Fachartikel

OKT2016
Ausgabe 6, Seite 42 | 16-10-42-1

Status: in einer Beziehung

Berechnung vernetzter Informationen durch Graphdatenbanken

Bei der Auswertung und Darstellung von Datenzusammenhängen aus unterschiedlichen Quellen stoßen Datenbanksysteme immer öfter an ihre Grenzen. Neue Technologien ermöglichen die mehrdimensionale Verknüpfung und Analyse von Marktforschungsergebnissen mit Big Data. Michael Herter erklärt, wie durch Graphdatenbanken nicht nur einzelne Daten abgebildet werden können, sondern vor allem deren Beziehungen untereinander.
Foto: © Sirichai Puangsuwan – Fotolia.com

Die Marktforschung steckt inmitten massiver Veränderungsprozesse. Die Digitalisierung mit ihrer unfassbaren Fülle an verfügbaren Sekundärdaten aus amtlichen, öffentlichen, wirtschaftlichen oder wissenschaftlichen Quellen sowie den sozialen Netzwerken mit ihren Behavioral- oder Trackingdaten treibt die gesamte Daten und Lösungsbranche und die Datenerheber vor sich her. Big Data ist eine Schatzkiste, die, intelligent und datenschutzkonform verarbeitet, unendlich viel aktuelles Wissen über Märkte und Zielgruppen offenbart. In vielen Fällen kann die Berücksichtigung dieses Wissens schon im Vorfeld von Erhebungen das Setup sinnvoller, zielgerichteter und effizienter machen. Die Ergebnisse von Befragungen wiederum werden durch Anreicherung und Abgleich mit dem vorhandenen Big Data-Pool objektiver, umfassender und aussagekräftiger. Dafür sind neue Lösungen gefragt. Die Herausforderungen: Die heterogenen Daten aus unterschiedlichsten Quellen sammeln, verwalten sowie verknüpfen und dann multidisziplinär zu einer lückenlosen Wissensbasis analysieren.

Smart Research als Lösung

Eine dieser neuen Lösungen, die im Augenblick stark im Aufwind sind, heißt „Smart Research“. Kernintentionen sind dabei All Data Integration und Multi Discipline Analytics. So kommen Sekundärdaten wie Markt- und Geodaten sowie die Daten und Kennziffern aus dem CRM des beauftragenden Unternehmens ebenso zum Einsatzwie Primärdaten aus der Marktforschung. Die Disziplinen CRM Analytics, Geomarketing oder Graph Analytics werden in den Research-Prozess einbezogen. Dadurch erreicht man schon im Vorfeld eine optimierte Zielgruppenauswahl und ermöglicht spezifischere, relevantere Fragestellungen. Durch das Hinzuziehen von und den Abgleich mit bestehenden Daten relativieren sich die Ergebnisse von Befragungen. Über die Verwendung von Geodaten und innovativer Geomarketing-Verfahren wie den „Small Area-Methoden“ können Ergebnisse außerdem für jede Region und jedes denkbare Marktgebiet zuverlässig hochgerechnet werden und ergeben so ein flächendeckendes, komplettes Bild. Durch anschließende „Zwillingssuche“ lassen sich dann etwa konkrete Marktpotenziale für den Auftraggeber prognostizieren und abbilden. Die Ergebnisse der reinen Befragung werden aufgewertet und nicht zuletzt anwendbarer für die Unternehmen.

Darstellung mit Graphdatenbanken

Darstellung mit Graphdatenbanken

In Zeiten zunehmender Vernetzung braucht es neben neuem Denken und multidisziplinärem Handeln aber auch neue Technologien. Denn bei der Auswertung und Darstellung komplexer Datenzusammenhänge aus unterschiedlichen Quellen stoßen die bisher üblichen relationalen Datenbanksysteme mittlerweile deutlich an ihre Grenzen. Die Zukunft gehört den Graphdatenbanken, die aus unstrukturierten und stark vernetzten Informationen vielschichtige Beziehungs-Netzwerke berechnen, aufdecken und anschaulich visualisieren können – und das in Echtzeit (Abb. 1). Für Datenriesen wie Google, Facebook oder LinkedIn sind diese Datenbanken längst unerlässlich. Im Gegensatz zu relationalen Datenbanken setzen Graphdatenbanken auf eine innovative Big Data-Systemlandschaft.

