben. Deal?

Predictive Analytics wird aus drei großen Quellen gespeist, die auch die Auktionen der Vermarktung von Daten in Zukunft bestimmen werden:

•Zum ersten die Ausweitung des Marktes für solche Prognosen. Wir sind, ohne es zu ahnen, umzingelt von uns betreffenden Prognosen: TV-Gewohnheiten, Sahne zum Kuchen, Unfallprognosen, Fahrverhalten, Kreditwürdigkeit – sogar kriminelle Aktivitäten mit Wochentag und Uhrzeit in unserem Wohnviertel können vorhergesagt werden. Das alles betrifft uns direkt. Da ist kein Flyer, kein Banner oder ein Mailing zwischengeschaltet.

•Zum zweiten die Ausweitung des Marktes für Werkzeuge, um diese Prognosen erstellen zu können. Als ältere quantitative Marktforscher sind Ihnen SAS und  SPSS ein Begriff. Geballtes Fachwissen auf den Feldern Statistik und Empirie, Kenntnisse des Marktes, der Kunden und Auftraggeber lassen diese Tools zu Zauberkästen der Experten werden. Aber braucht man die wirklich noch? Ausweitung des Marktes bedeutet zurzeit häufig, Werkzeuge zu bauen, die auf dem iPad Ergebnisse visualisieren können ohne Kenntnisse der Statistik. Automatisierung und propagierte Einfachheit durch Deprofessionalisierung gaukeln Verständnis und Erklären können auch komplexer Sachverhalte vor.

•Zum dritten die Ausweitung des Marktes für Daten, um die Werkzeuge zu füttern, um diese Prognosen sicherer und individueller zu machen. Dass Daten der Rohstoff des 21. Jahrhunderts sind, ist inzwischen Techno-Folklore von Kaffeekränzchen. Aber wo kommen diese Daten so plötzlich her? Quellen sind alle unsere Aktionen, die mit unseren „Credentials“ wie Kreditkarte, bestellte Waren, Newsletter, aufgerufene Seiten, gebuchte Urlaubsreisen, Einsatz von Bonus-Karten „bezahlt“ werden. Oder auch vom Kaffeekränzchen, wenn Smartphones genutzt werden, die eine umfangreiche Sensorik an Bord haben. Es ist schon verflixt: Wir können immer mehr wissen, dank Google & Co. Und bezahlen mit unseren Daten an Google & Co. Und als Marktforscher lassen wir  uns von diesen Databrokern die Butter vom Brot klauen.

Predictive Analytics im Film

Ein Moment des Innehaltens: Hatte ich nicht auch eine literarisch-philosophische Deutung versprochen? Oder ist es eine zu „steile These“, dass technologische und Marktentwicklungen auch von Literatur und Kunst getrieben werden? Das 1996er Klapphandy von Motorola war ein Klon des Communicators aus Star Trek, stimmt’s? Und hieß dann auch noch werbewirksam StarTAC.

Das Thema „Predictive Analytics“ als „Precrime-Detection“ wurde uns 2002  in dem Film „Minority Report“ näher gebracht. Der Film basiert auf einer Erzählung des Autors Philip Kindred Dick aus 1956. Der Plot: In Washington des Jahres 2054, werden drei Frauen mit der Fähigkeit der Hellseherei, sogenannte Precogs, benutzt, um Verbrechen vorherzusehen. Die noch-nicht-Kriminellen können vor dem Verbrechen von den Precops verhaftet werden. In einen Dämmerzustand versetzt, können sie weder morden noch betrügen.  Philosophisch-moralisch ein harter Brocken. Auch technologisch nicht ganz einfach umzusetzen, wenn man auf  Menschen statt Maschinen als Quellen der Predictive Analytics setzen würde.

Aber inzwischen sind wir noch nicht im Jahr 2054 aber weiter als 1956 oder 2002. Vielleicht  haben Sie die eine oder andere Meldung zum Thema „Precops“ gesehen. Auch die Bayrische Polizei setzt solche Analyse- und Prognoseprogramme ein. Und meldete am 23. Juni 2015 [2]: „In den Prognosegebieten hatten wir weniger Wohnungseinbrüche und mehr Täterfestnahmen“. Rückgänge der Einbrüche von 17,5 bis 42 Prozent [3] führen zu der Prognose des Bayrischen Innenministers: „Deshalb werden wir Precobs oder eine vergleichbare Prognosesoftware dauerhaft für die Bayerische Polizei anschaffe“. Diese Beispiele zeigen die ganz neuen Möglichkeiten von individualisierter Prognostik auf.

Verraten und verkauft [4]

Wie sieht es mit dem Informationsgold aus, das unsere Branche generieren sollte? Wir Marktforscher sind die ersten gewesen, die Daten „monetarisiert“ haben. Der nächste logische Schritt einer Kommerzialisierung von Daten wird allerdings von anderen gegangen: Kommerzielle Anbieter haben Angebote im Portfolio, die wie Zukunftsvisionen klingen, aber schon unter dem Begriff „Demand Side Platform“ (DSP) genutzt werden.

Die von Google & Co. mit Informationen versorgte Branche der Vermarkter von Anzeigenplätzen  hat „Bietermodule“ entwickelt: In Echtzeit wird einem dreistufigen Verfahren zuerst der „Wert“ eines Kunden auf Grund seiner Surfhistorie (Suchanfragen, besuchte Seiten, online Käufe) ermittelt. Diese Kundenwert-Profile  werden dann im zweiten Schritt auf einer Plattform in Echtzeit interessierten Unternehmen angeboten und schließlich an den Meistbietenden versteigert.

Das alles entspricht dem Datenschutz, der Bieter erwirbt keine Informationen, sondern nur den direkten temporären Zugang zu einem potenziellen Kunden. Der Surfer, also Nutzer einer Website, bekommt von dem im Hintergrund laufenden Prozess nichts mit. Was er bemerken könnte, wäre, dass er andere Angebote als seine Freundin oder der Nachbar als Nutzer der Website bekommt. Diese haben ein unterschiedliches Profil auf derselben Website, haben einen anderen kommerziellen Wert oder bevorzugen andere Produkte. Das Erstellen der Profile und Ermitteln des Wertes passiert sozusagen in Echtzeit, während sich die Seite aufbaut und der Nutzer auf dieser Website noch nicht mal seinen ersten Click gemacht hat. Dazu wird die Surf- und Suchhistorie ausgewertet.

Hier wird der bedeutende Unterschied zur Marktforschung deutlich: Das über den potenziellen Kunden generierte Wissen steht zwar sofort verwertbar zur Verfügung, aber verfällt wieder unmittelbar. Es werden keine Modelle über Zielgruppen generiert, die erst mit Expertenwissen in Kommunikation umgesetzt werden müssen.

Und das Verhalten des Kunden wird mit jedem Schritt ausgewertet: Eine Rückkopplungsschleife verfeinert die Parameter der Kundenorientierung. Jeder weitere Click, jede „Conversion“ (Kauf, Nutzung von Services) optimiert die Auswahl von Interessenten und passender Kampagne „on the fly“. Das treibt den Preis für den Kunden auf der Bieterplattform in die Höhe. Steht ein Interessent unmittelbar vor einem Online-Kauf, ist der Preis am höchsten. Hier könnten immer noch (sehr teuer ersteigerte) Angebote des Wettbewerbs ihn weg locken.

Nebenbei – das ist nicht nur eine Bedrohung der Marktforschung, sondern auch der Werbewirtschaft. In einem Blogartikel beschreibt Dominik Grollmann 2014 dies mit der provokanten Überschrift „Kauf, Du Sau“ [5].

Mein Fazit

Während man die Berichte und Artikel über Precops und andere Ergebnisse prädiktiver Analyse als schlichtes Infotainment abtun könnte, ist unsere Profession bedroht. Denn theorielose Automaten generieren Wissen, das ad hoc genutzt und sogleich wieder vergessen wird. Diese Automaten werden verwendet, um zum Beispiel Absatz im Web zu optimieren. Prozesse im Web bestimmen auch zunehmend unser Verhalten offline – und so haben diese Automaten Einfluss in unsere Welt aus Stein und Mörtel.

Marktforschung dient oft auch der Lösung strategischer Fragestellungen: Predictive Analytics. Diese benötigen eine angemessene Wahl von Methoden und Menschen. Genauso fundamental und nicht ersetzbar sind auf das Erkenntnisinteresse des Auftraggebers kritisch zugeschnittene Analysen und deren Interpretation und Bewertungen. Bei allen Möglichkeiten einer Prozessoptimierung in der Datengewinnung – der wichtigste Benefit der Marktforschung macht die Beratung aus, die Fähigkeit, einen Auftraggeber im Dialog nahtlos bei der Gewinnung und Nutzung der Ergebnisse zu begleiten.

Diese Beratung sollte extern durchgeführt werden – in Instituten, die nicht als Anhängsel von Marketingmaschinen wie Google & Co. funktionieren. So entgeht man der Gefahr, von Google & Co. als reinen Datenlieferanten und Vertriebsautomaten überrollt zu werden und sichert sich die Chance, diese Daten im Interesse des Auftraggebers angemessen zu nutzen. Und eröffnet sowohl den Marktforschern wie den Instituten eine arbeitsreiche und erfolgversprechende Zukunft.

