by Michael Reuter | 1 April 2014 | Blockchain
From rapid urbanization in China to dung-fired stoves in New Delhi, air pollution claimed 7 million lives around the world in 2012, according to the World Health Organization. Globally, one out of every eight deaths is tied to dirty air – which makes air pollution the world’s single biggest environmental health risk. And, in areas with very bad air pollution, people live an average of 5 fewer years than those in other areas.
Not only in Chinese megacities or indian agricultural areas, people are trying hard to keep air pollution at bay. In Portland, Oregon, a local initiative called Neighbors for Clean Air is using Big Data to make bad air visible. The group is part of an experiment in initiated by Intel Labs, that uses 17 common, low-cost sensors, each weighing less than a pound to gather air quality data. This data feeds to websites that analyze and present comprehensible visualizations of the data. The sensors itself are built using an Arduino controller. They measure carbon and nitrogen dioxide emissions, temperature and humidity.
By making the air pollution problem visible, the experiment not only made people recognize the importance of technology in understanding air quality, but Neighbors for Clean Air could forego an agreement with a local metal foundry to cut emissions.
If you want to have a look at your own air pollution, go to Air Quality Egg – perhaps one of the several hundred eggs worldwide has been installed in your neighborhood.
by Michael Reuter | 11 December 2013 | Blockchain
Nie gab es soviel Information über den Kunden. Ist das Auto tatsächlich in der Garage geparkt? Wie aggressiv fährt der Kunde auf der Autobahn und steigert damit seine Unfallwahrscheinlichkeit? Bis dato hält sich die Versicherungsbranche damit zurück, den Datenschatz zu heben.
Die Sparkassen-Direktversicherung bringt zu Jahresbeginn 2014 eine Police auf den Markt, bei der man mit vorsichtiger Fahrweise an der Prämie sparen kann. Für die nötige Transparenz dieser Kalkulation sorgt eine Visualisierung des eigenen Fahrverhaltens, die der Autofahrer am Computer begutachten kann. Zur Berechnung der Police werden aggregierte Daten eingesetzt, da die Versicherung laut eigener Auskunft die mathematischen Modelle zur Auswertung individueller Daten fehlen und zum anderen die hohe Sensibilität der Deutschen hinsichtlich der Verwendung ihrer Daten eine vorsichtigen Herangehensweise gebieten.
Versicherungsunternehmen sind von Haus aus datengetrieben. Daher sind sie mit dem Sammeln und Verknüpfen von Daten vertraut – lediglich die Grössenordnung und die Effizienz der Verarbeitbarkeit der vorliegenden großen Datenmengen stellen eine Herausforderung dar. Aber auch die Chancen für exaktere Berechnungsmodelle und damit einhergehend fûr eine Ausweitung der potenziellen Klientel sind gestiegen: während eine Risikolebensversicherung bisher auf die Ehrlichkeit ihrer Kunden angewiesen ist, können Fragen wie “Rauchen Sie?” oder “Betreiben Sie Extremsportarten?” zukünftig über eine Verhaltensanalyse anstelle eines Fragebogens beantwortet werden.
Letztlich steht jeder Versicherer vor zwei grundsätzlichen Herausforderungen: die Optimierung seiner Tarifstruktur und die Maximierung seiner Kundenzahl. Ersteres ist mit Einsatz mathematischer Modelle auf Basis grosser Datenmengen mit überschaubarem Einsatz mit einer vorhandenen Expertise im Bereich Big Data umsetzbar. Die Ausweitung der Klientel hängt eng vom Fingerspitzengefühl des Unternehmens ab, mit dem er neue, differenziertere Policen auf den Markt bringt, die mit der Aufzeichnung des Kundenverhaltens korrelieren.
Eine wichtige Aufgabe für jeden Versicherer besteht unseres Erachtens darin, die Big Data Thematik im eigenen Unternehmen proaktiv anzugehen und Expertise in den eigenen Reihen aufzubauen. Sollte die Assekuranz eine lediglich abwartende Haltung einnehmen, wird Innovationspotenzial verschenkt. Wie in allen neuen Geschäftsfeldern wird es bei Big Data auch sein: die Claims werden frühzeitig abgesteckt und die zunehmend wechselwilligere Kundschaft wird zu dem Anbieter wechseln, der auf sie massgeschneiderte Tarife anbietet. Die Bereitschaft der Menschen zur Abgabe ihrer Daten ist wechselseitig: sie geben dem ihre Daten, der ihnen hierfür einen signifikanten wahrnehmbaren Nutzen zurückspielt: auch aus Kundenperspektive ist das Datenthema eine reine Kosten-Nutzen-Betrachtung.
by Michael Reuter | 19 July 2013 | Blockchain
Big Data verspricht, besser und schneller entscheiden zu können. Während bisher Daten-Stichproben als das Max der Dinge eingesetzt wurden, können wir nun alle relevanten Daten abfragen und verarbeiten. Und die Ergebnisse stehen nicht nach Monaten oder Wochen, sondern nach Minuten oder Sekunden zur Verfügung. Lösen die seit geraumer Zeit aus dem Boden spriessenden Big Data Unternehmen dieses Versprechen ein?
Quelle: NewVante Partners
Laut einer NewVantage Partners Big Data Umfrage auf Vorstandsebene in Fortune 500 Unternehmen aus dem Finanzsektor, wie Bank of America, JP Morgan, Wells Fargo, American Express und Fidelity Investments sowie einigen Nicht-Finanzunternehen wie General Electric, meinen über ein Fünftel (22%) der befragten Top-Manager schnellere und bessere Entscheidungen auf Basis von Big Data Initiativen treffen zu können. Diese Ergebnisse wurden in so unterschiedlichen Projekten wie der Zusammenführung vieler unstrukturierter Datenströme wie Sensortasten und Social Media Daten mit strukturierten Daten aus öffentlichen Regierungsinstitutionen, als auch der FRagestellung, wie diese Daten zur Formulierung neuer Marketing Kampagnen eines Kreditkartenunternehmens genutzt werden können.
Übereinstimmend wird der grösste Vorteil in Big Data Projekten darin gesehen, dass zeitaufwendige Tätigkeiten wie das Formulieren einer Hypothese und der Datenaufbereitung nicht zu Beginn eines Projekts anfallen, sondern erst dann zu Tragen kommen, wenn in den Daten interessante Muster erkannt worden sind. Dieser Zeitvorsprung schmilzt die sogenannte Time-to-Answer TTA auf eine deutlich kürzere Zeitspanne ein. Insofern bedeutet auch die Minimierung der TTA den grössten Einzelnutzen, den ein Big Data Unternehmen bringen kann.
by Michael Reuter | 13 July 2013 | Blockchain
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.
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.
by Martin Schäffner | 27 June 2013 | Blockchain
“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.
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.”
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.
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?
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.
by Martin Schäffner | 27 June 2013 | Blockchain
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?
by Martin Schäffner | 25 June 2013 | Blockchain
Ich habe mich schon lange gefragt, wer die aktivsten PE Investoren im Bereich Big Data sind und wie viel Kapital bereits von professionellen Investoren für diesen Bereich zur Verfügung gestellt wurden. In einem etwas älteren Beitrag aus März 2013 auf CN Insights wurde ich endlich fündig. Die Zahlen sind beeindruckend.
Seit der Finanzkrise in 2008 wurden insgesamt mehr als 4,9 Mrd. USD im Bereich Big Data investiert – eine beträchtliche Summe, wenn man bedenkt, dass PE-Investitionen seit 2008 stark rückläufig sind. Hier sind die Top 20 Investoren:
