Unternehmen wollen mehr über ihre Kunden wissen und darüber, welche Personen innerhalb einer Zielgruppe vielversprechend sind. Das Ziel ist es, ausgezeichnete Produkte zu produzieren und Kundennutzen zu schaffen. Heute sind digitale Daten ein zentrales Kriterium für Marketing und Vertrieb. Big Data ist das Stichwort. Am 28. Juni 2018 findet daher am WIFI Steiermark ein Schwerpunkttag zu diesem Thema statt. Buchen Sie hier!

Digitale Komplexität

Big Data kann als gigantischer Daten-Pool verstanden werden. Es sind Daten, die bewusst gesammelt werden oder als Nebenprodukt von bestimmten Prozessen entstehen. Es gibt Menschen, die Daten hinterlassen, solche die Daten sammeln und solche, die sie nutzen. Um Nutzen aus Daten generieren zu können, ist es aber notwendig, bestimmte Informationen wieder los zu werden, denn Big Data sind zunächst ungeordnete Daten. Und so behält man nur das, was wesentlich ist.

Deep Learning

Nun finden wir im Jahr 2018 eine Welt vor, in der Computer andere Computer zu schulen beginnen. Wenn von Artificial Intelligence die Rede ist, ist auch gemeint, dass Computer lernfähig und anpassungsfähig sind. Ein großer Name in Forschung und Anwendung des sogenannten „Deep Learning“ ist der britische Informatiker und Kognitionspsychologe Geoffrey Hinton. Manche nennen ihn den Albert Einstein der KI-Forschung. Er befasste sich mit Übersetzung, Sprach- und Bilderkennung. Hintons wissenschaftlicher Durchbruch gelang 1986. Sein Ansatz sind neuronale Netzwerke, wonach Computer ähnlich agieren, wie das menschliche Gehirn. Für die Praxis war sein Konzept damals noch nicht reif, weil die Rechenleistung fehlte. Heute ist es möglich. Und so können Computerprogramme bei der Beantwortung der Frage helfen, wie sich Kundinnen und Kunden als nächstes verhalten werden. Worauf sprechen sie an? Was wollen sie als nächstes? Die Methode zur statistischen Berechnung von zukünftigen Wahrscheinlichkeiten, nennt sich „Predictiv Analytics“.

Mustererkennung zur Vorhersage

Um Predictive Analytics realisieren zu können, werden unterschiedliche Methoden angewendet, deren gemeinsames Ziel stets die Vorhersage bestimmter Wahrscheinlichkeiten ist. Nehmen wir ein Beispiel: Wie lernt ein Kleinkind? Es bekommt einen Hotdog in die Hand gedrückt, beißt hinein und weiß, was ein Hotdog ist. Jetzt soll ein Computer lernen, was ein Hotdog ist. Das Programm benötigt zunächst Millionen von Bildern zu den Erregungszuständen: „Hot Dog“ und „Nicht Hot Dog“. Für Computer ist es wichtig, möglichst viele Daten zu haben, um aus den Erfahrungen lernen und verallgemeinern zu können. Das ist der Grund, weshalb Big Data eine enorme Bedeutung für „intelligentes Maschinenlernen“ hat. Ein künstliches System lernt aus Beispielen und kann nach Beendigung der Lernphase verallgemeinern. Es erkennt Muster und Gesetzmäßigkeiten in den Lerndaten. Aus den bereits vorliegenden Ergebnissen werden sohin Erkenntnisse aus der Daten-Charakteristik abgeleitet, die sich aus den berechneten Wahrscheinlichkeiten ergeben.

Der Schlüssel ist das Nutzerverhalten

Wie können wir unsere Kunden mit Hilfe von Daten also besser verstehen? Mit jedem Klick und jeder Bewegung auf einer Website geben Nutzer Auskunft darüber, was sie interessiert und was nicht. Das ist die individuelle Customer Journey. Und diese reicht über die Nutzung von Websites weit hinaus, weil heute eine Vielzahl an Produkten und Alltagsgegenständen digitale Daten speichern kann.

