Wie mit Quantified Self Big Data ein Teil unseres Lebens wird

Es gibt mittlerweile viele Fitness-Apps und Zusatzgeräte, die dem Menschen helfen gesünder zu leben. Durch das tägliche Sammeln und Speichern aller Bewegungsdaten und von Angaben zur Nahrungsmittelaufnahme kann der gesundheitsbewusste Mensch kontrollieren, wieviel er sich tatsächlich beengt und wieviele Kalorien er zu sich nimmt.

Wer sein Verhalten konsequent täglich misst, sammelt eine große Menge an Daten an, die es zu analysieren gilt. Apps wie Up oder Nike+ Fuelband bereiten die Daten in ansprechenden., gut lesbaren Graphiken auf, die dem Nutzer einen schnellen Überblick seines Verhaltens erlauben. Inwiefern helfen die gesammelten Daten und ihre Aufbereitung aber nun wirklich? Sehen wir uns lediglich die schönen Charts an oder ändern wir basierend auf neuen Erkenntnissen unsere Lebensweise? Und – wie genau messen diese Apps wirklich? Können wir uns auf die Ergebnisse verlasen, so dass eine Verhaltensänderung auch den richtigen Schritt bedeutet?

Apps wie Human oder Moves motivieren ihre Nutzer dazu, sich über einen bestimmten Zeitraum pro Tag zu bewegen. Es sind simple Apps, die nur ein Ziel haben: mehr Bewegung ihrer Nutzer. Und weil jede zusätzliche Komplexität im mit Terminen, Verpflichtungen und mentalen Anforderungen angefüllten Tagesablauf störend wirken würde, verzichten die Apps auf Funktionalität: man wird aufgefordert, sich 30 Minuten pro Tag zu bewegen – sonst nichts. Diese Einfachheit ist der erste wichtige Grund dafür, wie Big Data ein Teil unseres Lebens wird: indem man sich nicht darum kümmern muss, sorgen Apps und tragbare Geräte dafür, dass wir automatisch und nebenbei die für uns wichtigen Daten sammeln.

wearable devices

Heute und auch noch ein paar Jahre in die Zukunft gedacht, nutzen wir die sogenannten wearable devices – tragbare Geräte wie beispielsweise den Withings Pulse. Der Gesamtmarkt für wearable device wird auf etwa 300 Millionen verkaufte Geräte im Jahr 2017 geschätzt. Im nächsten Schritt werden externe Zusatzgeräte wie der Pulse vermutlich von Implantaten und invasiven Arzneimitteln ersetzt: Wie sollte man den eigenen Körper besser kennenlernen, als durch den Blick ins Innere? Körpertemperatur, Puls, Atemfrequenz, der Hormonhaushalt und sogar eingenommene Medikamente können automatisch jederzeit gemessen und kontrolliert werden. Nicht nur für die Optimierung des persönlichen Wohlergehens, sondern auch für die Früherkennung und Prävention von Krankheiten kann dies von unermesslichem Wert sein.

Neben den klar erkennbaren Vorteilen des Quantified Self lasen sich auch potentielle Gefahren erkennen: was passiert, wenn die gemessenen Daten gegen die messende Person verwendet werden? Was, wenn die Daten in unbefugte Hände gelangen? Diese Fragen deuten auf reale Gefahren hin und müssen beantwortet werden. Die Tatsache, dass die komplette und ständige Vermessung des menschlichen Körpers in kurzer Zeit Realität sein wird und die daraus entstehenden Vorteile für Millionen von kranken und gefährdeten Menschen lebensrettend sein können, macht deutlich, wie wichtig dies für den Menschen ist und dass Quantified Self als ein selbstverständlicher Aspekt jeden verantwortungsbewussten Verhaltens angesehen werden wird.

5 Dinge, die für die klassische Marktforschung überflüssig werden

In einem provokativen Blog Post beschreibt Greg Heist 5 Dinge, die für die Marktforschung überflüssig werden – und das wird – wenn es nach ihm geht – schneller passieren als man denkt:

1) Persönliche, endlos erscheinende Befragungen
Ohne Frage, Befragungen in Form von Interviews in sterilen Räumen oder Telefonbefragungen sind nach wie vor wichtige Tools für die klassische Marktforschung. So zum Beispiel werden 17% der Befragungen in Deutschland in persönlichen Interviews durchgeführt. Sagenhafte 35% über das Telefon (Quelle: Marktforschung.de). Obwohl moderne Technologies eingesetzt werden, wie z. B. Eye-Tracking, Stimmenanalysen, usw., sind persönliche Befragungen „old school“.

