ESTREL HOTEL BERLIN
13.- 14. NOVEMBER 2018

VON DER VORHERSAGE ZUR ENTSCHEIDUNG

Referenten CloseUp – Steffen Wagner, Senior Data Analyst, INWT

Hr. Wagner

Hallo Herr Wagner, Sie sind Senior Data Analyst bei der INWT Statistics GmbH. Welche Relevanz hat die Predictive Analytics für Ihre Arbeit?  Wie setzen Sie Predictive Analytics ein und welches sind Ihre Ziele für diesen Bereich im nächsten Jahr? 

Unser Tagesgeschäft besteht neben dem Thema Predictive Analytics auch zu großen Teilen aus statistisch-analytischen Fragestellungen. Der Bereich Predictive Analytics gewinnt aber immer weiter an Bedeutung, gerade durch die verbesserten Möglichkeiten zur Aussteuerung von Online-Marketing Maßnahmen in Echtzeit (RTB). Neben diesem Thema spielen für unsere Kunden z.B. die Planung des Mitarbeiterbedarfs oder Churn Prevention eine wichtige Rolle.

Laut der Harvard Business Review ist der Job des Data Scientist der attraktivste Job des 21. Jahrhunderts. Was macht diesen Beruf so sexy? 

Dem Statistiker William Edwards Deming wird das Zitat zugeschrieben ‚In God we trust, all others bring data.‘ Und als Data Scientist ist man eben in der schönen Lage, dieser Bringschuld gerecht zu werden. Dadurch kann man in Diskussionen unterschiedlichster Art stets mit quantitativ fundierten Argumenten punkten. Zudem umgibt den Data Scientist ja auch immer ein bisschen die geheimnisvolle Aura, die Daten-Kristallkugel lesen zu können.

Sie sprechen auf der Predictive Analytics World am 4.-5. November in Berlin. Der Titel Ihrer Session ist “Predictive Customer Journey: Von Attribution zu Kaufwahrscheinlichkeit und Umsatzprognosen”. Warum ist dieses Thema so wichtig und relevant? 

Das Versprechen des Online-Marketings besteht ja gerade in der Messbarkeit der Werbewirkung. Aktuell ist es allerdings gängige Praxis, die gewonnenen Daten zum allergrößten Teil ausschließlich für die retrospektive Beurteilung von Marketingentscheidungen zu verwenden. Mit dem Thema Predictive Customer Journey zeigen wir, wie die über viele Kontaktpunkte gesammelten Daten zur Prognose zukünftigen Verhaltens und damit zur pro-aktiven Steuerung in Echtzeit im Online-Marketing verwendet werden können.

Was können die Konferenzteilnehmer von Ihrem Vortrag erwarten – und was erwarten Sie von den Teilnehmern? 

Neben technischen Aspekten werde ich stark auf den informativen Wert einzelner Journey Daten eingehen, da dies ja nicht nur maßgeblich für die Prognosegüte unserer Modelle ist, sondern auch Einblick in die durch die Daten beschriebenen Kaufentscheidungsprozesse ermöglicht. Als Sprecher freut man sich natürlich immer über kritische Anmerkungen, die helfen, die eigene Herangehensweise zu hinterfragen und weiter zu verfeinern.

Big Data ist immer noch ein aktuelles Thema in 2014. Was glauben Sie? Ist dies nur ein Hype oder bringt dies eine bedeutende Veränderung für Predictive Analytics? Was bedeutet Big Data für Ihr Geschäftsfeld und können Sie Analytics bereits heute auf einem Big Data Level anwenden? 

Rafael Irizarry, Professor in Harvard, macht auf Simply Statistics deutlich, dass das Thema Big Data weniger mit einer sprunghaft gestiegenen Verfügbarkeit von Daten zu tun hat, sondern mit der Intensivierung der Datennutzung. Und auch Hal Varian, Chief Economist bei Google, bestätigt, dass ihm für die Analyse vergleichsweise ‚kleine‘, auf Stichproben basierende und dadurch mit SQL handhabbare Datensätze für die Analyse genügen. Das bestätigt auch unsere Erfahrung, dass dieser Ansatz, der ohne riesige Investitionen in die technische Infrastruktur auskommt, sehr vielversprechend und empfehlenswert ist.

Was kommt nach Big Data und welche Trends (web/digital) werden Predictive Analytics voraussichtlich in den nächsten 1-2 Jahren prägen? 

Ich denke, dass das Zusammenführen proprietärer und öffentlich zugänglicher Daten, z.B. aus dem Semantic Web, ein großes Potenzial zur Verbesserung von Predictive Analytics bietet. Als ich kürzlich mit meinem Sohn über die Preise von Legobausätzen diskutiert habe, war ich überrascht, was für eine umfangreiche Lego Datensammlung über diverse Webseiten und APIs problemlos abruf- und damit analysierbar war.

Und eine weitere persönliche Frage: was ist Ihr favorisiertes Prediction Tool oder Methode? Und warum?

Das ist selbstverständlich R. Erst die riesige, hinter R stehende Open Source Community gibt uns die Möglichkeit, Daten aus unterschiedlichsten Quellen einzulesen, zusammenzuführen und zu analysieren. Ohne diese Integrierbarkeit verschiedenster Schnittstellen und ohne das hohe Maß an Automatisierbarkeit, das R bietet, wäre unser Tagesgeschäft de facto nicht durchführbar. Die von uns favorisierten Methoden richten sich natürlich auch direkt an der konkreten Fragestellung aus. Besonders spannend ist es, verschiedene Techniken und Verfahren gegeneinander zu testen.

Vielen Dank, dass Sie sich Zeit genommen haben! Wir freuen uns, Sie bald in Berlin begrüßen zu dürfen und sind schon sehr gespannt auf Ihren Vortrag „Predictive Customer Journey: Von Attribution zu Kaufwahrscheinlichkeit und Umsatzprognosen“ auf der Predictive Analytics World.