Und Datenanalyse offenbart Charakterzüge. Wichtig ist nicht, ob eine rote, eine grüne oder eine blaue Darstellung eines Produkts mehr Umsatz generiert hat, sondern welche Darstellung bei welchem Kunden mehr Umsatz generiert hat. Das zu begreifen ist zentral für das Verständnis von Big Data. Erst der Kontext eines Nutzers, kann die erfolgsrelevanten Informationen enthüllen.

Die Frage lautet also: Was für ein individuelles Muster entsteht bei welchem Nutzer? Ist dieser Mensch sicherheitsorientiert oder risikofreudig, eine graue Maus oder möchte er am liebsten Everybody‘s Darling sein? Sicherheitsorientierte Nutzer reagieren beispielsweise eher auf Blautöne und Erklärungshilfen. Leute die sich rasch für eine Sache entscheiden wollen, fühlen sich von viel Text eher gestört. Die Produkte geben also Aufschluss über das Verhalten einer Person. In Folge können Daten in Segmente und Gruppen zusammengefasst werden. Das Ziel sind maßgeschneiderte und individualisierte Produkte und Dienstleistungen.

Datenschutz-Grundverordnung

Doch nicht alles was technisch möglich ist, ist auch rechtlich erlaubt. Daten-Nutzung ist nicht uneingeschränkt möglich. Neben einer Vielzahl von Rechtsvorschriften ist insbesondere der Datenschutz zu berücksichtigen. Die Europäische Union hat das Datenschutzrecht vereinheitlicht und so wird im Mai 2018 die Datenschutz-Grundverordnung (DS-GVO) für alle Unternehmen relevant, die personenbezogene Daten verarbeiten – und das sind Daten, die eine Person eindeutig identifizierbar machen.

Die Regelungen sind streng und damit diese auch wirklich eingehalten werden, sind hohe Strafen bei Verstößen vorgesehen. Daher ist es unumgänglich, dass sich Unternehmen darüber informieren, wie sie mit Daten umgehen. So wird beispielsweise im Vorfeld gefragt: Benötigen wir den direkten Personenbezug tatsächlich für diesen oder jenen Prozess, oder können unsere Analysen auch auf anonymisierte oder pseudonymisierte Weise durchgeführt werden?

Gesundheitsdaten beispielsweise zählen zu den besonders schutzwürdigen Daten nach der DS-GVO. Für die Verarbeitung sind besondere Zustimmungserfordernisse gegeben. Zugleich aber lässt sich gerade mit diesen Daten Nutzen stiften. Man denke an Diätpläne im Gesundheitssektor, an die Nahrungsmittel-Industrie, den Sportbereich, Arbeitsbedingungen, oder die Arbeit mit Kindern. 

Digalisierungsstategie

Alles in allem gilt: Nur wenn die richtigen Daten in strukturierter Form vorliegen, sind qualitätsvolle Analysen möglich. Dafür wird der eigene Datenbestand bewertet, geordnet und ergänzt. Damit kann dieser im Rahmen einer unternehmenseigenen Gesamtstrategie genutzt werden.

Ein Spezialist formuliert es so: „Auf Basis enormer Datenmengen aus unterschiedlichsten internen und externen Quellen (Big Data) werden mit Hilfe aktueller Technologien erstaunliche Erkenntnisse gewonnen, die in die Planung und Steuerung von Marketing und Betrieb einfließen.“

Entscheidend ist, dass sich Unternehmen über Chancen und Risiken von Big Data informieren, ihre Möglichkeiten im Rahmen von Digitalstrategien bewerten und Möglichkeiten künstlicher Intelligenzen nutzen, um aus Big Data Smart Data zu machen. Daten nämlich, die maßgeschneiderte Produkte ermöglichen. Und das gilt praktisch für alle denkbaren Bereiche der Wirtschaft. Vom hochindustrialisierten Automobilkonzern bis zur Hutmacherin, die ihre Werke in Handarbeit erstellt.

*Dr. Elisabeth Hödl ist promovierte Juristin, Spezialistin für IT-Recht, Zukunftsfragen und Digitalstrategien. Sie unterrichtet Datenschutzrecht an der FH-Joanneum und ist bei der Styria Media Group AG beschäftigt.

Auf den Geschmack gekommen?

Kommentar verfassen