Daten kartographiert: iPhone dominiert deutsche Großstädte

Gemeinsam mit Data Visualization Artist Eric Fischer hat das US-amerikanische Unternehmen MapBox eine Serie an interaktiven Karten veröffentlicht, welche auf der Nutzung von Twitter auf Smartphones basiert. Aus den Daten werden Smartphone-System und Standort zum jeweiligen Tweet gelesen.

Die Visualisierung dieser beiden Komponenten zeigt deutliche Unterschiede in der demografischen Nutzung von Smartphone-Systemen:

  • USA: besser verdienende Gesellschaftsschichten bevorzugen iPhone, weniger gut verdienende nutzen Android
  • Indonesien: Jakarta beweist sich als  Blackberry-Bastion
  • Deutschland: deutsche Großstädter setzen auf iPhone, wobei bevorzugt von Flughäfen und Bahnhöfen aus getwittert wird

Hier die „Smartphone-Karten“ von drei deutschen Großstädten:

Berlin:
post-mapbox-berlin

Frankfurt:
post-mapbox-frankfurt

München:
post-mapbox-münchen

Legende:

post-mapbox-legende

Internationale Städte werden bei Business Insider vorgestellt.

Mobile Shopping – die unberührte Daten Goldmine

44% aller Konsumenten nutzt das Smartphone beim Einkaufen, über ein Drittel für Preisvergleiche. Der Einfluss mobiler Suche auf den Konsum ist enorm: 90% aller Konsumenten geben an, dass die Suche übers Smartphone ihr Kaufverhalten beeinflusst.

Während erste spontane Reaktionen Einzelhändler dazu verleitet haben, Smartphones aus ihren Geschäften zu verbannen, findet nun ein Umdenken statt: die App Nutzung im Laden wird nicht mehr als Bedrohung des stationären Handels begriffen, sondern als Chance, den Kunden proaktiv anzusprechen und ihm maßgeschneiderte Angebote zu unterbreiten. Dazu muss der Retailer das Kundenverhalten kennen; was macht der Konsument auf seinem Smartphone, wenn er im Laden ist?

Ein Ergebnis der bisherigen qualitativen Forschung ist, dass 36% der Käufer die App eines Unternehmens öffnend, auf dessen Website sie anschließend online einkaufen. Mit Hilfe der Sensortasten von Smartphones kann nun viel genauer erkannt werden, was der Kunden macht: So weiss beispielsweise Wal-Mart über seien App, wenn Kunden einen Store betreten: diese werden dazu aufgefordert, in den sogenannten „Store Mode“ zu wechseln, in dem sie anschliessend in der Lage sind, Angebote und weiterführende Produktinformationen über spezielle QR Codes zu erhalten. Wal-Mart wiederum kann die Wege seiner Kunden nachvollziehen und erhält so Rückschlüsse darüber, warum bestimmte Produkte weniger gut verkauft werden: weil beispielsweise Kunden ein Regal überhaupt nicht abschreiten. Der Erfolg der Wal-Mart App ist beeindruckend: App-Nutzer besuchen Stores signifikant häufiger und geben 40% mehr Geld aus als Kunden ohne App.

Auch nachdem der Kunde einen Laden verlassen hat, ist er für den Retailer über eine App erreichbar. Walgreens erinnert seine Kunden über die App daran, die gekaufte Medizin auch einzunehmen und Rezepte mit den in der App gespeicherten Geräten auszufüllen. Doch das ist erst der Anfang: Einzelhändler sollten die Chancen ergreifen und mit Ihren Kunden während ihres kompletten Lebenszyklusses über Apps zu kommunizieren. Sowohl Erkenntnisse über zukünftige Käufe, als auch der bestmögliche Einsatz der Kenntnis über den Ort des Konsumenten bieten vielfältige Gelegenheiten, die über „contextually aware apps“ gesammelten Daten sinnvoll einzusetzen.

Amerikanischer Einzelhandel unterstützt Data Analytics

Daten und Daten Analytics werden immer relevanter für den US Einzelhandel. Mehr als 50% des Einzelhandels nutzen Datenanalysen für operative Entscheidungen.

Laut einer Studie der Wirtschaftsprüfungsgesellschaft KPMG über den amerikanischen Einzelhandel 2013 nutzen immer mehr Unternehmen Datenanalysen, um operativ und strategisch bessere Entscheidungen treffen zu können. Auch für die Gewinnung von Neukunden werden vermehrt Datenanalysen eingesetzt.

72% der Befragten gaben an, Kundendaten analysiert zu haben, um strategische Entscheidungen zu treffen. 67% nutzten darüber hinaus Daten von ihren Produkten.

