Zum Hauptinhalt springen

Die Highlights des Vortragsprogramms an Tag 2

 

The Awakening of AI

Auch am zweiten Tag gab es spannende Vorträge. Dr. Sven Crone holte in seiner Keynote „The Awakening of AI! Success Stories in Time Series Prediction“ historisch etwas aus und brachte auf sehr unterhaltsame Art dem Publikum anschaulich unter anderem durch ein Video aus dem Jahr 1952 frühe Versuche des Machine Learning (nein, nicht seine eigenen) näher. Fokus des Vortrags waren dann aktuellere Projekte, in denen anhand von Zeitreihendaten Absatzzahlen vorhergesagt werden. Seine Anwendungsbeispiele erstreckten sich von vielen tausend Produkten im Einzelhandel im Vereinigten Königreich zum Bierkonsum einer belgischen Brauerei.

 

Die Highlights am zweiten Tag der Predictive Analytics World

Dr. Christian Elsässer von Swiss Re stellte in seinem Vortrag „Der Wert von externen Daten für Predictive Analytics im B2B-Umfeld am Beispiel von Swiss Re“ einige Lessons Learned bei der Entwicklung der Global Motor Risk Map vor. Hier fließen zum Beispiel Bevölkerungsdaten, Nachtlichtemissionsdaten (als Proxy für wirtschaftliche Aktivität), Daten zum Wetter und Informationen über das Straßennetz ein. Diese Map bietet die Swiss Re Erstversicherern an, um Unfallrisiken auf regionaler Ebene besser einschätzen zu können.

Joachim Gaschler von Concardis und Andreas Kulpa von DataLovers stellten in ihrem Beitrag „Predictive Alerting im Kreditmanagement am Beispiel der Concardis GmbH“ eine Alerting-Lösung vor, die Concardis als Anbieter von bargeldlosen Bezahl-Services zur besseren Einschätzung von Kreditausfallrisiken verhilft. Hierbei geht es um mögliche Rückforderungen von Endkunden, die (in der Regel) 120 Tage nach der Transaktion stattfinden können, etwa wenn ein Produkt nicht geliefert wird. Die Erstellung der Alerting-Lösung basiert auf Google Alerts und es kommen verschiedene Algorithmen zum Einsatz, die teils routinemäßig gegeneinander getestet werden (Word2Vec, neuronale Netze und Random Forest). Concardis hat somit eine Art Frühwarnsystem dafür, welche ihrer (über hunderttausend) Kunden sie sich genauer ansehen sollten.

Christian Deger von AutoScout24 stellte in seinem Vortrag „Predictive Analytics for Vehicle Price Prediction – Delivered Continuously at AutoScout24” die Umgebung und Methodik vor, auf der die geschätzten Preise basieren, die AutoScout24 seinen Kunden zur Verfügung stellt. Spannend war, was auf der technologischen Seite zum Einsatz kam, um das analytische Modell des Data-Science-Teams (R-basierte Schätzung, Random Forest) in eine sich kontinuierlich aktualisierende Preisschätzung für eine Web-Anwendung zu integrieren, auf die die Webseiten-Nutzer Zugriff haben.

Dr. Markus Groß von INWT Statistics stellte unter dem Titel „Nach der Wahl ist vor der Wahl: Predictive Analytics für Wahlprognosen“ eine Analyse zur Bundestagswahl 2017 vor, die auf gecrawlten Umfrageergebnissen der Befragungsinstitute und Monte-Carlo-Simulationen basiert. Hierbei ging es um eine Makro-Prognose zur Bestimmung von Wahrscheinlichkeiten für bestimmte Ereignisse bezüglich des Wahlausgangs und weniger um die genauen Wahlergebnisse.
 

Deep Dives

Neben den Case-Study-Vorträgen gab es noch einige Deep-Dive-Vorträge, die allerdings aufgrund der Teilnehmerzahlbegrenzung bzw. der kleineren Räume teils überfüllt waren. Da die Predictive Analytics World unter dem Thema Data Driven Business – Customer Centricity through Data gemeinsam mit den Konferenzen eMetrics und Digital Growth Unleashed stattfand, gab es aber noch weitere Vorträge, aus denen man wählen konnte.

 

Die Keynote - SpiegelMining

In der Abschluss-Keynote der Predictive Analytics World „SpiegelMining – Data Science auf Spiegel Online“ stellte David Kriesel Ergebnisse seiner Analyse von fast 100.000 Spiegel-Online-Artikeln seit Mitte 2014 vor. Neben ein paar Fun Facts und deskriptiven Statistiken zur Anzahl der Artikel im Zeitverlauf gab es auch viele bunte Einblicke in die Nähe verschiedener Themen zueinander. Als heikel wurde das „Feature“ dargestellt, ob ein Artikel kommentiert werden darf, und hierzu wurden Daten im Zeitverlauf gezeigt. Dass es nach dem ersten öffentlichen SpiegelMining-Vortrag von David Kriesel im Dezember 2016 zu einem relativen Anstieg der kommentierbaren Artikel kam, wurde miteinander in Zusammenhang gebracht. Um darin eine Wirkung des Vortrags zu sehen, fehlt – würde ich sagen – der Beweis, aber vielleicht hat die Spiegel-Online-Redaktion für diese Schlussfolgerung auch noch ein paar „Small Data“ (in Form von Gesprächen) beigetragen.

Insgesamt eine sehr spannende Konferenz!

Dr. Michael Allgöwer
Dein Ansprechpartner
Dr. Michael Allgöwer
Management Consultant
Machine Learning ist Michaels langjährige Spielwiese. Michael ist überzeugt, dass gutes Machine Learning eine Menge Branchenverständnis voraussetzt, und er liebt es, sich dieses Verständnis immer wieder zu erarbeiten. Sein neuestes Lieblingsthema ist Reinforcement Learning.
#MachineLearning #ReinforcementLearning #HumanIntelligence