Aber was ist ist die Lösung? Interaktive Ansätze, wie z.B. direkte Befragungen von Leuten in ihrer gewohnten Umgebung sind heutzutage dank mobiler Endgeräte möglich. Über Smartphones sind die meisten Menschen jederzeit und überall erreichbar. Schnellere und immer günstiger werdende Übertragungskosten fördern diesen Trend.

2) Powerpoint Berichte
Die meisten Resultate von Marktstudien werden als ppt Dokument an den Kunden ausgehändigt. Selbst die Abschlusspräsentation wird oft in Powerpoint gemacht. Es gibt anderweitige Lösungen, um Resultate „sexy“ zu visualisieren. Klar, die Aufbereitung in Powerpoint ist man gewöhnt und deshalb einfach, aber geht es am Ende nicht darum, den Kunden zu überzeugen? Und das in einer ansprechenden Weise?

3) Online Befragungen
Postalische Befragungen sind heute nicht mehr bedeutend. Das gleiche wird mit Online Fragebögen passieren. Wer setzt sich freiwillig 30 Minuten vor einem Desktop Computer und füllt leere Felder aus? Klar, die gibt es, aber ist das notwendig? Die Antwort ist nein, denn Menschen sind viel effizienter erreichbar auf  ihren mobilen „Gadgets“, allen voran Smartphones. Entsprechend dürfen die Umfragen kurz und prägnant gestaltet werden. Befragte dürfen nicht endlos angehalten werden, sondern aufgefordert werden, „on-the-way“ Input zu leisten.

4) Dualität Quantitative / Qualitative Marktforschung
Die traditionelle Marktforschung unterscheidet noch immer zwischen diesen beiden Methoden. Diese Unterscheidung wird es, wenn es nach Greg Heist geht, bald nicht mehr geben. Beide Methoden werden irgendwann einmal verschmolzen sein. Oder anders ausgedrückt: beide Methoden werden simultan in Befragungen eingesetzt. Die Frage stellt sich einem, ob in Zukunft überhaupt noch Befragungen durchgeführt werden. Vielmehr geht der Trend Richtung Beobachtung des Verhaltens und Big Data Analytics, um daraus ableitend Vorhersagen zu treffen.

5) Rationale Schlüsse ziehen
Versuche in der Sozialforschung und Wirtschaft haben gezeigt, dass eine rationale Ableitung des  menschlichen Verhaltens oft fehlschlägt. Die Entscheidungsfindung eines Menschen ist viel komplexer. Die Marktforschung wird sich in Zukunft von der Fragestellung „Wieso? Warum?“ wegbewegen. Vielmehr werden mit Hilfe von neuartigen Methoden (allen voran Data Analytics) Vorhersagemodelle abgeleitet, die einfach Dinge voraussagen, ohne die Beweggründe zu hinterfragen.

So, nun liegt es an Ihnen zu glauben, oder auch nicht,  ob diese Dinge für die klassische Marktforschung überflüssig werden. Eines ist klar, auch in der Markforschung wird kein Stein auf dem anderen bleiben.

Die mobile Revolution erreicht das Auto

Angefangen hat alles mit Smartphones: heute gehen die Menschen häufiger mobil ins Internet als über ihre PCs. Tablets lösen das Notebook ab und Brillen werden zu app-gesteuerten Mini-Computern. Die neue Welle der wearable device macht auf der Nase oder Uhr am Arm noch lange nicht halt – zukünftig werden wir Chips und Sensoren an allen möglichen Kleidungsstücken tragen.

Aber auch Haushaltsgegenstände wie Kühlschränke, Waschmaschinen, Trockner oder Waagen funktionieren immer häufiger über mobile Betriebssysteme. Das Internet of Things und der Machine-to-Machine Markt (M2) sind die großen Trends an dieser Stelle.