Auf die Frage ob genügend Know-How für Datenanalysen innerhalb der Organisation vorhanden sei, antworteten nur 12% der Befragten mit einem „Ja“. 33% bauen diese Fähigkeit als Competence Center im Unternehmen auf und 43% sehen Potential für Verbesserungen für die Verwertung von Kunden- und Produktdaten.

Ein Zitat von KPMG Partner Mark Larson:

„Investing in technology to harness the vast amounts of structured data that reside in a company, as well as the unstructured data online and in social media, is proving to be integral to achieving success in the new retail environment. “

Quelle: Research Magazine UK

Virtuelle Assistenten – Eine neue Generation von Apps wächst heran

Wer Siri oder Google Now kennt, weiss die Dienste der virtuellen Assistenten zu schätzen. Von einfachen Arbeiten wie der raschen ins Smartphone gesprochenen Erinnerung oder einem Kalendereintrag angefangen, über Kleidertips für den Folgetag aufgrund der integrierten Wetterdaten bis hin zur geänderten Routenplanung aufgrund neuer Stauinformationen: es ist einfach sehr praktisch, wenn jemand „mitdenkt“.

Mitdenkende Apps sind aktuell stark im Kommen: Auf dem Bloomberg Next Big Thing Summit stellten sie den Löwenanteil der Geschäftsmodelle, die man im Silicon Valley für die meistversprechenden hält. Da Apps natü+rlich nicht wirklich mitdenken, sondern relevante Daten aus dem jeweiligen Nutzer Kontext integriert, spricht man von contextually aware applications. Über Sensoren sammeln Smartphones Daten über die Bewegungen, Aufenthaltsorte, Interaktionen, Geräusch- und Lichtszenarien,  in denen sich der Nutzer bewegt.  Insbesondere die Gesundheitsbranche steht hier vor eine Revolution: Apps und tragbare medizinische Geräte können beispielsweise herzinfarktgefährdeten Menschen rechtzeitig vor dem Infarkt mitteilen, dass eine Notsituation bevorsteht. So wird aus einem Life-logging für Nerds schnell eine praktische massentaugliche Anwendung, die kein Betroffener mehr missen möchte. Oder, wie Gary Wolf auf der Quantified Self Conference 2013 treffend bemerkte:

„Quantifying yourself will be regarded as a responsibility.“

Damit den reizvollen Anwendungen auch die entsprechenden Technologien zur Verfügung stehen, kündigen derzeit Beratungsgesellschaften wie IBM aber auch der Chiphersteller Intel Produktoffensiven an, die im Falle von Intel gar einer Neudefinition des gesamten Unternehmens gleichkommen.

Human API – Quantified Self für jedermann

Self Quantifizier wissen es schon lange: nicht nur das Sammeln und Analysieren der eigenen Daten, sondern gerade das Teilen der Daten mit anderen bringt hohe Erkenntnisgewinne. Was zunächst für weniger technologisch-affine Menschen undenkbar ist – das Teilen privater Verhaltensdaten mit anderen – bringt neben dem Wissen über die eigene Person eine Einordnung in das jeweilige soziale Umfeld mit sich, die dem Nutzer wiederum extrem hilft, sich in der Gesellschaft zu verorten.

Andrei Pop geht mit seinem Startup Human API den nächsten Schritt:: er möchte dem Normalbürger, der kein ausgewiesener Quantified Self Fan ist, möglichst einfach zu den oben beschriebenen Erkenntnisgewinnen verhelfen. Human API aggregiert Schnittstellen einer Reihe von Apps und Geräten aus dem Gesundheits- und Wellnessbereich. Zusätzlich macht das Startup externen Entwicklern die Normalisierung und Standardisierung der Daten einfacher. Über inhaltlich zusammenpassende APIs  werden kategorisierte Datenströme geliefert: so ist es für Dritte wesentlich leichter, auf thematischen Datenströmen aufzusetzen.  Dass diese Daten begehrt sind, zeigt der Andrang: über 600 Entwickler meldeten sich innerhalb der ersten 48 Stunden nach Einladung.

Animated Data Visualization: Die Foursquare Timemachine

Foursquare hat mit Unterstützung von Samsung die „Foursquare Timemachine“ ins Leben gerufen: Eine animierte Infografik, welche die Check-In Historie von Foursquare Nutzern schön visualisiert. Dabei kommen folgende Daten ins Spiel:

  • GPS Position
  • Name der Location
  • Foto der Location (falls vorhanden), nicht zwingend vom eingeloggten Nutzer
  • Tipp zur Location, nicht zwingend vom eingeloggten Nutzer
  • Distanz zum letzen Check-In
  • Nächster Check-In (nach dem gerade angezeigten)

Auch Reisen zu ferner gelegenen Orten werden grafisch nett dargestellt. Am Ende der Animation bekommt man einen Blick in die Glaskugel geliefert: Die Timemachine gibt Tipps, welche weiteren Locations man als nächstes besuchen könnte.

