Matching Algorithmen.» Algorithmus mit Sexappeal - Machbarkeit und Vision in Produktion, Projektplanung und Personalwesen «

Transkript

1 Matching Algorithmen» Algorithmus mit Sexappeal - Machbarkeit und Vision in Produktion, Projektplanung und Personalwesen «KTC Innovations Quarterly Ausgabe 01/2015

2 kompetent ehrlich zuverlässig

3 Innovations Quarterly 04/2015» Inhaltsverzeichnis Vom Eros der Mathematik «4» Vom Date über die Verbrecherdatenbank, in die Produktion «5» Omnia Tempora - die Königsdisziplin «6» Auf der Suche nach dem perfekten Algorithmus «7» Strukturell, relational oder graphenbasiert «8» Mal angenommen Sie suchen... «9» Nachhaltige Mehrwerte für unsere Kunden «10 3

4 Vorwort» Vom Eros der Mathematik «Intelligente Projektsteuerung, anhand derer sich optimale Resultate erzielen und dabei Kosten und Risikofaktoren minimieren lassen - was vor einigen Jahren noch unvorstellbar in der Umsetzung war, ist heute greifbar nah. Matching-Algorithmen heißt das Zauberwort. Ob das perfekte Date, die optimale Bestellmenge oder den Tätern auf der Spur, Matching-Algorithmen sind in fast allen Bereichen auf dem Vormarsch. Wie die Zukunft bereits heute aussieht und welche Möglichkeiten uns die cleveren Graphen langfristig bieten, ist Thema der aktuellen Ausgabe von Innovations Quaterly. Innvoations Quarterly ist eine Auskopplung unserer Ergebnisse, die im Zuge einer gezielten Aufarbeitung unserer Forschungsprojekte enstand und quartalsweise einen Überblick über die neusten Trends und Entwicklungen aus den Business Bereichen Management und Technical Consulting liefert. Das Thema zu dieser Ausgabe lieferte uns ein Forschungsprojekt, das wir unter dem Arbeittitel Omnia Tempora durchgeführt haben.. Omnia Tempora ist ein vielversprechender Ansatz im Bereich der projektbezogenen Arbeit, der einen weiteren Meilenstein auf dem Gebiet des Matchings darstellt und künftig als ein elemntares Tool in der Projektplanung seinen Einsatz findet. Christian Wild und Marek Šiller, KTC Business Manager Management und Technical Consulting 4

5 Ungewöhnlicher Karrieresprung» Vom Date über die Verbrecherdatenbank, in die Produktion «Wird oft zusammengekauft,..., hinter diesem Einkaufshinweis steckt ein Matching-Algotithmus, der ausgehend vom bisherigen Kaufverhalten die größtmögliche Relation zwischen dem Kundenwunsch und den Angeboten des Shops abbildet. Der Clou: Es handelt sich beim Ergebnis um Wünsche, die der Käufer oftmals selbst noch nicht in Betracht gezogen hat, dabei jedoch meist potenzielle Treffer darstellen. Dem Kunden den Wunsch quasi von den Augen ablesen, bedarf nicht mehr länger Mentalistenfähigkeiten. Die von Partnersuchportalen bekannten Dating-Algorithmen können jedoch noch viel mehr als anhand unserer Vorlieben Werbung und Internet-Recherchen zu personalisieren oder den passenden Partner zu finden. Wer in sozialen Netzwerken Fotos hochläd, wird immer häufiger gefragt, ob die abgebildeten Personen mit dem Post verknüft werden sollen. Die Gesichter sind meist mit Rahmen hervorgehoben und zusätzlich schon mit einem Nutzerverschlag versehen. Was uns als spielerisches Gimmick im Alltag begegnet, wird bereits tagtäglich an Flughäfen zur Kriminalitätsbekämpfung eingesetzt. Die Ähnlichkeitsanalyse sowie der Fingerabdruckabgleich sind dabei nur zwei Beispiele. Auch in Produktion, Logistik und Personendisposition haben Matching-Algorithmen längst Einzug gehalten. Lagerungszeiten werden Dank ihnen minimiert, Transportwege und Bestellvorgänge optimiert und effizienter. 5