Eher unbemerkt ist die Mobilisierung jedoch an ganz anderer Stelle vorangeschritten – in des Menschen liebsten Luxusprodukts – dem Auto. Seit längerem schon stattet BMW seine Mittel- und Oberklassefahrzeuge mit SIM-Cards aus, die beispielsweise im Falle eines im Wagen vergessenen Schlüssels das Öffnen des Autos per Remote Kundendienst ermöglicht.

Connected Car Revenue

Quelle: BusinessInsider [PDF]

Die Autofahrerin macht während der Fahrt das, was sie typischerweise macht, wenn sie im allgemeinen unterwegs ist: navigieren, telefonieren und Musik hören. Zudem verbringen viele Menschen eine signifikante Zeitspanne ihres Tages im Auto – US-Amerikaner sitzen jeden Tag etwa 40 Minuten hinter dem Steuer. Im Stau stehen sie rund eine Stunde pro Woche.

Wenn also mobile Apps ihren Weg ins Auto finden, bedeutet dies ein enormes Potential für die App Economy: Milliarden von Menschen können sich eine knappe zusätzliche Stunde pro Tag mit mobilen Inhalten beschäftigen, kommunizieren und sind ansprechbar für Brands. Automobil- und Zulieferindustrie sind auf gutem Weg, das komplette Datenset einer jeden Autofahrt direkt im Fahrzeug zu sammeln. Dabei liegt der Fokus auf den Daten, die direkt vom Auto gemeldet werden und dabei helfen können, Unfälle zu vermeiden, Benzin zu sparen oder Versicherungstarife zu minimieren. Die Verhaltensdaten der Autofahrer selbst werden seitens der Autoindustrie nicht erhoben – hier bietet iognos einen zur industrielösung komplementären Ansatz, der Fahrzeugdaten und Personendaten zusammenführt.

Telefongesellschaften verkaufen vertrauliche Kundendaten

Als der Mobilfunk-Konzern Telefonica 2012 ankündigte, auch in Deutschland die Daten der O2-Kunden zusammen mit der Marktforschungsfirma GfK zu Geld zu machen, brach ein Proteststurm los, der O2 und GfK schleunigst zurrückrudern lies (s. zB. hier: wiwo.de).

Jetzt kündigt auch AT&T an, ebenfalls die Verbindungsdaten zu verkaufen. AT&T geht dabei offenbar noch weiter und bietet explizit die Historie der Internet-Nutzung seiner Kunden an.

Ich bin überzeugt, dass dieser Vertrauensbruch sich nicht rechnen wird. Die Menschen geben ihre Daten nicht freiwillig an die Telefonkonzerne – es sind Nebenprodukte der Nutzung der Telekom-Dienste, für die die Nutzer Geld bezahlen.

Ich glaube, dass es nicht nur moralisch falsch ist, sondern tatsächlich wirtschaftlichen Schaden anrichten wird, wenn Menschen beginnen, ständig auf der Hut vor den Daten-Kraken zu sein. Daher gehen wir bei iognos einen anderen Weg: unseren Nutzern ist klar, was sie tun. Wir informieren sie ständig, welche Daten anfallen und was daraus gemacht wird.

Es ist nicht grundsätzlich falsch, Daten zu erheben. Aber es ist falsch, es im Verborgenen zu tun, erst recht, wenn die Nutzer keine Wahl haben.

Hadoop- oder: Die Geburt von Big Data

Wired bringt eine schönen Abriss der Geburtsstunde von Big Data, die grundsätzlich mit der Entwicklung und dem Einsatz von Hadoop gleichzusetzen ist. Das Software System, das heute von allen grossen Networks wie Facebook, Twitter, Yahoo etc. eingesetzt wird, wurde  2006 von Doug Cutting und Michael Cafarella programmiert. Pate stand Google, die bereits im Jahr 2004 den Grundstein legten und ihre Architektur open source zur Verfügung stellten.

Mit dem aus dem Datenspeicher Hadoop Distributed File System HDFS und der Datenverarbeitungsplattform MapReduce besteht, können riesige Datenmengen gespeichert und in einem zweiten Schritt über hunderte oder gar tausende Server ausgeliefert werden. Über MapReduce werden dann grosse Rechenaufgaben in viele kleine Aufgaben verteilt über mehrere Serververbünden (Cluster) aufgeteilt. Diese Architektur machte zum ersten Mal die Verarbeitung grosser Datenmengen zu vertretbaren Kosten möglich: anstelle mehrerer Supercomputer können handelsübliche Server eingesetzt werden.

