Identifikation schwacher Signale durch Auswertung externer Daten

Transkript

1 Identifikation schwacher Signale durch Auswertung externer Daten Ralf Hennemann, GBI-Genios Deutsche Wirtschaftsdatenbank GmbH DGI-Praxistage, Frankfurt,

2 Inhalt 1 Wer wir sind 2 Erste Erfahrungen 3 Ausblick 2

3 Wer wir sind Spezialist für Informationslösungen: Recherchelösungen, Online-Archive, Mediatheken, individuellen Firmensolutions u.v.m. Erfahrener Partner bei der Datenaufbereitung, Datenanreicherung, Content- Erschließung Contentbroker für Ihre Inhalte. Vermarktung über unsere Portale an Unternehmen, öffentliche Einrichtungen, Hochschulen u.v.m. 3

4 Was wir haben Big Data Mehr als 400 Mio. Dokumente auf GENIOS.de Millionen Webseiten, Foren, Blogs + soziale Netzwerke Strukturierte Daten Handelsregister, Jahresabschlüsse, Firmenprofile, Bonitäten Unstrukturierte Daten Presse, Fachpresse 4

5 Die zentrale Frage Lars Trieloff, blueyonder, GENIOS Datenbankfrühstück

6 Wie funktioniert Wertschöpfung? Mehrwert entsteht durch das Verändern einer Ware auf eine Weise, die sie für den Kunden attraktiver und wertvoller macht. Wir schaffen keine neuen Inhalte, das tun unsere Content-Lieferanten Wir schaffen aus diesen Inhalten neue Werte 6

7 Indem wir Analysieren Presse => Firmen, Personen => Geschäftsvorfälle, Signale für Zuordnen Relevanz bewerten z.b. für Bonitätsentwicklung relevant oder nicht? Lorem ipsum => bedeutet z.b. neuer Standort wird eröffnet Komprimieren 7

8 Analytics that drive business decisions Im Browser 8

9 Big smart predictive Automatische Indexierung Textanalytische Ergebnisqualifizierung Signalgeber Predictive Analytics Intelligentes automatisches Verfahren Thesaurus-basiert Einheitlich Nicht Nutzerspezifisch Präzises Finden Interpretationsalgorithmen Natural Language Processing Verstehen statt Vergleichen Individueller Ansatz Basis für die Signalerkennung Identifikation und Verknüpfung von Signalen Presse und Social Media Neues Wissen Durch Analyse von Vergangenheitsdaten Erkennen wiederkehrender Muster Folgerichtige Interpretation Möglichkeit der Prognose 9

10 Erste Projekte Matching von Kundenstamm-Daten mit Presse / Fachpresse / Handelsregister Um welche Firma geht es hier? Die Aktie der abc Logistikfirma legte zwölf Prozent zu. Neue abc Fachschule in Gelsenkirchen geplant! Vor über 130 geladenen Gästen weihte der Max Muster, Geschäftsführer von abc Firma, die neuen Räumlichkeiten der Geschäftsstelle Mannheim ein. 10

11 Erste Projekte Wie entwickeln sich diese Kunden hinsichtlich? Risikoeinstufung vertriebsrelevanter Ansätze??? erfordert Erkennen von Signalen 11

12 Typischer Projektablauf Auswahl Datenbestand (welche Quellen, welche Historie, welche Kunden ) Szenario (welche Signale, wie kann man diese beschreiben, welche Synonyme, was soll das Ergebnis sein ) Auswahl Kooperationspartner Analyse / Training / Nachjustierung Testbetrieb Ergebnisevaluation / Regelbetrieb 12

13 Erfahrungen Beschreibung der Situation Parameter, Modelle, Szenarien Aus den Köpfen in den Algorithmus Trefferliste Ampel-Indikator Ergebnispräsentation Trefferliste / Lesen von Volltexten / Ampel-Indikatoren Volltext Integration in den Arbeitsprozess Systemintegration, z.b. ins CRM (Zuordnung Dokumente/Signale Firmen/Branchen/Vertriebsgebiete/Account Manager Handlung) Komplexe Koordination und Entscheidungsfindung (verschiedenste Fachbereiche, IT, Einkauf) Neue Anforderungen an Lizenzmodelle 13

14 Erfahrungen Zeit Viel Geld Geduld Automatisierung 14

15 GENIOS Smart Data Services Automatische Event Analyse auf Basis von mehr als 200 Millionen Presseartikeln! 15

16 GENIOS Smart Data Services 16

17 GENIOS Smart Data Services 17

18 Erfahrungen Gut fürs Einfangen Weniger gut für konkrete Problemlösung Individualisierung Massenvorfälle 18

19 Automatisierung von Massen -Recherchen Presse enthält Signale für Geschäftsansätze Vorteile: Interpretationsalgorithmen verstehen Texte kein Buchstabenabgleich Lernendes System mit steigender Präzisierung Automatisierte und treffsichere Relevanzbewertung Qualitätssicherung bei Kosteneffizienz Kooperativer Ansatz: Kundenseitiges Branchen-Know-how Daten und technisches Know-how bei GBI-Genios Data Analytics mit Kooperationspartnern (z.b. Fraunhofer, SAS, discis, KIT ) 19

20 Beispiel Projekt-Datenbank Ausgangslage (manuell) Bauvorhaben Diverse komplexe Suchstrings Bewerten der Ergebnisse durch kompetente Leser keine Bauvorhaben Zielsetzung (automatisiert) modularisierte Suche zur einfachen Erweiterung der Suchlogik mit Synonymen Bauvorhaben umfangreichere Interpretationsalgorithmen NLP (Bezug von Suchmustern in einem Satz, Erkennung von Semantik) Kombination mit Ausschluss-Suchen auf Metaebene (z.b. nicht wenn es sich um Grundstein für die Rückrunde gelegt handelt) keine Bauvorhaben 20

