Im Jahr 1907 wurde die Royal Dutch Shell Gruppe gegründet. Ein Konzern, der seit über 100 Jahren existiert. Sie haben in all der Zeit weltweit Fabriken und Raffinerien gebaut, Land gekauft, Forschung betrieben, in Maschinen investiert und neue Quellen erschlossen. In fast der gesamten Zeit wurden gute Gewinne eingefahren. Das Vermögen ist stetig gewachsen. Dennoch
Im Jahr 1907 wurde die Royal Dutch Shell Gruppe gegründet. Ein Konzern, der seit über 100 Jahren existiert. Sie haben in all der Zeit weltweit Fabriken und Raffinerien gebaut, Land gekauft, Forschung betrieben, in Maschinen investiert und neue Quellen erschlossen. In fast der gesamten Zeit wurden gute Gewinne eingefahren. Das Vermögen ist stetig gewachsen. Dennoch ist diese Firma bei weitem nicht so viel Wert wie Facebook bzw. Meta, welches erst 2004 gegründet wurde und erst nach mehreren Jahren Gewinne abwarf. Genaugenommen übertrifft das soziale Netzwerk den Wert um das Vierfache – mit 469 Milliarden USD. Wie kann das sein? Was macht Firmen wie Facebook, Google, Apple und Amazon so unendlich wertvoll?
Die Antwort ist schnell gefunden: es sind die Daten. Millionen bzw. Milliarden von Menschen nutzen diese Tools und geben dabei die eine oder andere Information über sich preis. Von deren Inhalt und hoher Qualität haben zahlreiche Branchen profitiert. Je genauer sie ihre Kunden kannten, umso besser kann man Produkte verkaufen. Die Datensammler sind dabei die Makler. Sie bieten Firmen den Zugang zur Platzierung von passgenauen Angeboten. Dabei wird eine Marge erzielt, die schier unfassbar ist. Meta´s Umsatz liegt bei circa 86 MRD USD, während Shell 261 MRD USD einfährt. Doch bei der Rendite gibt es gewaltige Unterschiede. Die Ölproduzenten müssen unzählige Investitionen in Anlagen und Ausrüstung tätigen, damit unterm Strich etwas hängen bleibt. Auf der anderen Seite stehen im Wesentlichen Server, ein paar Gebäude und Informatiker. Deren Arbeit wiederum lässt sich beliebig oft verkaufen. Daten sind nur digitale Größen. Ihre Reproduktion kostet gar nichts. Kein Wunder also, dass die einen relativ mühelos Geld machen, ohne größere materielle Risiken.
Was lernen wir daraus? Daten können wertvoller sein als Gold bzw. als Öl. Daher kommt diesem Thema in Zukunft eine riesige Bedeutung zu. Mit Hilfe der richtigen Daten lassen sich Umsätze steigern, Zielgruppen identifizieren und jegliche Art von wirtschaftlicher Aktivität optimieren. Fachleute auf diesem Gebiet sind gefragt wie nie. Wer sich jetzt zum Beispiel für einen Data Science Master entscheidet, der setzt auf jeden Fall auf ein gutes Pferd. Wenn auch Sie eine Koryphäe werden wollen, dann helfen wir auf die Sprünge mit einem guten eBook: „Handbuch Data Science: Mit Datenanalyse und Machine Learning Wert aus Daten generieren.“
Daten zum eBook:
Autor: Stefan Papp
Herausgeber: Carl Hanser Verlag GmbH & Co. KG; 1. Edition (11. Juni 2019)
Seitenzahl der Printausgabe: 320 Seiten
ISBN-10: 3446457100
ISBN-13: 978-3446457102
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Zum Buch-Inhalt von „Handbuch Data Science“
Man muss sich die Datenanalyse ein wenig so vorstellen, wie eine Goldmine, aus der man versucht das Beste herauszuholen. Hierbei gibt es zwei Schienen, die über den Erfolg bestimmen werden: Auf der einen Seite ist es wichtig so viel von einem Rohstoff zu erzeugen, wie es nur möglich ist. Erst im zweiten Schritt macht man sich dann darüber Gedanken, wie man deren Verwertung optimiert.