Bemerkenswert auch die musikalische Untermalung.

Apples iOS 7 deutet auf Boom für tragbare Technologie hin

Wer Apples Keynote zur Entwicklerkonferenz WWDC mitverfolgt hat, der wird die vielfältigen Hinweise auf zukünftige Schnittstellen zu tragbarer Technologie im mobilen Betriebssystem iOS 7 bemerkt haben. Während bisher Gadgets wie das Nike Fuelband oder Jawbones Up eigene Apps benötigten, um die Bewegungen des Nutzers ihren Systemen hinzuzufügen, bietet Apple mit zwei elementaren Bluetooth Features ab Herbst völlig neue Möglichkeiten der Datensammlung mit tragbaren Geräten bzw. Technologie in Kleidung: den Apple Notification Center Service (ANCS) und den Preservation and Restauration Service.

Mit diesen beiden Services können zum einen Push Notifications von iOS an ein über Bluetooth verbundenes Gerät gesendet werden. Zum anderen können über Bluetooth Daten zu einer App auf dem iPhone oder iPad passiv gesammelt werden. Wir können Tom Emrich komplett folgen, wenn er hierin einen grossen Schritt in Richtung wearable tech erkennt:  Apple positioniert sich als ein Hub für smart devices – eine Offenheit, die das Unternehmen in dieser Art bisher eher selten an den Tag legte. Für alle Fans des Quantified Self und insbesondere Hersteller von wearable tech eine äusserst positive Nachricht.

Data Science – Die harte Realität

Derzeit wird viel über das interessante und spannende Leben eines Data Scientist bzw. Data Engineers geschrieben: scheinbar einer der gefragtesten Berufsbilder überhaupt: im Silicon Valley werden Traumgehälter bezahlt; alle reissen sich um die Datenwissenschaftler.

Wie aber sieht sich der Data Engineer selbst? Wie Josh Wille, Clouderas Senior Director of Data Science, im MIT Technology Review meint,  stellt sich der Job aus Sicht eines Data Scientist eher ernüchternd dar: ein Grossteil der Zeit muss damit verbracht werden, Daten aufzuräumen und zu strukturieren. Diese eher administrativ zu nennenden Tätigkeiten sind Bedingung für die Kür: den Erkenntnisgewinn.

“I’m a data janitor. That’s the sexiest job of the 21st century,” he says. “It’s very flattering, but it’s also a little baffling.”

DATARELLA PREDICTION ENGINE

Datarella Prediction Engine

Data provides researchers and companies with an in-depth view of aggregation states and the behavior of humans and things. In Big Data projects – as distinguished from classic market research – all data will be collected and stored abundantly and as raw data; without any data handling at this stage. There is no hypothesizing – all insights result from available raw data directly, using data analytics tools. Subsequently used data visualization tools uncover insights for those groups of people with less affinity to data science.

Besides describing actual or historical aggregation states or behavior, it’s possible to predict future behavior if adequate data is available; e.g. how should advertisements be created to generate high conversion rates? Or, what are the key success factors for media contents in order to maximize their reach and audience? These and other questions regarding future success may be answered by using intelligent prediction tools.

The Datarella Prediction Engine has been designed for gathering precise statements regarding future success in the areas of media & advertising, eCommerce, finance, mobility and health. For more information about the DPE please contact us..

WHO WE ARE

DATARELLA – MAKING TECHNOLOGY SOCIALLY RELEVANT

We think that technology should help to make the world a better place. Since this is a super challenging claim, we at Datarella drill it down to the individual – until we can meet that expectation: with our explore app, we help the individual to live a better life. Thus, explore in combination with behavior analytics technology in the background, has a deep impact on the living conditions of the end user and becomes socially relevant.

We engage in ‚The Quantified Self‘ – self-tracking via smartphone and wearable apps.

CONSULTING
We support businesses and governmental bodies to make the best of data science – applied Big Data – and the quantified self. We offer introductory lectures, workshops, development, and project management from the birth of an idea to the deployment.

THE PRODUCT ‚EXPLORE‘
explore is a mobile guide for the end user to improve the quality her life. explore is personalized, interactive and self-learning. The user can subscribe to explore guides – e.g. the ‚Osteo-Guide‘ – matching her individual life situation. These guides will help our users to manage their lives better.

At its core, explore is an app which collects data from its user: actively, by asking the user relevant questions based on her behavior; and passively, by collecting the phone’s sensor data.

We develop white label solutions, loyalty tools, and offer insights and analytics from mobile tracking data.
Specialties

Quantified Self, Mobile Tracking, Data Science, Big Data