6 Matching 2» Omnia Tempora - die Königsdisziplin «Matching Algorithmen, die Konsequenz steigender Komplexität Viele Zuordnungsprobleme sind aufgrund der Datenfülle längst nicht mehr manuell zu lösen. Auch die meisten automatisierten Matching-Lösungen liefern bislang noch keine optimalen Ergebnisse. Im Rahmen des Forschungsprojekts Omnia Tempora forscht die KTC an einem intelligenten Lösungs-Algorithmus zur automatisierten Aufstellung eines Projektteams, ausgehend von ihren Fähigkeiten, der Verfügbarkeit sowie der personellen Konstellation und etwaiger Interdependenzen und Hierarchien. der Analyse-Funktionen lassen sich verschiedene Statusauswertungen ausgeben. Ein wesentliches Kriterium des Entwicklungsvorhabens war die Verarbeitung und Ausgabe, nahezu in Echtzeit. Ein möglichst schlanker Algorithmus sollte diese Anforderung gewährleisten. Dazu sollte die Anwendung hinterher in der Lage sein die Lösungsmenge skalierbar begrenzen zu können. Omnia Tempora ist aktuell in der Beta-Version bei einer der führenden Personalvermittlungsagenturen im Einsatz. Unsere Antwort - Omnia Tempora Wie sollte ein optimales Projektteam aussehen? Maximale Qualifiaktion der Mitarbeiter für die entsprechende Aufgabe, gewährleistete Verfügbarkeit im Falle großer Konzerne, nicht nur zeitlich sondern auch räumlich. Darüber hinaus sollten die Skills den Anforderungen entsprechen und es wäre nicht schlecht, wenn Personen, die bereits des öfteren gut im Team zusammengearbeitet haben, auch bei einem neuen Projekt wieder zusammen performen könnten. Mit Omnia Tempora wird eine Software as a Service (SaaS) für den Kunden zur Verfügung stehen, die aus einer Vielzahl von Personen, anhand deren Skills, Verfügbarkeit und anderer Kriterien, das optimale Projektteam ermittelt. 6 Zudem wird es in der Lage sein projektspezifisch die Arbeitszeiten zu erfassen. Mithilfe

7 It ain t Greedy» Auf der Suche nach dem perfekten Algorithmus «Schnell sollte er sein und dabei den Task, schrittweise innerhalb eines Graphen, ausgehend vom Startknoten, zu allen weiteren Knoten zu laufen, bis alle verbundenen Knoten durchlaufen wurden, optimal lösen. Dabei haben die bekannten Greedy-Algorithmen, ihren Nachteil in der Sorgfalt. Zwar arbeiten sie äußerst schnell, lösen aber ihre Aufgaben nicht immer optimal und disqualifizeirten sich so für unseren gleichzeitig ergebnisorientierten Ansatz. Bellman-Ford, der ewige Kreis Bellman-Ford-Algorithmen haben ihre Stärke im Finden des kürzesten Pfades. Auch erlauben sie negative Verbindungen zwischen zwei Verbindungen und das in einer guten Zeit. Was Zyklen angeht, stoßen sie aufgrund ihres Suchverhaltens schnell an ihre Grenzen, denn durch die Möglichkeit negativer Gewichtungen unendliche Kreisläufe erzeugt werden würden. Da unser Projekt negative Gewichtungen von vorne herein ausschließt, wurde der Bellmann-Ford Algorithmus zumindest in Betracht gezogen, wenn auch vorerst hinten angestellt. Dijkstra-Algorithmus, schnell und kantig O(n*log(n)+m), so lautet die Beschreibung der Laufzeit des Dijkstra-Algorithmus. n entspricht dabei der Anzahl der Knoten, m repräsentiert die Kanten. Die Ausführungszeit verändert sich bei steigender Datenmenge lediglich geringfügig und seine Ergebnisse liefern die größtmögliche Schnittmenge. All das machte den Djikstra-Algorithmus zum perfekten Kandidaten für unser Vorhaben. Vergleich der Laufzeit verschiedener Matching-Algorithmen bei 100 Knoten Bellmann Ford Boruvka Dijkstra Benötigte Zeit (relativ) Anzahl der Kanten 7