Dieser Idee wird im eBook Rechnung getragen. Es finden sich einige Kapitel darüber, wie man Daten gewinnen kann. Dabei wird erklärt, welche Kanäle oder Quellen einem dafür zur Verfügung stehen. Zudem erfahren Leser:innen mit welchen technischen Möglichkeiten dieser Vorgang so effizient wie möglich erfolgt. In dieser Hinsicht gilt immer die Regel: je mehr, desto besser. Je detaillierter das Datenmaterial ist, desto mehr lässt es sich verwerten. Dabei geht es nicht nur um persönliche Daten von Menschen. Viel mehr sind alle Daten relevant. Finanzkennzahlen, Aktienkurse, Mengen von irgendwas, Preise, Statistiken aller Art. Warum? Weil es bei der Datenanalyse darum geht aus diesem riesigen Haufen Zahlen und Fakten Zusammenhänge zu erkennen. Vor allem jene, von denen keiner wusste, dass sie existieren. Mit ihnen lässt sich das richtig große Geschäft machen. Dass das nicht nur für Facebook und Google gut funktioniert beweist zum Beispiel der Finanz-Gigant Blackrock. Mit Hilfe von riesigen Rechnerkapazitäten erschufen sie ihre Aladdin-Technologie. Sie verarbeitete riesige Mengen Finanzdaten und fand auf diesem Wege automatisiert Firmen, die massiv unterbewertet waren oder viel zu hoch gehandelt wurden. Mit den Erkenntnissen waren sie an der Börse erfolgreicher an als die Konkurrenz und wurden zu einer der größten Vermögensverwalter der Welt.
Und damit zeigt sich, woraus der Wert der Daten besteht. Es geht darum sie in Zusammenhang zu bringen, Gemeinsamkeiten zu finden, Abhängigkeiten und Korrelationen aufzudecken. Amazon hat dies auf revolutionäre Weise vorgeführt, indem sie auf ihren Verkaufsseiten Empfehlungen gaben. Sie kennen es sicherlich heute noch: „Kunden, die diesen Artikel gekauft haben, kauften auch das hier…“ Der Erfolg war riesig.
Je nach dem, welcher Art die Rohdaten sind, müssen verschiedene Fachleute Wege finden, um eine Systematik darin zu erkennen. Das können Mathematiker sein, Experten für Wirtschaft oder Psychologie und viele andere mehr. Facebook zum Beispiel hat vor einigen Jahren berichtet, dass sie anhand von nur wenigen Vorlieben ihrer Mitglieder in den USA erkennen können, wer Demokraten und wer Republikaner wählen wird. Psychologische Analyse in der reinsten Form.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Hier wird also das große Geld verdient. Auswertungen, Analysen und stochastische Untersuchungen bringen Licht ins Dunkel. Nun wird deutlich, warum die Menge der erzeugten Daten in direktem Zusammenhang mit der Qualität der Analyse die Rendite so gravierend steigert.
Ein wichtiges Thema wäre da aber noch anzusprechen. Angesichts der immensen Menge der zu verarbeitenden Informationen wäre es undenkbar, wenn das jemand manuell macht. Stattdessen wird viel Aufwand betrieben, um maschinelles Lernen und künstliche Intelligenz voranzutreiben. Warum? Weil die Auswertung von Daten immer einer gewissen Logik folgt. Bringt man den Algorithmen bei systematisch vorzugehen, dann ist der Jackpot geknackt. In diesem Fall kann man die Computer einfach von alleine arbeiten lassen und sie suchen dann von sich aus nach Zusammenhängen zwischen Rohdaten. Dabei werden Dinge entdeckt, die man vorher vielleicht gar nicht vermutet hätte und nach denen man auch nie suchen würde.
Ein anschauliches Beispiel wäre ein Computer, der mit zahlreichen volkswirtschaftlichen oder medizinischen Statistiken gefüttert wird. Dieser könnte zum Beispiel überraschend aufzeigen, dass in Zeiten von Arbeitslosigkeit bestimmte Krankheiten viel öfter auftreten, von denen man vorher nicht wusste, dass es einen Zusammenhang gibt.
Auf jeden Fall sollte klar sein: ungeheuer viel ist möglich. Daten sind heute die wichtigsten Rohstoffe, die es gibt. Natürlich funktioniert eine Welt ohne Rohstoffe nicht. Doch ihre Menge ist begrenzt, ihr Abbau ist kostspielig. Mit ihnen ist es kaum möglich eine Firma neu zu eröffnen und binnen kurzer Zeit Berge von Milliarden zu verdienen, so wie es Apple, Google, Meta, Blackrock und Amazon mit Daten vorgemacht haben.
Fazit
Ein gutes eBook, dass die Leser sehr umfangreich informiert. Es enthält eine gigantische Menge an Informationen, die Studierenden oder Fachleuten auf dem Gebiet nützliche Tipps und wichtiges Wissen vermitteln werden. Es kann eine solide Grundlage verschaffen. Zudem bietet es sinnvolle Anregungen, um sich auf einzelne Teilgebiete des Datenmanagements zu spezialisieren. Denn eines ist klar. Kaum jemand ist in der Lage eine so hoch komplexe Sache allein zu bewältigen. Vor allem nicht in großen Unternehmen, wo jeden Tag gigantische Mengen von Informationen aus diversen Quellen sprudeln.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
