SKOPOS Webinar 22. Mai 2018

Transkript

1 SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development

2 2 So? Terminator Exhibition: T-800 by Dick Thomas Johson CC BY 2.0

3 Oder so?

4 Was ist KI? 4 When it s fundraising, it is Artificial Intelligence When it s hiring, it is Machine Learning When it s implementing, it is linear regression. -- Amjad Abu-Rmileh (

5 Was ist KI? 5 Artificial Intelligence is Human Intelligence put into a machine. -- Preriit Souda (Data Science Director, Kantar Analytics UK)

6 Was ist KI? Was ist Machine Learning? 6 Künstliche Intelligenz Allgemeine KI (General AI) vs. Spezifische KI Maschinelles Lernen (Machine Learning) Von Allgemeiner KI sind wir noch weit entfernt Selbst spezifische KI kann nicht alle Erwartungen erfüllen, die heute an sie gestellt werden

7 Was ist KI? Was ist Machine Learning? 7 Hat rasante Entwicklung in den letzten Jahren gemacht, insbesondere bei der Verarbeitung von Bildern und Videos Deep Learning: Vorhersagen bei nicht-linearen Zusammenhängen Hat aber auch Grenzen, unter Anderem: Sehr hungrig in Bezug auf Trainingsdaten Kann schlecht außerhalb von Trainingsdaten vorhersagen Kann nicht auf Veränderungen reagieren

8 Zwei Arten von Machine Learning 8 Supervised Learning Unsupervised Learning Algorithmen werden mittels Trainingsdaten trainiert Die wahre Lösung ist bekannt Beispiel: Bilder von unterschiedlichen Tieren, die vorab von Hand korrekt klassifiziert wurden Wahre Lösung in den Daten ist unbekannt Struktur-suchende Verfahren Beispiel: Klassische Clusteranalyse Themen-Modellierung

9 KI / Machine Learning in der Marktforschung 9 Was heißt das für die Marktforschung?

10 KI / Machine Learning in der Marktforschung 10 Ziele in der Datenanalyse Prediction / Vorhersage Information / Inferenz Fokus von Machine Learning Hier konnten Erfolge durch Deep Learning erzielt werden Deep Learning: erklärt nicht welche Aspekte der Trainingsmenge relevant waren ( Black Box ) Fokus von empirischer Forschung Wir wollen verstehen wie Dinge zusammenhängen: Was sind die wichtigsten Treiber für unsere Markenstärke? Unser Ziel: Verbindung dieser Ansätze

11 KI / Machine Learning in der Marktforschung 11 These: In der Marktforschung können wir von Künstlicher Intelligenz durch Automatisierung profitieren. Sie wird uns nicht ersetzen.

12 Beispiel: Text Analytics 12 Analyse offener Angaben Was können wir tun, um unseren Service für Sie zu verbessern? Wortfrequenzen Manuelle Codierung Automatische Codierung Topic Modelling

13 Beispiel: Text Analytics 13 Automatische Codierung Unterstützung des Codierungsprozess durch automatische Codierung Manuelles Training ( Beispiele, je nach Anzahl Codes) Supervised Learning: Vorschläge für weitere Codes, manuelle Kontrolle 50 90% Genauigkeit, je nach Komplexität des Projekts

14 Beispiel: Text Analytics 14 Topic Modelling Aufdecken von Themenkomplexen und relevanten Schlagwörtern Unsupervised Learning: Wir wissen vorher nicht, welche Themen es gibt Statistische Modelle, um Zusammenhänge zwischen Wörtern zu identifizieren Können einen guten ersten Überblick geben, wenn sehr viele Daten vorliegen

15 Beispiel: Text Analytics 15 [0, 0, 1, 1, 0, 1, 0] [0, 1, 2, 1, 0, 0, 1] [1, 2, 1, 0, 1, 0, 1] Text Analytics ist Bereich mit vielen Tools und Anwendungsmöglichkeiten Zentrale Frage: Was kann uns tatsächlich einen Mehrwert für die Analyse geben? Language Translation Automatische Übersetzung von 35 Sprachen in Deutsch oder Englisch Sentiment Analysis Positive und negative Äußerungen in Texten identifizieren und auswerten Keyword Extraction Identifikation von relevanten Stichwörtern in offenen Texten Tone Analyzer Stimmungen (Freude, Wut, etc.) von Antworten und Freitexten erkennen Topic Modeling Erkennung von latenten Themen auf Basis von Keywords Automatisiertes Coding Mittels supervised Learning zuverlässig Codierungen automatisieren

16 Advanced Analytics 16 Integration von Befragungs- und Sekundärdaten: Neues Potenzial für Marktforschung Befragungsdaten zeigen nur einen Ausschnitt In Kombination mit weiteren Datenquellen können weitergehende Erkenntnisse gewonnen werden Treiberanalysen Predictive Modeling Segmentierung Anomaly Detection Einkaufshäufigkeit Zufriedenheit mit Service Shop- Image Zufriedenheit!

17 Data SKOPOS 17 Wir verstehen Data Science als vielschichtigen Prozess, um konkrete Fragestellungen zu beantworten Data Consulting Automatisierung der Verarbeitungs- und Analyseprozesse Daten-Integration Text Understanding Advanced Analytics Daten-Visualisierung

18 Fazit 18 These: Data Science, mehr Datenquellen und hohe Automatisierung ermöglichen neue Geschäftsfelder für Marktforscher und Unternehmen.

19 Fazit 19 Marktforschung qualitativ und quantitativ erfordert ein Verständnis von Bedürfnissen Verbindung von Kreativität, Erkenntnissen und Theorien Die Anforderungen werden sich verändern Marktforschung wird bestehen bleiben

20 Danke für Ihre Aufmerksamkeit! 20 Christopher Harms Consultant Research