Zum Hauptinhalt springen

Predictive Analytics World: Tag 1

Am ersten Tag der Predictive Analytics World sind es die kürzeren Vorträge abseits der Keynotes, die besonders überzeugen. 

Präsidentschaftswahlkampf, Voter File & Obamas Analytics Team

Amelia Showalters Vortrag über Obamas digitalen Präsidentschaftswahlkampf war, wie erhofft, einer dieser Höhepunkte. Es war zum Beispiel sehr interessant zu sehen, dass bereits das sogenannte "Voter File" sehr viele Merkmale enthält, noch bevor es aus anderen Quellen angereichert wird. Hieraus kann nachvollzogen werden, wer wann an welcher Wahl teilgenommen hat (was indirekt, zumindest bei häufigen Wählern, Rückschlüsse auf die Umzugshäufigkeit zulässt), wer sich als Anhänger einer bestimmten Partei registriert hat (um an den Vorwahlen teilnehmen zu können) und welche diversen soziodemographischen Daten ein Wähler bzw. eine Wählerin innehat. Ebenso spannend waren auch die Geschichten aus der Kampagne. Beispielsweise die einer Kampagnenhelferin, die dank Obamas Analytics Team eine genaue Laufliste der Haushalte hatte, die sie besuchen sollte, und das jeweils mit einem spezifischen Auftrag: In diesem einen Haushalt sollte sie versuchen, die Leute von Obama zu überzeugen, indem sie bestimmte, vorgegebene Themen ansprach. Ein anderer Haushalt hatte sich für eine Briefwahl registriert und wurde nach dem zuvor erfolgten Scoring für einen sicheren Obama-Wähler gehalten. In diesem Fall sollte die Kampagnenhelferin den gesamten Haushalt daran erinnern, die Unterlagen auch wirklich abzugeben etc. Der Witz an der Sache war, dass gleichzeitig auf der anderen Straßenseite ein Team von republikanischen Wahlkampfhelfern unterwegs war, das an allen Türen klopfte, immer dieselben Sprüche aufsagte und oft auf verschlossene Türen oder felsenfeste Obama-Anhänger traf.

Roboter-Journalismus mit Hilfe von Machine-Engine-Learning

Ausgesprochen spannend war auch der Vortrag über Roboter-Journalismus von Marcel Hager und Alexander Siebert. Es ging um automatisch generierte Spielberichte für die unteren Fußballligen, die in Deutschland so zahlreich sind, dass unmöglich menschliche Reporter alle diese Spiele begleiten können. Es gibt in Deutschland insgesamt 1.571 (!) Amateurfußballligen. Allein im Verbreitungsgebiet zum Beispiel der Fuldaer Zeitung sind es 60 Ligen. Zu diesen Spielen gibt es üblicherweise keine Spielberichte, jedenfalls keine, die von Menschen regelmäßig erstellt werden. Was es allerdings gibt, sind die Daten der Spiele. Nicht nur das Ergebnis, sondern auch gelbe und rote Karten, Torschützen, Auswechselungen etc. Auf dieser Basis kann man tatsächlich Kurzberichte erstellen, die in der Qualität den von Menschen erstellten kaum nachstehen. Man bereitet dazu in sehr aufwendiger, in großen Teilen manueller Arbeit eine Stichprobe von Trainingstexten (mit manuell erfassten Zusatzinformationen) vor, auf denen man dann ein Machine-Learning-Modell trainiert, das sozusagen lernt, wie der Schreibstil ist, die Reihenfolge, in der Informationen dargeboten werden etc. 

Als weitere Zutat müssen dann noch, ebenfalls in aufwendiger, großteils manueller Arbeit, die Regeln und Besonderheiten des Spiels und der Liga modelliert werden. Das Ergebnis ist ein Modell, das Spieldaten in Kurzberichte umsetzen kann. Wer Lust hat, sich selbst ein Bild von der Qualität zu machen, findet solche Spielberichte zum Beispiel unter fussifreunde.de.

Der Customer Lifetime Value (CLV) mit b.telligent und myToys

Last, but not least habe ich auch selbst einen Vortrag gehalten, gemeinsam mit Juliane Homuth von unserem Kunden myToys. Es ging um unser Customer-Lifetime-Value-Projekt, das wir Anfang des Jahres durchgeführt haben. Der Vortrag hat eine Menge Spaß gemacht. Ein derart engagiertes und fachkundiges Publikum wie bei der Predictive Analytics World ist auf anderen Veranstaltungen höchst selten anzutreffen. Dementsprechend ertragreich und spannend waren die Fragen und die Diskussionen in den anschließenden Kaffeepausen.

 

 predictive-analytics-world-mayors-office-ny

Der Bürgermeister von New York hat ein „Mayor's Office of Data Analytics“, das tatsächlich Leben rettet. Wer hätte das gedacht!


Nach den interessanten Vorträgen von heute freue ich mich bereits jetzt auf den morgigen Tag!

Dr. Michael Allgöwer
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