Ergänzungen

WATSON übernehmen Sie (IBM Watson Analytics)?
IBM hat mit WATSON schon seit längerem ein mächtiges Analysetool im Angebot. In dem gestern erschienenen Artikel auf Computerbild wird „Watson Analytics“ vorgestellt, eine Gruppe von Tools die „Predictive Analytics“ mit Cognitive Computing (aka KI oder AI) ermöglichen. Die Use Cases im Artikel ergänzen meinen Beitrag: Wie wird das Wetter? Diese Frage beantwortet dann auch die Frage: Wie wird das Geschäft?  Quelle: http://www.computerwoche.de/a/watson-uebernehmen-sie-heisst-es-bei-ibm,3217241

OK, „Watson übernehmen Sie!“ ist wirklich die Lösung? Technologie löst Probleme? In meinem Artikel aus Sicht eines „DataBeratas“ und Marktforschers sehe ich das etwas anders. Dazu passt auch eine Studie von Alexander Linden (Gartner), die gestern 14.10.2015 veröffentlicht wurde: „… Most pitfalls will not result in an obvious technical or analytic failure. Rather they will result in a failure to deliver business value.“
Das ist auch unsere Erfahrung in „Large or Complex Data“ Projekten. Big Data Analytics schafft es über immer besser werdende Tools Datenschätze zu heben. Aber was nützt es, wenn Unternehmen vor einer Suppe sitzen, und Watson nichts als Gabeln ausgräbt? Auch hier hilft wohlmöglich das Know-How der Marktforscher-Zunft.

Quelle: http://www.information-management.com/news/big-data-analytics/big-data-analytics-raises-ethical-risks-10027583-1.html

Schluß mit „sexy“?

Das MIT meldet am 16.10.2015 große Erfolge mit seiner „Data Science Machine“: Gerade noch wurde der Data Scientist zum „sexiest Job“ in diesem Jahrzehnt gekürt (siehe obenstehenden Artikel) – erfolgt jetzt die Demütigung?

MIT: „System that replaces human intuition with algorithms outperforms 615 of 906 human teams.“ „http://news.mit.edu/2015/automating-big-data-analysis-1016“

Lesenswerter Artikel – zum ersten Mal, dass ich versucht bin, zu solchen Maschinen „Hallo Kollege“ zu sagen. Und mich sofort an „Die Physiker“ von Dürrenmatt zu erinnern. Wenn Maschinen richtig gut sind und uns „outperformen“, kann das zum Wohle aller oder vieler oder weniger eingesetzt werden, solche Maschinen können „Erntehelfer“ oder Waffen sein.

Fußnoten

[1] Rudi Klausnitzer „Das Ende des Zufalls: Wie Big Data uns und unser Leben vorhersagbar macht“, Ecowin März 2015

[2] Quelle abgerufen 1.10.15, 12:49 www.stmi.bayern.de/med/pressemitteilungen/pressearchiv/2015/204/index.php

[3] Anmerkung HWK: Unklare Datenlage – u.a. keine Angaben zum Vergleichszeitraum in den Dokumenten zu finden

[4] Dieser Abschnitt ist ein gekürzter und überarbeiteter Text aus „Zukunft der Marktforschung“ Springer Gabler 2015

[5] www.ibusiness.de/marketing/db/499304grollmann.html (abgerufen am 24.08.2014, Hinweis: Zugriff nur nach Anmeldung)

]]> https://databerata.de/ich-sehe-was-was-du-nicht-siehst/feed/ 0 https://databerata.de/bestseller-zukunft-der-marktforschung/ https://databerata.de/bestseller-zukunft-der-marktforschung/#respond Tue, 09 Jun 2015 21:10:10 +0000 http://databerata.de/?p=1468 Bestseller im Bereich „Marktforschung“

9.6.2015, 22:00. Platz 1 im Bereich „Marktforschung“ bei amazon Deutschland: Unser Buch „Zukunft der Marktforschung“ ist der #1 Bestseller. Die Ranglisten sind volatil – aber wir sind Bestseller. Hrsg. Bernhard Keller, Hans-Werner Klein, Stefan Tuschl bei Springer Gabler Buch Vorstellung: http://link.springer.com/book/10.1007/978-3-658-05400-7.
Ins Buch lesen: http://link.springer.com/book/10.1007%2F978-3-658-05400-7

Inhouse Workshops Marktforschung buchen

Das passt ja – noch sind Termine frei: Jetzt meinen eintägigen Inhouse Workshop „Einführung in die Marktforschung“ oder „Marktforschung 360° – von der Befragung zur Social Media Analyse“ buchen (inkl. persönlichem Freiexemplar des Bestsellers pro Teilnehmer) oder  buchen. Termine und Invest nach Absprache.  Email an hans-werner.klein (aet) DataBerata.de

Beste Grüße

Hans-Werner Klein

Die Hitliste bei Amazon am 9.6.2015, 22:00

Das Buch auf Platz 1

„Hatten Sie in den letzten 4 Wochen ausreichend Zeit für sich?”

Sinngemäß hat das statistische Bundesamt diese Frage 2014 in Haushalten gestellt – als eine von vielen Frage für die Erhebung unter dem Titel “Zeitverwendung”.

Klaus Heywinkel als Zeitkünstler wollte es detaillierter wissen: Was genau sind für Alleinerziehende die wichtigenThemen beim Umgang mit Zeit?

Wie gelingt es Alleinerziehenden z.B., Zeit für ihre berufliche Weiterentwicklung zu finden? Oder ihre Batterien wieder aufzuladen?

Um dies und noch viel mehr zu erfahren wurde von mir der Online-Fragebogen zur Studie entwickelt.

Die Ergebnisse der Studie von Klaus Heywinkel finden Sie hier. 

Nehmen Sie ihr Web-Business wirklich ernst? Machen Sie etwas ausser Traffik bei Google kaufen? Was – Sie kaufen sogar bei „Traffik-Generatoren„? Puh, und investieren auch in Affiliate. Aha. Sind Sie auch sonst mutig? Ich meine, haben Sie echte Zahlen, was das alles bringt? Ob Sie nicht sogar vielleicht übervorteilt werden?

Was ich meine? Lesen Sie den Artikel von Avinash Kaushik (Leuchtturm und Macher im Bereich Webanalyse). Oder nehmen Sie direkt Kontakt zu mir auf. Schliesslich habe ich über 10 Jahre erfolgreich WebAnalyse bei der Telekom eingeführt und betrieben. Und weiss was Sie wissen sollten. Ich erstelle gerne praktikabel und effizient Ihre WebAnalyse inkl. Betrugsabwehr. Reden wir miteinander.

Hier der Link zu meinem Angebot 2015.

Hier der Link zu Avinash Kaushiks Artikel, von diesem stammt auch der etwas „laute“ Titel: „Digital Marketing Analysis Crimes against Humanity“ http://www.kaushik.net/avinash/digital-marketing-analytics-crimes-against-humanity/

Blog-Artikel sind Momentaufnahmen – mit der selben Sorgfalt und Liebe zum Detail erstellt wie Bücher.  Unser Buch zur „Zukunft der Marktforschung“ ist ein Sammelwerk, der Kommentar vieler kenntnisreicher Menschen zum Thema „Welche Rolle wird die Marktforschung künftig für Unternehmen noch spielen?“.

Bücher werden höchstens neu aufgelegt und dabei „verändert“. Blogs werden weitergeführt und sind – wenn es optimal wird – lebendig.

Daher planen wir, das Buch im Web weiterzuführen. Der Diskussion über die Zukunft der Marktforschung eine Site zu geben. Über das „wo“ führen wir gerade Gespräche, das „wie“ ist uns auch schon klar: lebhaft und kenntnisreich.

Zum Buch:

Inhalt

Welche Rolle wird die Marktforschung künftig für Unternehmen noch spielen?

Muss die Marktforschungsbranche ihren Stellenwert zwischen Big Data, Social Media, kurzlebigen Data-Hypes und realem Geschäft immer neu definieren?

Sind „Data-Experten“ die Marktforscher der Zukunft?

Wie wird „klassische Marktforschung“ in zehn Jahren aussehen?

Renommierte Experten aus Marktforschungsinstituten, Marketing- und Kommunikationsagenturen, Wissenschaftseinrichtungen und der Unternehmenspraxis zeigen auf, was die Branche künftig beachten muss, um weiterhin erfolgreich zu sein: von der Nachwuchsausbildung über die Entwicklung neuer Methodiken bis hin zur Nutzung von hoch dynamischen Forschungsfeldern.

Die Herausgeber

Bernhard Keller, Markt- und Vertriebsforscher, ist Director bei Maritz Research.

Hans-Werner Klein, Wissensvermittler zwischen Menschen und Daten, ist CIO bei Twenty54Labs.

Prof. Dr. Stefan Tuschl ist Professor für Quantitative Methoden an der Hochschule für Angewandte Wissenschaften (HAW) Hamburg.

 Der Link zum Bestellen

Das Treffen von Oosterbeek (NL) hat Freunde, Kollegen und Partner von Twenty54Labs zusammengebracht um über ein spannendes Thema über das  „Bedürfnis nach Wissen“  zu sprechen. Informatica, Cortex, Consetto und Twenty54Labs stellen sich der Frage, welche Bedürfnisse aktuell und zukünftig den Datenmarkt treiben werden.

In der verzaubernden Umgebung einer alten Orangerie in Oosterbeek (dort wurden auch die Photographien gemacht)  lassen wir leerzitierte Begriffe wie „Large Scale Data, Complex Data, Data Migration, Data Matching, Interfaces, Multi-Modale Datenbanken, Bi-Temporale Datenspeicherung, NoSQL, DataMining, Semantic Analytics, Natural Language Technology“ einfach mal links liegen und beschäftigen uns mit dem was dies bedeutet, und wie es nützlich gemacht werden kann.

Was bedeuten die Begriffe aus der Welt von „Big Data“ für die notwendige Wissensarbeit in Unternehmen, der Forschung, Verwaltung, Politik?   Welche Tools können wir jetzt schon bereit stellen, um Fragen für und in der Zukunft etwas sicherer zu beantworten?

Wandel der wichtigsten Elemente der Wirtschaft: Noch immer Menschen, Kapital, Prozesse?

Nein, immer stärker werden Prozesse als wichtiger Faktor durch Daten ersetzt. Prozesse sind kopierbar geworden. Daten sind richtig behandelt „unique capital“.

Was benötigen Daten, um richtig behandelt zu werden und in einem „Verhüttungsprozess“ von Erz zu Metall zu werden?

Sensoren, IT basierte Prozesse, Produktionsinformationen, Kundeninformationen, Umgebungswerte für Prozesse liefern große Mengen an Daten, die in Relation gesetzt werden, mit einander verknüpft werden.

Was ist der Knackpunkt?

Unser Gehirn filtert sekündlich relevante Informationen aus einem Strom von etwa einem GigaByte Daten. In kritischen Situationen (Geisterfahrer auf meiner Spur in 200m Entfernung) werden nur wenige Byte genutzt. Wissensarbeit muss ebenfalls relevantes von nicht relevantem unterscheiden können. Aus Daten Informationen machen, um nicht in einem „information overflow“ zu ertrinken. Wenn man Durst hat, setzt man sich nicht in eine gefüllte Badewanne, sondern trinkt die gewünschte Portion.

Was wird benötigt?

• Textarbeiten werden die Grundlage der Ernte (Natural Language Processing)   Etwa 70% der relevanten Daten eines Unternehmens liegen als Text vor. E-Mails, Handbücher, Unternehmensdarstellungen, Prozessbeschreibungen, Social Media Quellen, CRM Informationen, Produkt-Dokumentationen, Gesetzestexte liegen oftmals brach. Werden nicht ausgewertet – noch schlimmer: Werden nicht verknüpft. Nun sind aber Gesetzestexte oder juristisch relevante Verordnungen relevant für die Produktion und Wartung von Produkten. Rückmeldungen aus FaceBook und Co, den Hotlines und Emails machen auf Produktschwächen aufmerksam, die die Produktion wissen sollte. Oder sogar die Juristen eines Unternehmens interessieren.Ein Bestandteil zukunftssicherer Wissensarbeit ist der Umgang mit Texten. Das klappt am besten durch ein Zusammenarbeiten von inhaltssicheren Experten und maschinellen Prozessen, um große Datenmengen qualitativ hochwertig bearbeiten zu können. Die Verarbeitung von Texten hat in den letzten drei Jahren durch ausgefuchste Algorithmen der „Natural Language Technology“ mächtige Verbündete bekommen. Dabei sind keine monatelangen Lernprozesse für die Ziel-Sprachen notwendig. Vom Start weg verstehen Statistische Textanalysen jede Sprache (bis auf asiatische Sprachen) Consetto UG aus Darmstadt versteht die Kunst der Statistischen Textanalyse aufs Feinste.

• Speicherung wird intelligent sein (performante Datenbanken für große und komplexe Daten)
  Nur sinnvoll verknüpfte Daten können für Systeme (Design, Produktion, Vertrieb, Wartung, End-of-Life) den notwendigen Input geben. „Vitamin B“ ist der Wachstumsfaktor für die intelligente Nutzung von Daten überhaupt. „B“ = Beziehungswissen der Daten untereinander stellt für herkömmliche Datenbanken  bei großen und komplexen Datenmengen ein Schreckgespenst dar. „Süßes oder Saures?“ – die Frage stellt sich nicht bei Datenbanken mit Speicherungs- und Verknüpfungsprozessen, die unserem Gehirn sehr ähnlich sind.Ist man in der Lage, große Datenmengen systemisch verknüpft zu speichern und zu verwenden, macht auch das Problem der Komplexität keine Arbeit mehr, sondern Freude. Freude an phantasievollen, kreativen Arbeiten mit Daten. Querdenken statt „DataCubes“, konfigurieren statt Anstoßen von IT Change Requests sind dann Realität. Die Cortex AG aus Isernhagen bei Hannover stellte dies sehr deutlich dar.

• Daten aus unterschiedlichen Quellen werden zu einem größeren Ganzen verbunden (Wegebau und Logistik)
  Jahrzehnte über werden bereits Daten in Unternehmen, der Verwaltung und Wissenschaft gesammelt. Eine große Anzahl von Programmen, Datenbanken und Systemen wurde installiert und dümpelt im Sinne einer Verknüpfung vor einsamen Inseln vor sich hin. Erst Schifffahrtslinien und Hafenbau können (übertragen) diese Inseln mit einander verbinden. Tools werden benötigt, um Daten auszulesen, zu transportieren in andere Systeme, diese zu bearbeiten und als Informationen weiter zu geben. Informatica gehört seit dem Anfang der Datenverarbeitung zu den großen großen und leistungsstarken Verknüpfern von Datenquellen und -senken.

• Integratoren verbinden Bedürfnisse mit Technologien (Manufakturen für Datenanbau, -ernte und Nutzung)
  Querdenken und Verknüpfen von Datenmodellen, Prozessen und Ingenieurskunst der Datentechnik sind gefragt, wenn die Zukunft bedient werden soll. Die Integration von Prozessen und Daten lässt die richtigen Fanggebiete für die Daten erkennen. Durch multi-purpose-Geräte wie das iPad wird die Unterscheidung zwischen Hard- und Software überflüssig. Daten können mobil „on the fly“ erfasst werden oder aus Sammlern remote ausgelesen werden. Und auch die Nutzung wird mobiler: Informationen um Entscheidungen zu treffen werden in Echtzeit vor Ort benötigt – und können vor Ort remote aktualisiert werden. Das erleichtert u.a die Wartung von Maschinen und medizinischen Geräten. Die Schritte der Integration umfassen „going me“ (Individualisierung aus Datenmassen), „going mobile“ (Informationen vor Ort) „going realtime“ (Daten sind wirklich aktuell).

Das Treffen von Oosterbeek wird eine Institution werden. Zukunft wird gemacht, nicht erwartet. 

*Im Original heisst es: „I skate to where the puck is going to be, not where it has been.“ (Der Eishockeyspieler Wayne Gretzky)

Die Research Plus bietet ein  interessantes Format – drei bis vier Impulsvorträge in rascher Folge, 15-20 Minuten jeweils. Unser Veranstaltungsort: Das Theater der „Wohngemeinschaft“, Köln, Richard-Wagner-Strasse, die Keimzelle einer sich ausbreitenden Bewegung. Gestern habe ich es zum ersten Male erlebt und auch ausprobiert.

15 Minuten sind gerade lang genug, um was erzählen zu können, aber auch kurz genug, um den Wunsch nach mehr zu wecken. Und das findet dann an der Theke oder im Gastraum der „Wohngemeinschaft“ statt. Wirklich tolle Location.

Die Themen am 6. Mai 2014

Wohnen und Leben im Jahr 2030 – wie kann man solch eine Vision bauen, ohne die Gegenwart einfach frisch angestrichen in die Zukunft zu projizieren? Dr. Tanja Pferdekämper (RWE Effizienz, Dortmund) hat interessante und gangbare Wege aufgezeigt. Stichwort: Unsere Autos sind eigentlich eine Vorwegnahme unserer Wohnzimmer der Zukunft. Elektronische Helferlein, Assistenzsysteme, Klimatisierung, Entertainment, Infotainment, Energieeffizienz. Ich freue mich auf die Zukunft, immer! Hier geht es zum Zukunftshaus in Bottrop (Video).

Facebook-Sucht: Gibt es die und was könnten Gründe sein? Prof. Dr. Christian Bosau zeigte mit einer empirischen Studie die psychologischen Abgründe einer Abhängigkeit von Social Media auf. FoMO ist es – The Fear of Missing Out – die Furcht, etwas zu verpassen, das die Peer-Group schreibt, postet, unternimmt, für richtig oder falsch bekundet. Soziale Kontrolle 3.0. Global Village. Gruppenzwang featured by Facebook. Sollte man drüber nachdenken! Nachgucken kann man hier.

Tonnenweise Meinungsäusserungen zu Produkten und Firmen im Web. Was kann Mafo damit machen? Zusammen mit dem Startup Consetto aus Darmstadt brachten wir einen kleinen Usecase auf die Bühne, eine Auswertung des Facebook-Accounts von FRoSTA. Ins Detail kann man bei 15 Minuten nicht gehen – aber aufzeigen, wie man mit Hilfe semantischer Werkzeuge automatisiert Meinungsäußerungen klassifizieren, auszählen, in Zusammenhänge bringen kann. Und dabei interessante Einblicke in die Dynamik von Social Media erhält. Semantische Analysen machen es möglich, schnell und effizient große unstrukturierte (sprachliche) Datenmengen zu analysieren.

Hat Spass gemacht – Danke an die Veranstalter. Ich komme wieder.

Meinungsvielfalt ist Trumpf: Hier der Artikel zur Veranstaltung auf der marktforschung.de.

Nun ja – wir schrieben das 20. Jhd. Weder die Zahlen noch das Zahlen waren so richtig „sexy“. Dabei haben wir Marktforscher bei der Geburt vieler Dinge und Prozesse geholfen – oder sie gerade angeregt. Zoomkameras, SMS, Kundenorientierung, Spielekonsolen, Happy Endings von Filmen, Käse, Wurst, Werbung (nur die witzige), Schokoriegel und Ökoprodukte. Das Aussehen von Laptops und die Nutzbarkeit der Software darauf.

Jetzt, im 21. Jhd gibt es „Big Data„. Also Große Datenmengen, in denen gesucht wird nach Zusammenhängen, Ideen, Kunden, potentiellen Kündigen und „sehr sehr bösen Menschen“. Und es gibt jede Menge von Big Data Haufen.

Mit diesem Thema beschäftigt sich ein Buch von Rudi Klausnitzer (Das Ende des Zufalls). Klausnitzer ist erfahrener Publizist und Medienwerker. Ihm gelingt es, aus der Sicht eines Nicht-Statistikers zu verstehen und weiterzudenken, was Big Data für unseren Alltag bedeutet. Für unser Leben, unsere Sicherheit bedeuten kann.  Schon mal empfehlenswert, weil gut und kundig geschrieben.

Wirklich faszinierend in seinem Buch ist das „Weiterdenken im Thema“, der fundierte Bau eines „Ökosystems“ von Big Data, ganz neue Berufe, die entstehen.

Ich überlasse Herrn Klausnitzer die Kartographie:

– Data Scientist … ein/e Experte/Expertin im Umgang mit Zahlen, Statistiken, Methoden. Fachleute, Handwerker, die wissen, wie und für was man Big Data nutzen kann, und für was nicht. Die Konzepte bauen, Strategien entwerfen, aber auch die zahlreichen Tools richtig einsetzen können. Geschätzter Bedarf ca. 4,4 Mio Experten weltweit in 2015. Zusätzlich rechnen McKinsey und Gartner noch mit 1,5 Mio Managern, die Big Data richtig einsetzen können.

– Data  Designer … ein/e Experte/Expertin in der Darstellung von Ergebnissen. Bei Palomar 5  bin ich den ersten Data Designern begegnet – die als Künstler und Zahlenfreunde auch komplexe Zusammenhänge darstellen können. Klausnitzer denkt an darstellende Kunst, es gibt bereits jetzt Beispiele aus einer Musik, die CERN aus dem Wechsel von Materie in Antimaterie und zurück entstehen lässt. Link: Sonata in LHCb. Sicherlich noch etwas „nerdig“, aber zukunftsweisend.

– Data Journalist / Storyteller …. eine wirkliche Kunst, die Informationen aus Datenanalysen lebendig, vorstellbar, verständlich zu kommunizieren. Hier schliesst sich der Kreis zur guten quantitativen Marktforschung: Ein guter Fragebogen hat eine Story, ein Drehbuch, macht neugierig auf die nächsten Fragen.  Da werden keine Listen abgefragt – sondern Cliffhanger eingebaut. Natürlich nur so stark, dass die Ergebnisse nicht verfälscht werden. Storytelling ist die Kunst, fundierte Informationen an Viele zu verteilen.

Datatainment ist eine Stufe mehr noch als Infotainment mit Ergebnissen aus Big Data. Das können für ein breites Publikum Data Designer, Storyteller sein, die die Informationen der Data Scientists umsetzen und nützlich und unterhaltsam darstellen. Das Literatur nützlich und unterhaltsam sein sollte ist übrigens eine Idealvorstellung der Dichter,  die im 18. Jhd, in der Aufklärung wieder auftauchte. Damals wurden Fabeln erzählt, die unterhaltsam Wissen verbreitet haben. Es gibt sie schon, die Datatainer – wie zum Beispiel den begnadeten Hans Rosling, der in weniger als 5 Minuten die Geschichte von 200 Ländern in 200 Jahren erzählt, darstellt, visualisiert. Link zu einem BBC Beitrag auf youtube. Sein Motto: The Joy of Stats.

Wer meine Vorträge kennt, kennt auch meinen Lieblings“fabulogen“ James Thurber. Sehr weitsichtig hat er in den 20ern/30ern des letzten Jahrhunderts Lösungen für die Websiteanalyse (Link: The Fairly Intelligent Fly) und gegen die Seuche der schlechten empirischen Forschung, die „Soziale Erwünschtheit“ gefunden (Link: The Owl who was God). Unterhaltsam und lehrreich.

Und was war das mit „The Sexiest Job of the 21rst Century?“ Ist nicht von mir, sondern von Thomas H. Davenport und D.J. Patilim und im Harvard Business Review nachzulesen.

Und Sie haben sich gefragt, was ich als DataBerata eigentlich so mache?

Buch: Rudi Klausnitzer, Das Ende des Zufalls, Salzburg 2013.

Mein Statistik/Empirie-Prof gab uns mit: „Seid misstrauisch bei Offensichtlichem. Wenn euch zu einer  Korrelation nicht mindestens drei Erklärungen einfallen, wechselt den Beruf!“. Eine Übung, um darin fit zu bleiben, ist das Querdenken.

Das geht immer und überall – jeder Ort hat Übungsobjekte! 

Ein Beispiel

Mit großem Interesse habe ich das Bilderrätsel oben auf einem Bahnhof in Frankfurt entdeckt. Sehr drastisch wird man darauf hingewiesen, dreieckige Tunnelröhren zu vermeiden. Nun war ich in einer halbrunden, also alles OK. Denn wie man sieht, in einem Dreieck bleibt einem sehr großen Erwachsenen kaum Platz auf dem Bahnsteig, dem Zug zu entkommen (der Gefahrenbereich ist schraffiert). Der Versuch des Strichmännchens, schräg an die rechte Aussenwand zu fliehen, scheint riskant.

Manchmal ist das Offensichtliche nur das Gewohnte, und Querdenken hilft, um auf die wahrscheinlichere Lösung zu kommen. Also dreieckige Tunnel meiden.

Wir können das zusammen ausprobieren

Meine „querste“ Interpretation:

Im Fall, dass es Ihnen zu kalt oder zu ungemütlich ist, drücken Sie den Knopf und aus der Edelstahlwand entfaltet sich ein offener Kamin. An dem kann man sich wärmen – und gemütlich fühlen.

Fazit: dreieckige Tunnel meiden – und Wärme gibts auch bei der Bahn.

Jetzt scheint das Thema Big Data endgültig „kommunikabel“ zu sein: Der Titel im SPIEGEL 20/2013 lässt Big Data als gelungene Melange aus CSI, dem Orakel von Delphi und den römischen Auguren vergären. Fazit: Wir Menschen werden vorhersehbar  – weil berechenbar. Ergebnis: Verbrechen werden verhindert, Käufern werden die Wünsche aus den Daten ablesen. Na gut – eine Prise Kritik am System, das den Menschen gläsern werden lässt, ist auch enthalten. Meine Meinung dazu: Der Artikel weckt Interesse und Erstaunen – läßt aber Tiefe vermissen und ist sehr beschreibend.

Dann mach’s doch besser!

Die 100.000€-Frage: „Big Data – brauchen wir es auch?“ Stellen Sie die Frage doch jemandem, der sich auskennt. Vielleicht Ihrem Marktforscher, dem BI-Spezialisten, Ihrem Marketing  – oder dem Controlling. Die Antworten reichen voraussichtlich über die gesamte Palette:  „Ja!“ „Nein!“ „Vielleicht!?“.

OK, fragen sie uns, die Analysten, die Spezialisten. Wir haben den Status der Ratlosigkeit meist schon überwunden und fragen präziser nach. Denn: Aufklärung ist gefragt.

Dem Buzz-Word auf der Spur

Big Data bedeutet eigentlich nur, dass man sehr viele Daten gesammelt hat, dass man sich derer mit Methoden des exzessiven Data-Mining nähert. Oder einfacher:

Man sucht irgendwas im Heuhaufen. Das können Nadeln, Münzen, Werkzeug, ein Nugget oder auch eine Schatzkarte sein. Findet irgend welche Muster. Das ist der erste Schritt.

Im zweiten Schritt verbindet man mathematisch die Muster oder einzelne Dinge aus dem Heuhaufen miteinander, um Zusammenhänge zu finden. Zusammenhänge können sein:

• „Insassen von Gefängnissen haben einen niedrigeren Ruhepuls“.
• „In Orten mit einer hohen Dichte an Storchennestern werden mehr Kinder geboren.“
• „Die Schadenshöhe bei einem Brand nimmt proportional mit der Anzahl an Feuerwehrleuten vor Ort zu“.

Übrigens – alle diese Aussagen sind richtig und statistisch bedeutsam belegt.  Zusammenhänge sagen allerdings nichts über Kausalitäten aus – oder bringen doch die Dorfstörche die Kinder? Sollte man lieber keine Feuerwehr rufen, wenn es brennt, um den Schaden zu begrenzen? Oder einfach alle Menschen mit einem niedrigen Ruhepuls wegsperren, weil sie kriminell werden könnten?

Quatsch, das glaubt doch keiner, meinen Sie? Wir kommen später darauf zurück.

Das Spektrum der Big Data Analyse

Auch das ist Big Data:  Die FAZ interviewte Markus Morgenroth: „Wir können herausfinden, wer loyal ist“, sagt er. Herr Morgenroth arbeitet bei Cataphora. Diese Firma beobachtet das Verhalten von Mitarbeitern in Unternehmen. Dazu werten sie auch die anonymisierten Mails von Mitarbeitern aus. Echte Big Data Analyse, weil Unmengen an Daten zu durchforsten sind, um irgendwas im Heuhaufen zu finden. Echtes Data Mining. Ein mögliches Ergebnis: Performanceanalysen und Loyalitätsanalysen einzelner Mitarbeiter. Im Interview werden auch die Fallstricke solcher Analysen aufgezeigt. Und deutlich gemacht, wie wichtig das Wissen von Sprachwissenschaftler, Psychologen, Sozialwissenschaftler bei der Interpretation dieser Daten sind. Wirklich lesenswert:  http://www.faz.net/aktuell/feuilleton/bilder-und-zeiten/interview-mit-einem-datenanalysten-wir-koennen-herausfinden-wer-loyal-ist-12124514.html

Übrigens: Teile der Arbeit von Cataphora sind Beispiel für eine in Deutschland aus Datenschutzgründen verbotene Anwendung von Big Data Analyse.

Ich lasse meine E-Mails nicht öffentlich rumliegen

Sowieso nicht mit Ihnen? Auch aus Ihren Mails kann ein Profil erstellt werden. OK, an Ihre Mails kommt keiner ran? Nutzen Sie Twitter? Facebook? Xing? LinkedIn? Die Dataminer auch. Was kann da passieren?  Nicht nur die Themen, über die sie schreiben, auch Wörter, die Emotionen (Sentiment) ausdrücken und in Sätzen mit Faktenaussagen stehen, können Sie kennzeichnen. Big Data bedeutet in diesem Fall: Mustererkennung und Korrelation.

Das ist dann in Ordnung, wenn der Schutz Ihrer Person gewährleistet ist. Nennt man ja „Datenschutz“. Das ist dann fragwürdig, wenn Sie persönlich als „Target“ aus der Analyse rauspurzeln und aufgestellt werden.

Oh, da habe ich Sie missverstanden

Soso, Analysen von riesigen Datenmengen machen Unternehmen und Behörden schlauer. Muss man denn Big Data haben, um heutzutage richtig entscheiden zu können? Nein. Ja. Es kommt darauf an, was Sie machen wollen.

Quantitative Marktforschung

Anwendung: Ich möchte fundierte Aussagen haben zu den Marktchancen meines Produkts, des Relaunches meines Produkts oder zu Produkteigenschaften. Ich möchte Zielgruppen identifizieren und deren Needs, möchte verstehen, was der Grund für diese Zielgruppen ist, mein Produkt zu kaufen oder nicht zu kaufen. Das gibt mir die Chance, Veränderungen vorzunehmen, die mein Produkt besser vermarkten lassen. Über weitere Informationen, die ich habe oder beschaffe, weiss ich, wie und wo ich die Zielgruppen erreiche (TV, Print, BTL, PoS, PoI,  Social Media, Web). Die genauere Auswertung der Storch / Kinderzahl Korrelation zeigt mir, dass ich in ländlichen Gebieten und ähnlichen Stadtbezirken  (auch ohne Storchennester) mit einer höheren Kinderzahl rechnen kann und eher Babyartikel anbieten könnte.

Marktforschung  mit right-sized-Data ist notwendig, wenn ich auch theoretisch fundierte Aussagen haben möchte, die sich auf ähnliche Szenarien übertragen lassen und zeitlich kurz- bis mittelfristig gültig sind. Mit Mafo wird die Fabrik gläsern, die Wirkzusammenhänge werden sichtbar.

Big Data Analyse – Wat is en Dampfmaschin?

Anwendung: In der Analyse von Big Data geht es mehr um das „Was“ als um das „Weshalb“: Ich möchte adhoc direkt Menschen mit meiner Botschaft erreichen. Mit geringem Streuverlust, möglichst in einer 1:1 Situation und mit der Aussage, welches der Medien dafür wann genutzt werden sollte.  Mich interessiert nicht, dass dieses Wissen kurzfristig unnütz werden kann, weil sich Medien und Nutzung durch Menschen schnell verändern können. Mich interessieren keine Gründe, Einstellungen von Menschen, weil ich kein Modell des Verhaltens in Bezug auf meine Produkte oder Produktgruppen brauche, sondern schnell Erfolge. Selbst um den Preis, das die Ergebnisse Artefakte sind, die bei einer Analyse großer Datenmengen schnell entstehen können. Beispiel: Die Zahl der Störche auf den Dächern nehme ich als Indikator dafür, ob ich einen Babyartikel-Markt auf der grünen Wiese neben dem Dorf baue – oder nicht. Die Zahl der Feuerwehrleute am Brandort ist für mich als Versicherung ein Indikator für den Schaden, den ich regulieren muss – oder sogar ein Indikator für Betrug, wenn niemand da war.

Big Data Analysen mit den richtigen Tools analysiert ist nützlich, um Zusammenhänge schnell zu erkennen und handeln zu können. Big Data Analyse ist notwendig, wenn das mit Echtzeitdaten erfolgen soll. Mit Big Data wird der Einzelne gläsern – die Wirkmaschine ist eine schwarze Kiste. Oder mit den Worten von Heinrich Spoerl (Die Feuerzangenbowle): „lso, wat is en Dampfmaschin? Da stelle mehr uns janz dumm. Und da sage mer so: En Dampfmaschin, dat is ene jroße schwarze Raum, der hat hinten un vorn e Loch. Dat eine Loch, dat is de Feuerung. Und dat andere Loch, dat krieje mer später.“

Lehrer Bömmel aus der Feuerzangenbowle – ein Protagonist von Big Data. Da hätte auch DER SPIEGEL d’rauf  kommen können. Wenn er aus dem Rheinland käme 🙂 

Weitere Informationen: Da gab’s doch hier im Blog was zu?

• Size doesn’t matter, Mr Big.
• „Big Data“, sehr intensiv (Hier geht’s hoch her): Deutschland braucht Eier!
•  Wozu. Das. Alles?

Es ist tatsächlich eine Antenne vom einem Radioteleskop in der Eifel. Der „Astropeiler Stockert“ wurde 1957 von der Uni Bonn in Betrieb genommen und war lange Zeit das größte und präziseste frei bewegliche Radioteleskop, um Astronomen und Astrophysikern große Datenmengen zur Auswertung bereit zu stellen.

So haben die Daten vom Stockert u.a. nachweisen können, dass unsere Galaxy eine spiralförmige Struktur hat. Eine Art Big Data Analyse, die zur Positionsbestimmung des Unternehmens Erde diente.

Heute dient der Astropeiler sowohl der Forschung wie auch der Kommunikation. Amateurfunker sind sehr aktiv beim Erhalt des Radioteleskops und nutzen die 25m große Parabol-Antenne, um über den Mond als Reflektor weltweit in Kontakt zu treten.

Das Gebäude, das den Radiopeiler trägt ist auch sehr interessant gestaltet.

Wenn unsere Aufmerksamkeit blinzelt.
von Dirk W. Eilert, Eilert Akademie, Berlin

Erst einmal – wir sind hier nicht an der Frittenbude, wo wir einen Double-Cheese-Tripple-Salad Monster Big Burger bestellen und wirklich mehr bekommen – sondern im Bereich der Datenanalyse.  Wir wissen zwar oder ahnen – irgendwo in den Terrabyte an Daten, da steckt was. Wissen über das Unternehmen, Prozesse, Marketing, Kunden, Vertrieb, unsere Produkte.

Aber was genau ist drin in der Wundertüte? Und, genau: Was hat BIG damit zu tun? Es ist nicht alles das gleiche, was „Big“ genannt wird. Groß werden Datenmengen,

1. wenn man nicht genau drauf achtet, was man alles sammelt,
2. wenn’s passiert ist, und Daten sich über die Zeit angehäuft haben,
3. wenn man einen breiten Datenstrom hat, der erst mal gesichert werden musste, um ihn später auszuwerten,
4. wenn man äußerst seltene Ereignisse aus einem Riesen-Datenhaufen extrahieren möchte. Zum Punkt 4 wird es eine weitere Episode DataBerata Big Data in Kürze geben.
5. ein Modell sich aus großen Datenmengen zusammensetzt (Beispiel: Planck Daten zur Entstehung des Kosmos  – siehe:  Artikel aus der Süddeutschen)

In den Fällen 1, 2 und 3 – Entspannung: Hier ist faktenbasiertes Aufräumen der richtige und einfache Weg. Ist wie Keller aufräumen, oder Garage oder Dachboden. Nicht entspannend? Oh je, schlechtes Beispiel.

Also – weitere Entspannung: Am besten setzt man sich mit einem (externen) Experten zusammen, sortiert aus und legt Regeln fest, was man braucht. Um Fragen zu beantworten. Das haben wir hier schon mal behandelt. Externe haben den Vorteil, dass man denen erst mal alles erklären muss. Und darüber mindestens 40% der (Selbst-) Erkenntnisse kommen. Der Rest ist Erfahrung, eigene, die des Experten / der Expertin.

Und diese Erfahrung rät: Wenn trotzdem der Wunsch nach der Speicherung großer Datenmengen auftaucht (Grund: weil, man weiß ja nie), bitte erst mal die folgende, wahre Geschichte durchlesen:

Es muss nicht immer Kaviar sein – oder: Wie gut eine gute Stichprobe funktioniert. Das wissen wir spätestens seit 1936 durch einen Wettbewerb. Aufgabe: Wer prognostiziert den künftigen Präsidenten besser, der Meinungsforscher George Gallup oder die Zeitschrift Literary Digest?

Literary Digest versandte 10 Millionen Fragebögen an alle seine Leser  (es kamen etwa 2,4 Millionen zurück) in der Annahme, diese würden die Wähler in USA repräsentieren = BigData!

 Gallup befragte 1.500 US-Amerikaner (nach einem heute noch verwendeten Stichprobenverfahren) = Rightsized!

Wie ging der Wettbewerb aus? Gallup sagte das Ergebnis sehr genau voraus – Literary Digest lag 19% Punkte daneben und prognostizierte den unterlegenen Kandidaten als neuen Präsidenten.

Aus der Marktforschung wissen wir: Eine Vollerhebung (also alle relevante Personen oder Dinge oder Meinungen werden erfasst) ist teurer und nicht automatisch besser als eine Studie, die eine Stichprobe nutzt. Zudem hat die Vollerhebung den Nachteil, dass sie eventuell gar nicht „voll“ ist. Z.B. relevante Personengruppen nur unvollständig befragt wurden. Die Literary Digest machte zwei Fehler: Einmal hielt sie ihre Leserschaft für repräsentativ zur Grundgesamtheit der US-Wähler. Dann hat sie sich nicht um die Verzerrungen gekümmert, die durch die Antwortverweigerer entstand. Eine wichtige Lektion auch für Big Data.

Fazit: Big (Data) ist nicht immer besser (Fall 1 – 3). Size doesn’t matter. 

PS: George Gallup gründete übrigens mit dem Ruhm einer guten Prognose ein weltweit operierendes Mafoinstitut.

PPS: Aufmerksame Leser kennen diese Geschichte bereits teilweise. Aus der Weihnachtszeit …. Da war das Wetter auch ähnlich wie diesen März.

Ohne Zweifel sind geeignete Modelle in der Lage, große Datenmengen auf Zusammenhänge zu untersuchen. Was man dazu braucht, gibt es schon länger im Repertoire derjenigen, die Empirie und Statistik beherrschen. Das sind Physiker, Biologen, Chemiker, Astronomen, Ingenieure, Statistiker, Marktforscher, Sozialwissenschaftler, …

Was jeder Wissenschaftler lernt, ist, nicht einfach zu suchen, sondern Hypothesen zu testen. Eine Hypothese ist eine Regel, eine Idee eines Zusammenhangs, eine Kausalität. Mit Hilfe der Statistik können diese Hypothesen auf der  „Testbank“ überprüft werden.

Los geht’s – wir spielen das Thema durch
Eine Supermarktkette möchte das Sortiment neu in den Regalen präsentieren. Statt Produkt zu ähnlichem Produkt (Wasser zu Wasser, Wein zu Wein)  sollen Events, Lebensereignisse, Situationen als „Klebstoff“ zwischen Produkten erkannt werden. Ein Test soll im Sommer stattfinden, Situationen sind: z.B. „Strand / Baggersee / Schwimmbad“. Wie finden wir das raus?

Teilnehmende Beobachtung: Mit Papier und Bleistift mischen wir uns unter die Leute, führen Strichlisten und ergänzen diese um das, was die Menschen am Baggersee, am Strand und im Schwimmbad dabei haben. Oder besser, was sie offen dabei haben. Die Hygieneartikel werden nur selten offen rumliegen. Das ist der Nachteil dieses Verfahrens – man guckt den Beobachteten weder in den Kopf noch in die Tasche. Ein weiterer Nachteil: Wir wissen nicht genau, wie repräsentativ so eine Location ist. Ausser wir wählen Locations nach Stichprobe aus (siehe auch diesen Blogbeitrag zu Stichproben).

Befragung: Persönlich-mündlich (vielleicht noch am Strand), per schriftlichem Fragebogen, per Befragung im Web oder per Telephon können wir Menschen danach fragen, was sie alles so an den Strand, ins Schwimmbad, an den Baggersee mit nehmen. Und weil wir Hintergrundinformationen erfragen (Alter, Geschlecht, Wohnort, Häufigkeit Besuch Schwimmbad, Strand, Baggersee, „habituelle“ (gewohnheitsmäßige) Einkaufsstätten für die Produkte), weiss die Supermarktkette bald mehr.

Bonanalyse: Der Kassenbon ist inzwischen weit mehr als eine Rechnung und Quittung. Über die Auswertung der Kassenbons werden Lagerbestände erfasst, es wird nachbestellt, Schnelldreher und Regalschläfer werden ermittelt. Und es geht noch mehr: Jeder Kassenbon enthält die Informationen zu einer Geschichte des Einkaufenden. Gucken Sie mal in den Wagen vor sich, hinter sich, neben sich, wenn Sie wieder mal in der längsten Schlange warten (oder stellen Sie sich nie  an der längsten Schlange an?). Fröhliche und traurige Geschichten, Partys und lange Familienwochenenden offenbaren sich. Am traurigsten finde ich die Geschichten, deren Einkaufswagen eine Flasche Korn, Zigaretten, Fleischsalat und ein Bund Möhren zum kaschieren enthalten.

Jetzt kommt Big Data ins Spiel (nicht nur bei dem traurigen Beispiel, sondern bei der Analyse der Kassenbons): Mittels statistischer Methoden (z.B. Clusteranalysen, Faktoranalysen) können aus allen Bons mit den Tausenden von Produkten und den Millionen von Käufern „Haufen“ gebildet werden. In jedem Haufen sind einige wenige bis viele Produkte. Manche Produkte können in mehreren Haufen – zumindest virtuell – liegen.
Was tun damit? Nun ja – wir suchen uns sogenannte „Markierprodukte“. Markierprodukte stehen als Indikatoren für eine bestimmte Situation. Die können wir aus einer teilnehmenden Beobachtung (s.o.) gewonnen haben. Das könnten Sonnenmilch oder eine Sonnenbrille oder ein Einmalgrill sein. Dann schauen wir uns an, was sonst in diesen Produkthaufen mit dem Markierprodukt steckt.  Und ob das reicht, eine Situation zu erkennen und zu beschreiben.
Haben wir dann alles, um die Ausstattung für Strand, Baggersee oder Schwimmbad dem Kunden im Supermarkt an einem Platz, in einem Regal zu präsentieren? Nein. Was fehlt?
Naja, zum Beispiel die Information, welches Wetter zum Zeitpunkt und am Ort des Einkaufs für die nächste Zeit prognostiziert wurde.
Wie repräsentativ dieser Tag für alle relevanten Tage ist. Aber auch, ob Menschen zum schönen Wetter hinfahren – raus aus dem Regen.
Oder eine Hypothese, was Menschen alles einkaufen, wenn ein kühles verregnetes Sommerwochenende ohne Baggersee voraus ist.
Um dann dafür die geeigneten Produkte zusammen zu packen und zu präsentieren.
Aber dazu haben wir bestimmt eine Befragung gemacht, die uns die Hypothesen liefert, nicht wahr?

Fazit

Wenn Ihnen demnächst im Supermarkt eine Aktionsfläche auffällt, die ständig gerade für Ihre Situation im Moment passende Produkte anbietet, freuen Sie sich. Hier nutzt jemand wirklich das Orchester der Analysemöglichkeiten. Und zählt nicht nur die Instrumente.  

Was kommt nach Big Data? Nichts, wenn sich Big Data nicht einem Konzept, einer Strategie, Hypothesen und einem echten Interesse am Forschungsgegenstand unterordnet. Eine Menge Einsichten und Erkenntnisse, wenn man damit sauber arbeitet. 

Prognose: Nach der Enttäuschung mit Big Data kommt das saubere Arbeiten mit repräsentativen Stichproben, Hypothesen, Modellen. Big Data ist nicht wie das Suchen im Heuhaufen. Denn da weiss man, dass man eine Stecknadel sucht.

Wenn Sie als Verantwortlicher für ihre Firma gerne wissen möchten, was da so gesprochen wird, was tun Sie da? Sie sind interessiert an Inhaltlichem, aber auch an der Tonalität – positives, Begeisterung und Lobhudelei – aber auch negatives, Enttäuschung bis hin zum Shitstorm. Idealerweise möchten Sie Trends sehr früh erkennen, um rechtzeitig agieren zu können. Mit Verstand und Augenmaß statistisch abgesichert Maßnahmenpläne umzusetzen, je nachdem wohin „Die öffentliche Meinung“ steuert oder gesteuert wird.

Typisch sind dies Aufgaben der Meinungs- und Marktforschung. Allerdings: Das kann dauern, bis Ergebnisse vorliegen. Neu sind Ansätze, die Art-Divine Partner Attensity umsetzt. Mit dem Tool „Analyze“ von Attensity sind wir in der Lage, in Echtzeit nahezu 100% aller Tweets auszuwerten. Software plus Expertenwissen schaffen das.

Hier ein Beispiel aus den USA – die Werbung zum Superbowl im Spiegel von Social Media.

Das bedeutet für Sie: Meinungen, die sich entwickeln, Stürme des Unmuts, die am Horizont auftauchen und schnell größer werden, bekommen Sie in Echtzeit mit. Zwei, drei Stunden nach Launch einer Kampagne sehen Sie, ob Ihre Kampagne einen „Buzz“ erzeugt oder nicht. Sie können nachsteuern, Werbedruck erhöhen, mit einem A/B-Testing die Kampagne live optimieren.
Sehen – ob ein Produkt zu floppen droht. Ob Eigenschaften eines neuen Gadgets durchfallen oder kaufentscheidend sind. In der heißen Phase zeigt ein Dashboard Ihnen in Echtzeit, wo Stürme sich aufbauen oder günstige Winde wehen.

Das ist auch interessant für die Politik: In den USA wurde dieses Tool unter anderem genutzt, um sekundenschnell die Meinung der Menschen zum TV-Duell Obama vs. Romney zu erfahren. Alle Tweets, in Echtzeit analysiert und zurückgemeldet.

Nutzen sie alle Möglichkeiten, die das Mitmachnetz für Analysen bietet. Twitter, Facebook, Foren. Wir befähigen Sie, zu zu hören, die Menschen zu verstehen, deren Verhalten zu analysieren. Damit erreichen Sie höchste Effizienz in der Nutzung der neuen Medien.

Und wissen wieder mehr, was es bedeutet – die Kunst, Menschen zu verstehen.

Aber ist das wirklich so? Und vor allem – was ist eine „gute Suche“? 

Art Divine, ein Pionier im Bereich der semantischen Suche, wollte es genauer wissen. Zusammen mit Prof. Dr. Thomas Wirth von der Dualen Hochschule Baden Württemberg hat das Bonner Unternehmen eine Studie durchgeführt, in der die Qualität der Antworten auf Suchanfragen auf Websites beurteilt wurden.

Die Beurteiler hatten eine Liste von üblichen Suchanfragen, nichts exotisches. Die Suchergebnisse wurden „blind“ nach Güte beurteilt. „Blind“ bedeutet, dass die Beurteiler nicht wussten, welche Art der Suchmaschine auf einer Site eingesetzt wird. Als „Güte“ wurde gemessen, ob man eine passende Auskunft zur Frage bekommen hat. Weil Menschen subjektiv urteilen, wurde  ausserdem  geprüft, ob alle Beurteiler das selbe Urteil  abgeben – oder sich in der Beurteilung unterschieden. Nach bestandenen Qualitätschecks erfolgte die Auswertung.

Die Ergebnisse sind frappierend:

• Die beste Suche (eine semantische Suche) liefert über 80% relevante Ergebnisse,
• Die schlechteste (eine Volltextsuche) nur knapp 20% – über 80% sind irrelevant!
• Die Semantischen Suchen liefern durchschnittlich 70% „gute Ergebnisse“.
• Bei den Voltextsuchen erfreuen nur knapp ein Viertel den Suchenden, zwei Drittel der Ergebnisse wurden als „irrelevant“ beurteilt.

Fazit: Eine Gute Suche macht Ihre Kunden zufriedener. Nach den Ergebnissen der Studie von Prof. Dr. Wirth macht eine durchschnittliche Semantische Suche sieben von 10 Menschen zufrieden – eine durchschnittliche Volltextsuche schafft das noch nicht mal bei drei von Zehnen.  Wir wissen nun genauer, dass die Semantische Suche eine gute Suche ist.

Wissensecke

Was ist eine „Semantische Suche“? 

Eine Semantische Suchmaschine versteht eine Eingabe in natürlicher Sprache. Also so, wie wir Menschen uns üblicherweise unterhalten. Ein Beispiel:  „Welche der beiden Strassen hier führt nach Bonn?“  können wir als Menschen beantworten, weil wir den Sinn der Frage verstehen. Unser semantisches Verständnis führt zu Antworten „die Linke“, „die Rechte“, „beide“, „keine, da müssen Sie …“, „weiss ich nicht“.

Was ist eine „Volltextsuche“?

Üblich im Web sind Volltextsuchen. Die suchen nach allen Wörtern einer Suchanfrage in Dokumenten, die sie sich vorher schon mal angeguckt haben (Index). Das ideale Dokument für die obige Frage enthält nach den Kriterien der Volltextsuche also die Wörter  „Welche“ +  „der“ + „beiden“ + „Strassen“ + „hier“ + „führt“ + „nach“ + „Bonn“. Zusätzlich sollte dieses Dokument zumindest die Wörter „Strasse“ und „Bonn“ als Stichwörter notiert haben. Und mit anderen Dokumenten ähnlichen Inhalts häufig verlinkt sein. Dann wird der Link zum besten Ergebnis-Dokument als Suchergebnis präsentiert.

Übrigens: Intuitiv agieren wir unterschiedlich, je nachdem ob wir eine Volltext-Suche oder eine  Semantischen Suche nutzen:

– Bei Volltextsuchen machen wir uns oft  viele Gedanken, was wir denn nun wirklich in den Suchschlitz der Suchmaschine eingeben müssen, gerade auch dann, wenn wir nach Informationen suchen, deren Fachsprache wir nicht beherrschen.

– Natürlichsprachliche Fragen an Semantische Suchen werden mit der Erwartung gestellt, dass wir ein Gegenüber haben, das uns versteht. Oder Verständnis herstellt, indem es zurückfragt. So werden  „knifflige“  Fragen im Quasi-Dialog beantwortet.

Ist aber ganz anders: Diese Rendite erzielt momentan mein Anteil am Junior-Unternehmen Dritte-Hand in Willich-Anrath. Den Anteil von 10 Euro hat mir der Webmaster von Dritte-Hand, mein Sohn Henry, verkauft. Dieser Anteil ist jetzt 13,17€ wert. Das Anrather Schüler-Unternehmen bietet haushaltsnahe Dienstleistungen an. Vom Schneeschippen über Gartenarbeit, Fensterputzen, Brötchen holen, Computerkursen  bis zum Hundesitten wird alles Entlastende angeboten.

Das erstaunliche Quartalsergebnis von +31,7% wurde auf der gestrigen Vollversammlung der Anteilseigner dieses Junior-Unternehmens bekannt gegeben. In Junior Unternehmungen (hier mehr dazu) lernen Schülerinnen und Schüler, eine Firma aufzubauen und zu betreiben.

Die Startbedingungen sind für alle Unternehmungen gleich: Es gibt 90 Anteile á 10 Euro zu verteilen – 900 Euro sind das Startkapital. Spenden oder andere Zuwendungen sind nicht erlaubt. Was erlaubt ist, ist zu wirtschaften, Angebote abzugeben, zu werben, zu verkaufen, Umsatz machen. Wie wir gestern erfahren haben: Auch vom Marketing werden alle Register gezogen. Es gibt Flugblätter, einen Werbestand auf dem Weihnachtsmarkt Anrath und natürlich einen Internetauftritt, der über Preise und Produkte informiert – und über den auch bestellt werden kann.

Die Firma wirtschaftet effizient: Der Webauftritt (inkl. Webstatistik) wurde komplett in Eigenarbeit erstellt, beim Einkauf von Verbrauchsmaterialien geht man sehr sparsam vor, die Administration arbeitet sehr effizient. Auch der Einsatz der Werbemittel folgt dem schwäbischen Credo (keine unnötigen Unkosten 🙂 ) .  Gestern Abend wurden alle Sitzplätze im Versammlungszimmer mit Visitenkarten ausgestattet. Und die nicht genutzten sofort wieder eingesammelt.

Die Produktabteilung hat ein neues Produkt vorgestellt : Zehnerkarten mit eingebautem 10% Rabatt wurden noch in der Eigentümerversammlung verkauft – als ideales Geschenk für Weihnachten.

Die heutigen Schüler engagieren sich nicht? Im Gegenteil: Das Angebot des Lise-Meitner-Gymnasiums im Differenzierungskurs „Mathe / Politik“ wird von den Schülern überrannt, mangels Lehrer können nicht alle Wünsche der Schüler erfüllt werden. Und das, obwohl oder weil großes Engagement gefragt ist, das über „Hausaufgaben machen“ hinausgeht.

Lohn der Arbeit sind nicht nur die (vorgegebenen) 50cent Stundenlohn Brutto. Sondern Erfahrungen, wie Wirtschaft funktioniert, wie Unternehmen funktionieren – und was in Unternehmen getan werden muss, um Erfolg zu haben.

Übrigens: Wenn das Unternehmen Gewinn abwirft, kann man sich zum Ende des Projekts seinen Anteil ausschütten lassen. Üblicherweise spenden aber Investoren, Schüler und Lehrer den Gewinn für soziale Projekte.

Und das hat nun gar nichts mehr mit windigen Renditeversprechen zu tun, sondern ist einfach pure soziale Marktwirtschaft.

Weihnachtsfeier – hoch die Gläser! Alle stoßen miteinander an! Dann kommt eine/r daher und fragt: „Wenn jede/r mit jedem/r einmal angestoßen hat, wie oft hat es dann „kling“ gemacht?“

Die Lösung ist mathematisch einfach:
Anzahl der Trinkwilligen (n) mal Anzahl der Trinkwilligen minus eins (n-1), geteilt durch zwei.

Oder: (n * n-1)/2.

Beispiel: 10 Trinkwillige gibt (10*9)/2 = 45 mal „kling“. Etwas privater? 2 Trinkwillige gibt (2*1)/2 = 1 mal Gläserklingeln. Kommt man aber auch ohne Mathe drauf, je nachdem, wie oft es schon „kling“ oder „bling“ gemacht hat.

Warnung. Je nachdem, in welche Gesellschaft Sie sich zur Weihnachts- und Neujahrszeit begeben, können Sie blitzschnell den Ruf als besserwissender Langeweiler haben, wenn Sie statt des geheimnisvollen Blicks und des deutlich hingemurmelten Ergebnisses die Formel nennen.  Dann nicht nachlegen und Trinkwillige die Rechnung mit allen natürlichen Zahlen von 1 bis 99 durchrechnen lassen, als Beweis dass Sie recht haben.

Das Ergebnis könnte dann bald (1*0)/1 sein. Wenn Sie auch „0“ rausbekommen, wissen Sie warum manche trotz vieler „Einser“ den Begriff „Einsam“ kennen. Und was Reputationsverlust bedeutet.

Die wissenschaftliche „Wahrscheinlichkeit“ hat in der Statistik hat eine eigene Fachrichtung, die Stochastik.

Trotz des vertrauenswürdigen Namens war die Stochastik von Wissenschaftlern anfangs nicht sonderlich anerkannt. Die Mathematik hat lange Zeit Wahrscheinlichkeitsrechnungen nicht als wissenschaftlich angesehen. Klar – die Mathematik kennt Gesetzmässigkeiten und ein-eindeutige Lösungen. 21 + 21 = 42. Und das zu 100%. Wenn nicht 42 rauskommt, gab es Fehler bei der Eingabe im Rechner oder Unachtsamkeit im Kopf.

Zudem hat die Stochastik eine ihrer Wurzeln im Glücksspiel. Besser gesagt in den Versuchen, Gesetzmässigkeiten beim Würfeln und Wetten zu erkennen und zu nutzen. Professionelle Spieler wandten sich an bekannte Mathematiker ihrer Zeit, um ihre Chancen beim Spielen und Wetten zu erfahren. Und um mit diesem Wissen zu gewinnen.

Das war schlau von den Spielern, denn manchmal liegen wir mit unserem Alltagsverständnis und Bauchgefühl bei der Einschätzung von „Wahrscheinlichkeiten“ arg daneben. Da sollte man die Profis fragen.

Den Lottogewinn mit Jackpot zu bekommen, wird meistens überschätzt:  Einen 6er im Lotto mit Jackpot – das ist nicht unwahrscheinlich. Allerdings ist die Wahrscheinlichkeit nicht sehr hoch für einen einzelnen Spieler. Genauer: Die Wahrscheinlichkeit beträgt etwa eins zu 139 Millionen.

Um statistisch gesehen mit einer theoretischen Wahrscheinlichkeit von 1 (das sind 100%) den Jackpot zu knacken, müssten Sie allerdings 2,7 Millionen Jahre alle Samstage spielen.

Und das ist nur die theoretische Wahrscheinlichkeit.

Sie wollen ganz sicher gehen, und ihre Chancen auf einen Lottogewinn zu maximieren? Nichts einfacher als das, hier der ultimative Tipp (Tipp 1).

Mein Vorschlag: Gehen Sie in sich, wie viel Sie im gesamten Leben für Lotto ausgeben werden. Nehmen Sie die Summe und setzen Sie diese an einem Tag komplett ein. Aber spielen Sie unterschiedliche Zahlenreihen. Fassen Sie danach das Thema nie wieder an. Sie haben ihre Chance statistisch gesehen und wahrscheinlichkeits-theoretisch optimal genutzt.

Hat nicht geklappt? Schade – aber das Geld ist nicht weg: 50% davon haben andere Spieler, 50% geht mittelbar wieder an Sie zurück – über den Staat. Es hat geklappt? Wissen Sie, das Menschen die gönnen können, glücklicher sind? Werden Sie noch glücklicher – meine Emailadresse zum Kontakt für „Teilen & Gönnen“ ist hawe@databerata.de.

Mein Weihnachts-Tipp (Tipp 2): backen Sie noch eine Torte zu Weihnachten, wenn sich die databerata.de lesende Verwandtschaft „wahrscheinlich“ angekündigt hat. Aber wundern sie sich nicht, wenn diese fernbleibt. Vielleicht hat sie ja „Ihren“ Jackpot gewonnen und ist nun längere Zeit verreist.

Häufig zitiert Rolf Dobelli den Nobelpreisträger David Kahneman. In seinem Buch „Schnelles Denken, langsames Denken“ legte er die Grundlagen für eine gesamtheitliche Sicht auf die Prämissen unseres Handelns: Ist es Intuition vs. Nachdenken? Oder Intuition und Nachdenken?

Wenn Sie eine Stunde mit David Kahneman verbringen wollen, hier gibt es ein Gespräch mit ihm und David Brooks (New York Times) auf Fora TV. Sie haben die Möglichkeit sich einzelne Sequenzen anzuschauen.

Ich finde: Kahnemann lesen ist mindestens genauso spannend wie „Mentalist“ gucken und erkenntnisreicher als die beste erste Staffel „Lie to me“.

Nachricht zur Weihnachtszeit: Unsere Augen können nicht nur gucken, sondern liefern auch noch Rohstoff um zu lesen und zu verstehen.

Statistiker nutzen diesen Begriff auch.  Auch wenn sie nicht zu Wohlstand oder Reichtum gekommen sind – nur sind es bei ihnen die „repräsentativen Stichproben“, die erwähnt werden.

Repräsentativ – damit ist nicht gemeint, mit einer goldenen Stricknadel den Dresdner Stollen im Ofen zu überprüfen, ob er schon fertig gebacken ist, oder noch Teig an der Nadel klebt.

Wir meinen damit die Annahme, dass ein Teil einer Menge sich genauso verhält wie diese gesamte Menge.

Stichproben kennen wir in der Lebensmittelkontrolle: In einige Säcke mit Rohkaffee wird mit einem Probelöffel gestochen. Dann wird die Probe auf Güte, Feuchtigkeit und „schlechte“ Bohnen überprüft. In Käse wird gestochen, um dessen Reifegrad zu testen.

Die Stichproben bei Menschen fallen nicht so eindringlich aus. Will man was über das Verhalten oder die Meinung von Menschen wissen, kann man diese beobachten oder befragen. Und weil das zu teuer würde, wenn man das bei allen macht, gibt es Stichproben.

Und hier die Crux: So eine Stichprobe sollte eine Miniatur der Grundgesamtheit sein. Daher muss man erst einmal festlegen, was ist die Grundgesamtheit ist.

Beispiel? Gerne: Meinungsforschung schien mit dem Beginn des Internetzeitalters einfacher zu werden. Nehmen wir mal als Grundgesamtheit: Einwohner Deutschlands Alter 14-99.

Einfach? Gehe ins Netz mit deinem Fragebogen, suche 1.000 Leute zusammen und dann günstig und schnell Fragen beantworten lassen. Aber für welche Grundgesamtheit standen 1.000 Surfer? Genau, bestenfalls für die Surfer.

Und wenn man damals statt der 1.000 vielleicht 10.000 genommen hätte? Die Größe der Stichprobe hat nicht unbedingt was mit der Repräsentativität zu tun. Da habe ich halt 10.000 Surfer befragt – die stehen aber immer noch nicht für die angezielte Grundgesamtheit.

Das wäre, als wenn ich den Kuchen nur direkt am Rand bestichprobe, oder alle Bohnen nur eines Sackes testet.

Wie gut eine gute Stichprobe funktioniert, wissen wir spätestens seit 1936 durch einen Wettbewerb. Aufgabe: Wer prognostiziert den künftigen Präsidenten besser, der Meinungsforscher George Gallup oder die Zeitschrift Literary Digest?

Gallup befragte 1.500 Amerikaner (nach einem heute noch verwendeten Stichprobenverfahren).

Literary Digest versandte 10 Millionen Fragebögen an alle seine Leser  (es kamen 2,4 Millionen zurück) in der Annahme, die würden Amerika repräsentieren.

Wie ging der Wettbewerb aus? Gallup sagte das Ergebnis sehr genau voraus – Literary Digest lag 19% Punkte daneben und prognostizierte den unterlegenen Kandidaten als neuen Präsidenten.

George Gallup gründete übrigens mit diesem Ruhm einer guten Prognose ein weltweit operierendes Mafoinstitut – und konnte sich sicherlich leisten, ganz repräsentativ zu wohnen, fast wie ein König.

Zu Zeiten von Wolfgang Amadeus Mozart gab es eine Menge an Würfelmusik. Ja genau – die Noten oder ganze Takte wurden erwürfelt und die zufällig entstehende Musik gespielt.

Mehr darüber in Wikipedia hier.

Wer es selbst mal ausprobieren möchte (natürlich elektronisch gestützt) kann das: Mozarts Würfelmusik  (mit dem gutem, klassischen 2,5 Kanal Midi-Sound) auf dieser Seite.

Das Ergebnis ist ein echter, ganz individueller Mozart.

Bei Twenty54Labs und dem DataBerata sind die Ergebnisse unserer Analysen echt und ganz individuell auf Ihre Fragestellung zugeschnitten. Bei uns wird höchstens die Stichprobe für eine Befragung erwürfelt ;-).

Mit dem Thema „Stichprobe“ beschäftigt sich auch der kommende Artikel.