Damit können nicht nur einzelne Daten abgebildet werden, sondern vor allem deren Beziehungen untereinander. Die Knoten dieser Graphen sind in der Regel Personen oder Unternehmen. Die verbindenden Linien (Kanten) zwischen ihnen lassen sich beliebig mit „Properties“ qualifizieren (etwa „kennt“, „kauft bei“ oder „liefert an“, „ist oder war zuvor verantwortlich angestellt bei“). So können unzählige und komplexe B2B- oder B2C-Relationen vereinfacht erkannt, abgespeichert und analysiert werden.

Disziplin der Graph Analytics

Disziplin der Graph Analytics

Die neue und explorative Form von Multigraphen zwischen Firmen oder Personen untereinander führt zu einem neuen Verständnis von Beziehungsgeflechten zwischen Standorten, Firmen und Lieferanten oder Kunden – auch unter Einbezug von Kommunikations- oder Social Media-Daten. Die neue Big Data-Disziplin Graph Analytics verknüpft auf Basis dieser Technologie beliebige Datenquellen, aus denen die relevanten Beziehungen entdeckt, beschrieben und analysiert werden. Besondere Kraft und Dynamik erhält Graph Analytics vor allem durch den Einsatz von Geodaten. Die zeitliche Lokalisierung von Unternehmen, Personen und deren Verhalten (wer ist wann wo und tut dort was?) kann man in Graphdatenbanken ebenfalls als Beziehung abspeichern (Abb. 2). Und da alle realen Phänomene im Raum erfolgen, bedeutet das, dass man theoretisch alle Ereignisse zueinander in Beziehung setzen kann. Das ermöglicht völlig neue Marktforschungsanalysen zum Beispiel des Einkaufs- und Freizeitverhaltens.

Auch lässt es ein grundsätzlich tieferes Verständnis der Lebensrealität von Zielgruppen zu, wie etwa der Vernetzung von Arbeiten und Wohnen, von Freizeit oder Mobilitätsverhalten. Aus diesem Wissen heraus wiederum lassen sich deutlich präzisere Vorhersagen treffen. In unseren heutigen Märkten sind diese Beziehungsinformationen enorm wichtig. Dort sind eine immer individuellere Kenntnis über und Ansprache von Zielgruppen entscheidende Erfolgsfaktoren für Unternehmen.

Auflösung der Abgrenzungen

Es wird auch weiterhin gezielte singuläre klassische Befragungsprojekte geben. Aber den größten Nutzen bringt eine multidimensionale Integration und Analyse der heterogenen Datenvielfalt – und diese werden künftig verstärkt vom Markt gefordert werden. Marktforschung ist in diesen Projekten – wie alle anderen Daten- und Wissensgenerierungsdisziplinen auch – kein Solitär, sondern einer von mehreren Zulieferern spezifischer Daten. Spezialisten wie Infas 360 werten diese multidimensionalen Datenbanken mit neuen Ansätzen, Kompetenzen und Technologien disziplinübergreifend aus. Denn in unserer Big Data-Welt erfüllen integrative Ansätze bestmöglich die entscheidende Intention der beauftragenden Wirtschaft: Mehr Wissen für effizienteres und gezieltes unternehmerisches Denken und Handeln.

Michael Herter ist seit 2013 Geschäftsführer der infas 360 GmbH. Er studierte Wirtschaftsgeografie in Aachen und den USA mit den Schwerpunkten GIS und Geodaten und machte seinen Abschluss als Wirtschaftsgeograph M.A. Herter hatte in seiner beruflichen Laufbahn bereits verschiedene Managementpositionen in den Bereichen Vertrieb, Content und Systeme inne.