8 Eine Frage der Datenbasis» Strukturell, relational oder graphenbasiert «Anforderungen und Herausforderungen Der Aufbau der richtigen Datenstruktur, immer im Hinblick auf den verwendeten Algorithmus, ist essentiell um bestmögliche Voraussetzungen für das Projektziel zu schaffen. Die Auswahl der richtigen Datenbank ist dabei ein wichtiges Kriterium. Relational = Kryptonit für Dijkstra Relationale Datenbanken, kurz gesagt: Eine Sammlung von Tabellen, die Datensätze und Attribute enthalten, haben ein entscheidendes Manko, sie erschweren die Darstellung von Relationen innerhalb komplexer Daten und bremsen unseren Algorithmus aus. Auch die Richtigkeit des Ergebnisses wird mit zunehmendem Datenaufkommen und Komplexität verfälscht. Graphendatenbank weil relational hier nicht taugt. Eine bereits auf Knoten basierende Graphendatenbank, arbeitet dagegen unserem Algorithmus direkt zu. Ausgehend vom Knoten, beispielsweise einer Person und deren Verbindungen (Kanten), lassen sich direkt Attribute zuordnen und vereinfachen komplizierte Datenabfragen. Eine zusätzliche Gewichtung der Kanten unterstützt zudem die Bewertung der Suchabfrage. 8

9 Ein Beispiel sagt mehr als Worte» Mal angenommen Sie suchen... «Eine Person für Ihr Projekt-Team, die Kaffee nicht nur gern trinkt, sondern perfekt in Coffee scripted. Der Algorithmus nimmt die Fährte auf. Er beginnt bei einem Knoten des Skills Language Coffee Script. Von diesem Ausgangspunkt sucht er die Person, welche Coffee zu 100% beherrscht. Zudem bildet er noch zusätzlich Verbindungen zu weiteren verwandten oder gar nachfolgen Programmiersprachen Skills her, die in Verbindung mit dem gesuchten Attribut stehen und bildet diese mit einer entsprechenden Wertigkeit ab. In unserem Beispiel beherrscht die gefundene Person zu 100% Coffee Script, zeigt aber darüber hinaus noch eine Verbindung zwischen Coffee-Script (B) und einer weiteren Sprache C, die mit B in Verbindung steht. Dabei ist Sprache B zu 80% mit C identisch. Damit bekommt die Kante eine Gewichtung von 0,8. Des weiteren erkennt unser Algorithmus, dass diese Person Programmiersprache C ebenfalls zu 100% beherrscht Die Suche verlangte jedoch explizit nach Sprache B. Unser Personentreffer bekommt die Gewichtung 1,0, welche zum Attributs-Treffer 0,8 multipliziert wird. Darüber hinaus wird auch ein Treffer für die Sprache C ausgegeben. 9

10 Impressum» Nachhaltige Mehrwerte für unsere Kunden «Neu, Trendy und immer am Puls der Zeit, aber bitte nur vom Feinsten - Unsere Diestleistungen in den Bereichen Technical und Management Consulting sind lege artis und basieren allesamt auf dem neusten technologischen Stand. Damit erzielen wir zukunftsorientierte Ergebnisse und schaffen nachhaltige Mehrwerte für unsere Kunden. KTC - Karlsruhe Technology Consulting GmbH Augartenstraße Karlsruhe 10 Tel: Fax: Mail: info@k-tc.de Web:

11 die Zukunft gestalten