21 Beispiel Projekt-Datenbank Suchquery (((Baubeginn* OR Baustart* OR Bauwerber OR Bauantrag* OR Bauprojekt* OR Bauvorhaben OR Baumaßnahme* OR Baugenehmigung* OR Bauträger OR Bauherr* OR Erstbezug OR Entkern* OR Grundstein OR Grundsteinlegung OR *Neubau OR *Umbau* OR Spatenstich OR Richtfest* OR Generalunternehmer* OR Generalsanier* OR "vorhabenbezogenen Bebauungsplan") OR ((*Abriss* OR abgerissen OR abzureißen OR Abbruch* OR Architekt* OR Bau* OR *Bau OR *baus OR *gebaut OR Entkern* OR Erricht* OR Erweiter* OR Invest* OR Modernisier* OR Sanier* OR *sanierung OR *saniert OR *sanieren) ndj20 (*Bibliothek* OR *Bücherei* OR *Kaserne* OR *Feuerwehr* OR *Gemeindehaus* OR *Kindergarten* OR *Kita* OR *Kindertagesstätte* OR *Mensa* OR *Museum* OR *Radstation* OR *Gymnasium* OR *Schule* OR Uni OR *Universität* OR *Fakultät* OR *Schwimmbad* OR *Freibad* OR *Sportplatz* OR Flüchtlingsunterk* OR *Theater* OR *Altenheim* OR *Seniorenheim* OR *Seniorenstift* OR *Pflegeheim* OR Bahnhof* OR *Behindertenheim* OR Biogasanlage OR *Hotel* OR *Kirche* OR *Klinik* OR *Krankenh* OR *Markt OR Mastanlage* OR *Pension OR Stadtwerke OR *haus OR *häuser OR *gebäude OR *halle OR *bauten OR *Komplex OR *Zentrum OR *Center OR *anlage OR *heim OR *wohnungen))) NOT (Bauhaus* OR Landschaftsarchit* OR Landschaftsgest*)) 21

22 Prof. Bauckhage auf dem GENIOS Datenbankfrühstück 2016 Prof. Dr.-Ing. Christian Bauckhage, Fraunhofer IAIS 22

23 Prof. Bauckhage auf dem GENIOS Datenbankfrühstück 2016 Prof. Dr.-Ing. Christian Bauckhage, Fraunhofer IAIS 23

24 Beispiel Projekt-Datenbank Kalkulation: Anzahl pro Jahr Suchergebnis % geöffnete Artikel % relevante Artikel % 39 % 1. Schritt der Relevanzbewertung: Titel & Trefferumgebung der Suchergebnisse lesen (je 10 Sek) Stunden 2. Schritt der Relevanzbewertung: Artikel öffnen und querlesen (je 20 Sek) Stunden Kosten Arbeitsaufwand bei 30 pro Stunde Stunden 138 T Euro 24

25 Beispiel Kundenakquise Bestandskundenanalyse Erstellung von Zielkundenprofilen Identifikation potenzieller Neukunden durch Matchen der ZG-Profile mit Firmeninformationen bei GENIOS Monitoring der Presse richtiger Zeitpunkt für die Zielkundenansprache Bestandskundenanalyse Zielkundenprofil 25

26 Beispiel Kundenakquise Bestandskundenanalyse Erstellung von Zielkundenprofilen Identifikation potenzieller Neukunden durch Matchen der Zielkunden-Profile mit Firmen- und Presseinformationen bei GENIOS Monitoring der Presse richtiger Zeitpunkt für die Zielkundenansprache Zielkundenprofil Identifikation potenzieller Neukunden 26

27 Use Case Predictive Analytics in der Kundenakquise Bestandskundenanalyse Erstellung von Zielkundenprofilen Identifikation potenzieller Neukunden durch Matchen der ZG-Profile mit Firmeninformationen bei GENIOS Monitoring der Presse richtiger Zeitpunkt für die Zielkundenansprache Signal Identifikation potenzieller Neukunden Screening von Presse + Social Media Einspielung in CRM-Systeme 27

28 Beispiel Riskmanagement Historische Finanzdaten Benchmarking Firmen/Branchen Handelsregister Historischen Pressedaten Warum kam es zu der Entwicklung? Wie wurde damit umgegangen? Aktuelle Signale aus Presse / Social Media / Web Intelligente neuronale Systeme identifizieren Indikatoren und erstellen Prognosen für die weitere Entwicklung 28

29 How to Get Value out of Big Data? Vortrag auf dem GENIOS Datenbankfrühstück 2015 Lars Trieloff, blueyonder 29

30 Moderne Textanalyse Vortrag auf dem GENIOS Datenbankfrühstück 2016 Prof. Christian Bauckhage, Fraunhofer IAIS 30

31 Kontaktieren Sie uns Sie interessieren sich für unsere Vorträge oder ein Beratungsgespräch? Sprechen Sie mich an! 31

32 Kontakt Ralf Hennemann Fon: Mail: 089 / ralf.hennemann@genios.de GBI-Genios Deutsche Wirtschaftsdatenbank GmbH Freischützstraße München. Ein Unternehmen der Frankfurter Allgemeinen Zeitung und der Verlagsgruppe Handelsblatt. Die Onlineangebote aus unserem Haus: