Big Data und KI 3

Ausgewählte Big-Data-Szenarien in der Praxis

• Unternehmen haben heutzutage große Datenmengen aus allen Geschäftsbereichen.
• Es ist wichtig, den erwarteten "Business Insight" klar zu definieren, um geschäftsrelevante Erkenntnisse zu gewinnen.
• Der Aufbau einer Big-Data-Lösung sollte sich auf einen spezifischen Anwendungsbereich (Use Cases) konzentrieren.
• Erst danach sollte man konkrete Technologien oder Analysemethoden auswählen.
• Die Analyse strukturierter und unstrukturierter Daten, prädiktive Analysen, maschinelles Lernen und künstliche Intelligenz trägt zu einem strategischen Wettbewerbsvorteil bei.
• Die Nutzung der Daten aus strategischer Sicht steht im Vordergrund.

Social Media

• Social Media ist ein klassischer Anwendungsbereich für Big-Data-Analysen, da große Datenbestände verfügbar sind.
• 2,8 Milliarden Nutzer (Stand 2020) sind monatlich auf Facebook aktiv und generieren Informationen, die für zielgerichtete Werbung und zur Verbesserung der Benutzererfahrung verwendet werden.
• Social Media-Erfahrung verändert sich für Nutzer, Werbetreibende und Unternehmen durch Big Data.

Zielgerichtete Kundenansprache

• Die Fähigkeit, Kunden zu erkennen und individuell zu behandeln, ist ein Erfolgsfaktor.
• Viele Kunden erwarten ein maßgeschneidertes und personalisiertes Erlebnis.
• Social-Media-Daten ermöglichen es Unternehmen, Kunden eindeutig zu erkennen und ihre Präferenzen zu berücksichtigen.
• Durch die Analyse von Social-Media-Daten können personalisierte Angebote, Rabatte und Bonusprogramme angeboten werden.
• Amazon nutzt Empfehlungen wie "Kunden, die dieses Produkt erworben haben, interessieren sich ebenfalls für..."

Nutzung von Social Media zur Verbesserung von Prognosen

• Die genaue Prognose von Kundennachfrage ist eine Herausforderung für Einzelhändler und Hersteller.
• Klassische Methoden sind Erfahrungswerte und datengetriebene Hochrechnungen zum Wachstum.
• Fortschrittliche statistische Modellierungen und maschinelle Lernverfahren können detaillierte Vorhersagemodelle konstruieren.
• Maschinelle Lernverfahren analysieren eine Vielzahl unterschiedlicher Einflussfaktoren.
• Social-Media-Daten liefern wertvolle Informationen, um diese allgemeinen Daten um individuumsbezogene Details zu ergänzen.
• Sentiment-Analyse bewertet Echtzeiteinblicke in die Zufriedenheit von Nutzern durch die Berücksichtigung von positiven oder negativen Erwähnungen.

Social Media-Analysen zur Generierung von Nachfragesignalen

• Unternehmen werden durch Social Media befähigt, effektive Prognosen zu erstellen.
• Einflussfaktoren für den Umsatz eines Produktes können durch Merkmalsanalyse identifiziert werden.
• Maschinelles Lernen hilft bei der Bestimmung und Gewichtung individueller Merkmale.
• Zielkundensegmente lassen sich mittels solcher Analysen eindeutig identifizieren.
• Ergänzend können die Auswirkungen der Kombination von Eingabedaten verschiedener Social Media-Plattformen analysiert werden.

Gesundheitswesen

• Technologie spielt eine wichtige Rolle im Kampf gegen Krankheiten, sowohl in der medizinischen Forschung als auch in der Behandlung und Pflege.
• Größere Entwicklungen der vergangenen Jahre sind unter anderem Telemedizin, medizinische Bildgebung, elektronische Gesundheitsakten und der Einsatz von Robotern.
• Big Data und künstliche Intelligenz revolutionieren die Gesundheitsbranche.
• Big Data im Gesundheitswesen wird schneller wachsen als in anderen Branchen.
• Es wird prognostiziert, dass Datemenge im Gesundheitswesen bis 2025 eine durchschnittliche jährliche Wachstumsrate von 36 % aufweisen wird.
• Die Analyse und effektive Nutzung helfen Leben zu retten, Kosten zu senken und die Effizienz von Abläufen verbessern.

