ISR Information Products AG
Hauptsitz
Lange Straße 61 
38100 Braunschweig
Phone: +49 (0) 531 1208-0 
Fax:       +49 (0) 531 1208-199
info@isr.de
ISR Information Products AG
Geschäftsstelle Münster
Am Mittelhafen 14
48155 Münster
Phone: +49 (0) 251 9 24 34-0
Fax:       +49 (0) 531 1208-199
info@isr.de
ISR Information Products AG
Geschäftstelle Hamburg
Neue Burg 2
20457 Hamburg
Phone: +49 (0) 531 1208-400 
Fax:       +49 (0) 531 1208-199
info@isr.de
ISR Information Products AG
Geschäftsstelle Köln
Kaiser-Wilhelm-Ring 26
50672 Köln
Phone: +49 (0) 531 1208-200 
Fax:       +49 (0) 531 1208-199
info@isr.de
ISR Information Products AG
Geschäftsstelle München
St.-Martin-Str. 64
81541 München
Phone: +49 (0) 531 1208-300 
Fax:       +49 (0) 531 1208-199
info@isr.de

ISR auf der Predictive Analytics World Berlin 2017

Pascal Bichler

Pascal Bichler, ISR Consultant gibt Einblicke über seinen Besuch auf der Predictive Analytics World Berlin - eine der führenden anbieterunabhängigen Fachkonferenzen für anwendungsorientierte Predictive Analytics.

Im Rahmen der Data Driven Business Konferenz, fand vom 13. bis 14. November 2017 die Predictive Analytics World Business in Berlin statt.

Unter dem Titel „Das Erwachen der Künstlichen Intelligenz“ hielten fast 50 Referenten Fachvorträge zu Methoden und Anwendungen des Predictive und Prescriptive Modeling. Es wurden Projekte aus verschiedensten Wirtschaftsbereichen vorgestellt, Herangehensweisen und Best Practices erläutert und über die unterschiedlichen Herausforderungen, die Predictive und Prescriptive Analytics für Unternehmen und Dienstleister bereithält, diskutiert. Aber auch theoretische oder anwendungsbezogene Themen, wie die Vor- und Nachteile unterschiedlicher statistischer Modelle oder der Nutzen verschiedener R-Pakete, kamen nicht zu kurz.

Unter den Referenten fanden sich Vertreter zahlreicher, namhafter Unternehmen wie z.B. Google, VISA, Siemens, Mashable, Hitachi, Huawei oder die SPD, die ihre Erfahrungen mit der Anwendung von Predictive & Prescriptive Analytics im Unternehmen bzw. der Partei vorstellten.

Als erster Referent präsentierte Haile Owusu wie sie bei Mashable Daten aus sozialen Netzwerken, Erkenntnisse aus der Netzwerktheorie und prädiktive Modelle vereinen um mit ihrer Eigenentwicklung genannt Velocity den Lebenszyklus von Online Content vorherzusagen. Velocity liefert damit der Redaktion von Mashable nicht nur Einblicke darüber welche Themen aktuell angesagt sind sondern auch Vorhersagen darüber, welche Themen sonst noch gut bei den Lesern ankommen würden. Ein interessanter Vortrag zu einem, für mich persönlich bisher völlig unbekanntem Anwendungsbereich und definitiv ein guter Einstieg in die folgenden zwei Tage.

Im Anschluss gab VISA Einblicke darüber, wie sie Regressionsmodelle zur sogenannten „Brand Preference Prediction“ einsetzen. Dabei geht es darum, herauszufinden wie sich verschiedene Faktoren auf die Wahrnehmung der Öffentlichkeit der Marke VISA auswirken. Das vorgestellte Ergebnis war letztlich ein Excel-Tool, dass Vorhersagen der Art „wenn ich Faktor 1 um x% erhöhe, erhöht sich meine Gesamtwahrnehmung um y%“ erlaubt. Was sich im ersten Moment relativ banal und ernüchternd anhört, stellte sich aber doch als pragmatische Lösung heraus, die genau das erfüllt was sie soll und dabei den strengen rechtlichen Vorgaben (bzgl. Software) bei VISA gerecht wird. Außerdem sollte sich die Anwendung klassischer Regressionsmodelle noch als Erfrischung im, ansonsten von Neuronalen Netzen beherrschten, Konferenzprogramm herausstellen.