Mit der Zeit wurde der Ruf nach einer Möglichkeit lauter, Daten direkt aus Clustern zu ziehen, ohne über MapReduce gehen zu müssen. Workarounds wie Pig, Hove, Twitters Storm oder Yahoos Spark ermöglichen dies – allerdings kommen auch sie nicht gänzlich ohne MapReduce aus. In der neuen Version von Hadoop – Hadoop 2.0 – wird genau dieses Problem gelöst: über die neue Systemkomponente YARN können Entwickler Applikationen direkt mit HDFS kommunizieren lassen, ohne MapReduce zu bemühen.

YARN befindet sich aktuell in der Alpha-Version und ist schon in einigen Hadoop- Auslieferungen eingebaut, wie beispielsweise in Cloudera. Eine Beta-Version ist bereits angekündigt.

Featured Image: Hortonworks

Big Data gewinnt im Handel an Fahrt

Big Data gewinnt auch im Handel immer mehr an Wichtigkeit. So gibt die Investmentbank Goldmann Sachs bekannt, dass sie sich über ihren Bereich Merchant Banking mit 100 Millionen Dollar an Applied Predictive Technologies beteiligt. APT bietet Cloud Services an, mit der seine Kunden alle Geschäftsentscheidungen auf Big Data Analyse basierend optimieren können. Neben Goldman Sachs ist Accel-KKR an dem 13 Jahre alten Unternehmen beteiligt.

Wearable Computers – Elektronik als Accessoir

Marc Benioff, CEO von Salesforce.com und sein Kollege von Oracle Larry Ellison sind überzeugt, dass sich das Internet der Dinge durchsetzen wird.

„Wir sind in der dritten Welle des Computerzeitalters.“ meint Benioff. Zuerst gab es Zentralrechner, die über Terminals gesteuert wurden, dann kamen die PCs, die über Netzwerk verbunden auf Datenbanken zugreifen. Die dritte Welle bedeutet die Vernetzung von Milliarden von Rechnern.

Marc Benioff unterstreicht seine Ausführung, indem er selbst zwei Computer am Armgelenk trägt: ein Jawbone Up und das Fitbit Flex – zwei typische Gadgets des Quantified Self. 

Indem immer mehr Meinungsführer wie Benioff und Ellison sich offen zum „Quantified Self“ bekennen, wird diese Bewegung – vor kurzem noch eine Nische für Nerds – zur Mode.

„Wearable Computers“ wie Jawbone UP oder Fitbit sind die nächsten Must-Have Accessoirs, in direkter Nachfolge des iphone.

Hier der Link auf den Artikel: Marc Benioff Loves Wrist Computers So Much He’s Wearing Two Right Now

Big Data: Herausforderungen und Chancen

9. Konferenz zu Internet, Recht und Politik in Barcelona

Gestern ging die neunte Konferenz „Internet, Law & Politics“ in Barcelona zu Ende. Diesjähriges Thema: „Big Data – Herausforderungen und Chancen“. Wichtigstes Thema: Datenschutz und informationelle Selbstbestimmung und der entsprechende regulatorische und politische Rahmen dazu.

Der Konferenzband mit den Vorträgen steht online kostenlos zum download zur Verfügung: http://edcp.uoc.edu/symposia/idp2013/proceedings/

The Analytics Advantage – eine Studie von Deloitte Touche Tohmatsu

Basically, analytics is about making good business decisions. Just giving reports with numbers doesn’t help. We must provide information in a way that best suits our decision-makers.„, ein Zitat von einem HR Officer eines US Unternehmens.

Immer mehr Unternehmen gerade in den USA sehen die Relevanz von Data Analytics bei der Vorbereitung von strategischen Entscheidungen. Wo stehen die Unternehmen in Hinblick auf Data Analytics? Diese Frage stellte sich Deloitte und hat mehr als 100 Unternehmen in den USA, Kanada, China und UK befragt. Das Ergebnis ist nicht überraschend: Data Analytics ist ein großes Thema für viele Unternehmen und gewinnt immer mehr an Bedeutung.