Datengesteuerte personalisierte Medizin

• Herausforderungen bei der Nutzung von Big-Data-Analysen sind die Verfügbarkeit von Daten auf breiter Front und geeigneten Analysemethoden.
• Durch neue Datenquellen und Fortschritte im maschinellen Lernen stehen geeignete Tools zur Verfügung.
• Selbst kleine Verbesserungen in Behandlungsmethoden haben Auswirkungen auf die Senkung der Gesundheitskosten und die Verbesserung für die Patienten.
• Fortschrittliche Analysewerkzeuge können große Mengen von Behandlungsprotokollen und Ergebnissen untersuchen.
• Es können erfolgversprechende Muster und Subpopulationen identifiziert werden, die unterschiedlich auf Behandlungen ansprechen.
• Eine gezielte Medikamentenentwicklung und effiziente klinische Studien werden durch die Aufdeckung solcher Populationen ermöglicht.

Modellierung und Vorhersage von medizinischen Ereignissen

• Big Data und prädiktive Analysen unterstützen Fachleute bei der klinischen Entscheidungsfindung.
• Bei der prognostischen Modellierung zielen einige Modelle auf die Vorhersage zukünftiger Ergebnisse von Krankheiten ab.
• Die Ausbreitung von Krankheiten kann mithilfe von Modellen in der Bevölkerung vorhergesagt werden.

Früherkennung von Symptomen der Parkinson-Krankheit

• Wearables wie Fitness-Tracker, Smartwatches und Herzfrequenzmessguten sind verbreitet.
• Mit einer Vielzahl von Sensoren können diese zur Erfassung von Beschleunigungen, Erschütterungen, Luftdruck, Herzfrequenz und Blutsauerstoffgehalt ausgestattet werden.
• Apple Forscher haben einen Weg gefunden, die Symptome der Parkinson-Krankheit durch die Auswertung von Bewegungsdaten der Apple Watch zu erkennen.

Brain-Machine-Interfaces

• Das Unternehmen Neuralink arbeitet an der Entwicklung der sogenannte Brain-Machine-Interfaces.
• Das Ziel ist, eine Datenbasierte Schnittstelle zum menschlichen Gehirn zu etablieren.
• Das Unternehmen möchte mittels Gehirnimplantaten die menschlichen Fähigkeiten erweitern oder wiederherstellen.

Öffentlicher Sektor

• Lokale Regierungen, Bundesbehörden und Ministerien optimieren ihre Arbeitsabläufe durch datenbasierte Anwendungen.
• Dieselben Datensätze werden oft in mehreren Anwendungen gleichzeitig verwendet.

Erkennung von Betrug und Steuervermeidung

• Weltweit gehen jedes Jahr Milliarden von Dollar durch Steuerbetrug, Steuerhinterziehung, Nichteinziehung und Nichteinhaltung von Vorschriften verloren.
• Regierungen setzen zunehmend auf Big-Data-Analysen, um die Einhaltung dieser Vorschriften sicherzustellen und Steuerverschwendung zu beseitigen.

Verbrechensbekämpfung durch Predictive Policing

• Datenanalysen werden von Behörden genutzt, um Ermittlungsverfahren zu ergänzen und neue Möglichkeiten zur Verbrechensbekämpfung zu schaffen.
• Durch die Nutzung von statistischen Daten ist es möglich, Vorhersagen darüber zu treffen, wo Verbrechen wahrscheinlich stattfinden werden und wo sich Verdächtige wahrscheinlich aufhalten.
• Dieser Ansatz wird oft als "Predictive Policing" bezeichnet und hilft der Polizei, Verbrechen zu verhindern.

Nicht-prädiktive Verwendung von Verbrechensdaten

• Geografische Profiling wird verwendet, um die Basis für kriminelle Aktivitäten zu identifizieren.

Organisation des Gesundheitswesens

• Die Bereitstellung von qualitativ hochwertigen Dienstleistungen für ihre Bürger ist die vorrangige Aufgabe von Regierung.
• Regierungsbehörden können anhand von Daten im Gesundheitswesen den Bedarf einschätzen.
• Medizinische und umweltbezogene Daten weisen auch auf potenzielle Umweltgefahren, medizinische Trends oder Gesundheitsrisiken im Zusammenhang mit den regionalen Bedingungen hin.

Unterhaltungsindustrie

• Live-Streaming, Pay-per-View und abonnementbasiertes Fernsehen haben die Medienbranche dramatisch verändert.
• Big Data hilft Unternehmen, Zusammenhänge zwischen den TV-Entscheidungen von Kunden zu verstehen.
• Die Analyse, was bestimmte Inhalte beliebt macht, ist entscheidend für wichtige Geschäftsentscheidungen.

