veröffentlichts am Sonntag, 06.09.2015
Dieses Beispiel zeigt, was Big Data bringen kann
Folgendes fand dieser heraus: Die meisten Menschen werden direkt nach dem Monatsersten umgebracht (Zahltag), sie haben einen hohen Alkoholspiegel im Blut, es sind Schusswaffen im Spiel, meist sind unter 25-jährige Männer als Täter/Opfer verwickelt (Guerreros Ergebnisbericht finden Sie auf Englisch unter: tinyurl.com/data-937).
Daran angepasst die Maßnahmen: Bars wird der Verkauf von Alkohol am Zahltag-Wochenende nach 1 Uhr nachts verboten. Überdies wurden an diesen Tagen der Verkauf und das Tragen von Schusswaffen verboten und Guerrero verhängte in turbulenten Stadtbezirken eine Ausgangssperre für unter 24-Jährige von 23 Uhr bis 5 Uhr.
Ergebnis: Die Mordzahlen sanken rasch um ein Drittel.
Was sich aus dem Vorgehen des Bürgermeisters für die unternehmerische Praxis ableiten lässt und wie Sie Ihr eigenes Big-Data-Projekt zum Erfolg führen, erfahren Sie heute von Ihrem Fachinformationsdienst.
4 Schritte: Nur so wird Ihr Big-Data-Projekt ein Erfolg
- Datenanfall managen: Die Wege, die das Kundenverhalten nimmt, müssen deutlich erkennbar sein. Daten von drei, acht oder zehn Kunden reichen für die Erkenntnis nicht aus. Es geht um Big Data, also um große Fallzahlen, die kontinuierlich anfallen. Daten verfügbar machen:
- Daten müssen mit niedrigem Aufwand auswertbar sein. Hier spielen Zeit und Geld die entscheidenden Rollen.
- Hypothesen bilden und testen: Für den Erfolg wichtig ist hier nicht Online-, sondern Offline-Kompetenz: Verhalten in der realen Welt beobachten, die richtigen Hypothesen formulieren, nach Häufungen, Auffälligkeiten und Mustern in den Daten suchen.
- Schlussfolgerungen ziehen: Entscheidungen über Angebotsanpassungen treffen.
Warnhinweis: Big Data ist derzeit ein Modethema. Doch nicht immer haben die Projekte auch Erfolg. 55 Prozent der Vorhaben werden vor ihrem Ende abgebrochen, so eine Studie des Cloud-Dienstleisters Infochimps. In mehr als der Hälfte der Projekte sind die Unternehmen mit den Ergebnissen nur „mäßig zufrieden“.
Beachten Sie diese Gründe für das Scheitern:
- a) ungenügende Relevanz der Daten,
- b) fehlendes Fachwissen der Datendeuter,
- c) unzureichend durchdachte Projektziele und
- d) planloses Vorgehen.