Weitere Highlights des ersten Konferenztages waren die Vorträge von Dr. Stephenson, der seine langjährige Erfahrung mit Predictive Analytics (PA) Projekten mit dem Publikum teilte und seine Herangehensweise für erfolgreiche PA Projekte vorstellte. Von Dean Abbott, der darüber sprach, wie Daten effektiv, in Form von Visualisierungen, kommuniziert werden können, und von Dr. Grothmann, der die Anwendung von Deep Recurrent Neural Networks bei SIEMENS vorstellte und insbesondere seine tiefen Kenntnisse von der Theorie gerne mit den Zuhörern diskutierte. Dieser letztgenannte Vortrag gefiel mir persönlich am besten, weil es einer der wenigen war bei dem die theoretischen Aspekte der Neuronalen Netze diskutiert wurden. Dr. Grothmann sprach, in bester Professorenmanier, von Vor- und Nachteilen verschiedener Architekturen oder den Anwendungsmöglichkeiten auf Zeitreihen und konnte stets seine praktischen Erfahrungen bei SIEMENS einbringen.

Auch der zweite Tag hatte viele spannende Vorträge zu bieten. So stellte beispielweise Prof. Dr. Crone vom Lancaster Research Centre Anwendungsfälle für Neuronale Netze zur Analyse und Vorhersage von Zeitreihen vor. Alex Hancock, Head of Treasury Analytics bei der Shell Oil Company, gab Einblicke darüber wie sie verschiedene Predictive Modelle nutzen um ihre Geldbestände möglichst effektiv zu verwalten und zu verteilen. Dr. Elsasser von der Swiss Re sprach über die Erfahrungen bei der Verwendung von externen Daten (Geo-, Wetter- oder Unfalldaten) in ihren Modellen und welche Herausforderungen diese speziell mit sich bringen. Christian Deger von AutoScout24 stellte Ihren Ansatz für die Price Prediction von Gebrauchtwagen vor. Predictive Modelling Factories, Plattformen die den gesamten Modellierungsprozess so weit wie möglich automatisieren sollen, wurden von Avaré Stewart von der EOS Technology Solutions GmbH präsentiert. Es gab Vorträge zur Predictive Maintenance, zum Predictive Alerting im Kreditmanagement, darüber wie Prescriptive Analytics im Kundenmanagement eingesetzt werden kann und noch vieles mehr.

Ein Vortrag den besonders viele mit Spannung verfolgten, war der von Dr. Orlowski von der SPD. Er zeigte dem Publikum auf,  wie die SPD prädiktive Modelle für den Wahlkampf nutzte. Ziel dieser Modelle war es, auf Wahlkreis-Ebene darüber Aussagen treffen zu können wo Tür-zu-Tür Wahlkampf am meisten Nutzen verspricht. Dr. Orlowski sprach dabei vor allem über aufgetretene Probleme der Datengenerierung, von den heterogenen Datenquellen, die verarbeitet wurden und den verschiedenen eingesetzten Verfahren. Dieses eher exotische Anwendungsgebiet von prädiktiven Modellen zeigte besonders schön auf, wie leistungsfähig diese Modelle sind und wie vielfältig die Anwendungsmöglichkeiten.

Insgesamt vermittelten die Konferenz und die Vorträge verschiedenste Eindrücke:

  • Neuronale Netze, seit längerem Hype-Thema im Bereich Predictive, waren auch hier sehr stark vertreten und wurden für alles und jeden Anwendungsfall verwendet
  • Herkömmliche Verfahren wie Regressionsverfahren, Clustering-Verfahren oder Random Forests, haben immer noch ihre Existenzberechtigung und die Nachteile dieser Verfahren, gegenüber Neuronaler Netze, bezüglich der Genauigkeit waren oftmals marginal im Vergleich zu den Vorteilen bezüglich der notwendigen Ressourcen
  • Die Anwendungsmöglichkeiten prädiktiver Verfahren sind so vielfältig, dass viele davon vermutlich noch nicht einmal erschlossen sind. Aber auch in verbreiteteren Anwendungsgebieten wie z.B. der Predictive Maintenance führen technologische Entwicklungen und auch theoretische Fortschritte zu immer neuen Innovationen wie der Entstehung neuer Geschäftsmodelle

Alles in allem war es für mich eine extrem informative Veranstaltung, die durch fachlicher und theoretischer Kompetenz bestach und zu jederzeit interessant war. Ich würde sie jederzeit wieder besuchen und kann es auch nur jedem empfehlen, der sich für das Thema Predictive bzw. Prescriptive Analytics und deren Anwendungsgebiete interessiert.

Sindy
Windisch
Account Manager
Phone:
+49 (0) 151 42205 386
sindy.windisch@isr.de