Vorhersage des Erfolgs von Filmen und TV-Serien

• Filmproduzenten können durch detaillierte Informationen einen bestimmten Film produzieren und vermarkten.
• Das Merlin System von 20th Century Fox analysiert mithilfe Maschinelles Lernen den Inhalt von Filmtrailern.

Content-Optimierung bei Netflix

• Netflix ist die größte Plattform für Video-Streaming weltweit mit mehr als 200 Millionen Nutzern.
• Netflix hat eine enorme Menge an Daten zu den Sehgewohnheiten seiner Nutzer.
• Netflix kennt seine Kunden sehr gut und hat nicht nur eine "Persona" oder Vorstellung davon, wie der durchschnittliche Kunde ist

Verbesserung des Zuschauererlebnisses durch Rich Content

• Durch ein genaueres Verständnis des Inhalts eines Films und einer Szene können dem Zuschauer weitergehende Informationen angeboten werden.
• Auf Knopfdruck wird die Wiedergabe eines Filmes pausiert und der Nutzer erhält Informationen zu den verschiedenen Themen wie Besetzung und Charaktere.
• Die Funktion „X-Ray“ des Streaming-Dienstes Amazon Prime macht Zusatzinformationen zu einer Szene verfügbar.

Internet of Things

• Neue Sensor-, Mobil- und Funktechnologien treiben die Entwicklung des Internets der Dinge (IoT) voran.
• Daten aus IoT-Systemen bieten vielversprechende Potentiale für Big-Data-Analysen.

IoT als treibende Kraft der Product-as-a-Service-Ökonomie

• Potential von Daten zur Nutzung eines Produkts hat zur Entstehung neuer Geschäftsmodelle geführt, die als Product-as-a-Service (PaaS) oder Servitization definiert.
• Unternehmen gehen vom Verkauf von Produkten zum Verkauf von Dienstleistungen über.
• Pay-per-Use bezeichnet ein Konzept, bei dem ein Verbraucher für die bloße Nutzung des Produkts bezahlt, anstatt das eigentliche Produkt zu kaufen.

Vorausschauende Wartung industrieller Maschinen

• Die Instandhaltung und Wartung industrieller Maschinen und Fertigungsanlagen ist eine anspruchsvolle Aufgabe.
• Datenerfassung in industriellen Anlagen ermöglicht eine vorausschauende Wartung.
• Techniken und Software für die vorausschauende Wartung haben sich im Laufe der Jahre weiterentwickelt

Nachverfolgbarkeit von Produkten in Logistik und Handel

• Handel & Logistik ist ein Schlüsselbereich, in dem das IoT als Basistechnologie großen Einfluss hat.
• Im Bereich der Logistik werden Funktechnologien wie RFID seit einiger Zeit erfolgreich zur Verfolgung von Containern, Paletten und Kisten eingesetzt.
• Andere Technologien zur Umsetzung von Indoor-Positionierungssysteme wie Beacons.

Banken- und Finanzbranche

• Die Digitalisierung in der Finanzbranche und der Siegeszug von Big-Data-Analysen, maschinellem Lernen und Künstliche Intelligenz verändern die Art.
• Der Einsatz von Big Data bezieht sich auf die Vielzahl an Daten, aus unterschiedlichen Quellen, die genutzt werden können.

Betrugserkennung und Geldwäschebekämpfung

• Banken und Finanzdienstleister nutzen intensiv Big-Data-Analysen.
• Durch die Anwendung von Analysen und maschinellen Lernens sind sie in der Lage, normale Aktivitäten basierend auf der Historie eines Kunden zu definieren.

Digitale Vermögensverwaltung mittels Robo-Advisor

• Robo-Advisor sind auf Algorithmen basierende Systeme, die automatisiert Trading- oder Anlagestrategien für den Finanzmarkt einsetzen.
• Mittels solcher Systeme lassen sich auch individuelle und beliebig komplexe Anlagestrategien automatisieren, die auf verschiedenen äußeren Bedingungen beruhen.

Marketing

• Big Data im Bereich Marketing bringt das große Potential mit sich, relevante Zielgruppen besser identifizieren, abgrenzen und individualisiert ansprechen zu können.

Optimierung von Marketing-Kampagnen

• Durch die Anwendung von vorausschauenden Analysen planen, entwickeln und setzen Unternehmen Marketing-Kampagnen besser um.
• Unternehmen erhalten umfangreiche Werkzeuge, um Maßnahmen zu überwachen und zu verbessern.

Kundensegmentierung und optimale Preisbildung

• Marken ermitteln den optimalen Preis, den ein Verbraucher für ein Produkt zu zahlen bereit ist, indem verschiedene Faktoren berücksichtigt werden.