Bildschirmfoto 2013-06-27 um 17.38.13
Quelle: Deloitte „The Analytics Advantage“, 2013

Ein guter Manager zeichnet sich dadurch aus, dass er Entscheidungen trifft. Wie zu erwarten erhoffen sich Unternehmen eine bessere Entscheidungsgrundlage mit Hilfe von Data Analytics. Für die Pflege von Kundenbeziehungen und bei der besseren Einschätzung von Geschäftsrisiken werden Daten immer mehr eingesetzt. Trefflich von einem Teilnehmer der Befragung formuliert:

There are now enough reasons for us to prove beyond all doubt that what we’ve always done, based on intuition, isn’t the best way to go.

Bildschirmfoto 2013-06-27 um 17.38.25
Quelle: Deloitte „The Analytics Advantage“, 2013

Der Großteil der Befragten sind überzeugt davon, dass Analytics die Wettbewerbsfähigkeit ihres Unternehmens verbessern. Nur 3% gaben an, dass sie keinen Mehrwert darin sehen. Wenn Daten so eine große Rolle in Unternehmen spielen, stellt sich die Frage, wer sich damit in der Organisation beschäftigt.

Bildschirmfoto 2013-06-27 um 17.38.35

Quelle: Deloitte „The Analytics Advantage“, 2013

In der Regel befasst sich das Management Board (CEO, CFO, COO, usw.) mit aufbereiteten Daten. Kaum verwunderlich, denn diese Institution trifft bekanntlich die strategischen Entscheidungen einer Firma. Nicht überraschend dass auch Manager in der 2. Ebene, also Abteilungsleiter oder Geschäftsbereichsleiter sich auf Daten Analytics stützen.

Nun zur Kernfrage: wie fortgeschritten ist Data Analytics in den Unternehmen?

Bildschirmfoto 2013-06-27 um 17.38.54
Quelle: Deloitte „The Analytics Advantage“, 2013

Das Ergebnis ist ernüchternd. In vielen Unternehmen herrscht keine einheitliche Strategie beim Umgang mit Daten. Daten werden nicht zentral verwaltet und analysiert, auch die Verantwortung für diesen Bereich ist in vielen Unternehmen nicht eindeutig geregelt. Oft mangelt es an der passenden Technologie, um Data Analytics zu betreiben.

Fazit:

  • Data Analytics muss in Unternehmen gelebt werden und von den Führungspersonen voll unterstützt werden
  • Analytics soll Teil der strategischen Entscheidungsgrundlage werden
  • Analytics soll erweitert werden für Marketing und Kundenbetreuung
  • Analytics soll zentral verwaltet werden
  • Auch Analytics braucht eine klar ausformulierte Strategie

Hier können Sie eine Zusammenfassung der Studie vorgetragen von Tom Davenport, Professor von Harvard Business School und Berater von Deloitte Analytics ansehen.

Selbst die Franzosen werden offener in Hinblick auf Daten-Sharing

Wer hätte das gesagt, die prüden Franzosen gehen immer offener mit ihren Daten um. Laut einer Studie von IPG Mediabrands und Microsoft wären knapp 45% der Befragten in Frankreich bereit, Daten über ihr Kaufverhalten mit anderen zu teilen. Im Gegenzug erwarten sie nützliche Tipps und Empfehlungen. Auch für gezielte Werbung wären sie nicht abgeneigt.

48% der Befragten gaben an, dass sie einen Vorteil bei Kaufentscheidungen sehen, wenn sie ihre Datenidentität freigeben. Jedoch wären nur 36% der Konsumenten bereit, sich von Brands „tracken“ zu lassen, wenn ihnen ein besseres Kauferlebnis in Aussicht gestellt wird.

Diese Studie belegt wieder, dass Menschen offen für das Daten Sharing sind, wenn sie im Gegenzug einen Mehrwert sehen. Dies kann in Form eines nützlichen Feedbacks erfolgen aber auch durch gezielte Tipps und Empfehlungen für zukünftige Handlungen. Könnte diese Art der Incentivierung die Zukunft der Marktforschung sein?