Bereits seit vielen Jahren begleiten wir die Mediengruppe RTL bei der Entwicklung und Umsetzung ihrer BI–Strategie.

Fachlich geht es dabei um die Auswertung der TV- und Onlineangebote. Dies umfasst im TV-Geschäft die Bereiche der Programmbewertung hinsichtlich Lizenzrechten und Erlösen, die Einbindung externer Daten (zum Beispiel GfK oder Nielsen) und die Analyse der Werbeplatzvermarktung. Die zuletzt genannten Punkte sind natürlich auch für das Online-Geschäft von Bedeutung, wo es zusätzlich noch um Kennzahlen wie User, Visits, Page Impressions, etc. geht.

Unser Aufgabenspektrum bei der Mediengruppe RTL umfasst dabei mehrere Bereiche: Die Anbindung der Quelldaten ans Data Warehouse, die Datenaufbereitung (ETL), die Datenmodellierung, das Reporting und das Management der Business Intelligence-Umgebungen.

Bei der Mediengruppe arbeiten wir mit diversen Technologien, die regelmäßig auf dem neuesten Releasestand sind: Mit dem komplette Microsoft BI-Stack, angefangen mit der Entwicklung von ETL-Strecken für MS SQL Server, über die Verwendung der Analysis Services (SSAS) bis hin zu Power BI. Außerdem kommt dort SAP BusinessObjects und Tableau zum Einsatz. Hinzu kommen weitere analytische Ansätze z.B. mit Graphendatenbanken (Neo4J), womit wir auch bei RTL Schnittpunkte zu Data Science haben.

Bei Telekommunikationsunternehmen existieren auf der einen Seite riesige Mengen an Kundendaten, auf der anderen Seite herrscht ein ständiger Kampf um den Erhalt von Kunden, die Ausbesserung der Netze und die Optimierung des Produktkatalogs.

Die Rolle unserer Data Scientisten bei Telefonica besteht darin, diese Aufgaben soweit wie möglich datengetrieben zu unterstützen. Die Fragestellungen innerhalb der Projekte sind vielfältig und reichen von der AdHoc-Analyse zu Umfrage- und Kundendaten bis zur Entwicklung prognostischer Machine Learning-Modelle.

Bei einer AdHoc-Analyse werden Daten aggregiert, analysiert und präsentiert, damit die Fachbereiche ein besseres Verständnis für die IST-Situation erhalten. Wichtig dabei ist vor allem eine konstruktive Kommunikation mit den Fachbereichen und Verständnis für die dort herrschenden Zielsetzungen.

Im Bereich Machine Learning werden Modelle zur Segmentierung von Kunden, Abschätzung des Customer Lifetime Values und Vorhersage von Kündigungswahrscheinlichkeiten verwendet. Hier sind wir stark eingebunden in ein Projekt zur Kündigungsvermeidung, für das wir die genannten Vorhersagemodelle, jedoch auch Machine Learning-Algorithmen zur Bewertung von Kampagnen entwickeln. Aufgrund der großen Datenmenge ist ein weiterer Schwerpunkt die Feature Selection und das Feature Engineering, bei dem eine Vielzahl von Techniken gegeneinander getestet wird.

Auf der technologischen Seite arbeiten wir mit Oracle SQL, Python, R, und Hadoop. Nebenbei bauen wir uns auch gerne im kleinen Rahmen unsere eigene IT-Infrastruktur z.B. mit Docker Containern, um neue Dinge zu testen.

Business Intelligence (BI) umfasst Methoden und Technologien zur Sammlung, Verarbeitung, Auswertung und Darstellung von (häufig: unternehmensinternen) Daten.

Grundsätzlich unterscheiden wir dabei zwei Phasen:

• Data Warehousing
  Hierbei geht es um die Überführung der Quelldaten, die i.d.R. in Systemen vorgehalten werden, die eher auf Datenerfassung ausgelegt sind (Extraktion), über die Bereinigung und Aufbereitung dieser Daten (Transformation) bis hin zum Laden (Load) dieser nun abfragefreundlich aufbereiteten Daten in den sog. "Presentation Layer". Dabei arbeiten wir bevorzugt mit den Tools von Microsoft (SSIS), SAP BusinessObjects (BODS), Pentaho (Kettle bzw. PDI) oder einfach prozedural direkt auf der Datenbank.
• Business Intelligence i.e.S.
  Sind die Daten im Data Warehouse vorhanden, können Sie in Berichten und Dashboards in unterschiedlichen Aggregationsstufen und unter diversen Aspekten (Dimensionen) ausgewertet werden. Wir arbeiten dabei u.a. mit den Tools von SAP BusinessObjects, Tableau und Microsoft BI.

Wie unterstützen wir unsere Kunden?

Aufgrund unserer langjährigen Erfahrung in Business Intelligence können wir unsere Kunden bei allen zugehörigen Aufgaben entweder kompetent unterstützen oder diese vollständig für sie übernehmen:

• Projektmanagement,
• Anforderungsaufnahme,
• Infrastruktur-Aufbau und Betrieb,
• Datenmodellierung (dimensional),
• ETL-Entwicklung,
• Reporting,
• Schulung.

Big Data bezeichnet die Verarbeitung großer Mengen unstrukturierter Daten und wird oft durch drei V charakterisiert:

• Volume
  Es werden sehr große Mengen an Daten verarbeitet.
• Velocity
  Neue Daten werden mit hoher Rate generiert und dementsprechend schnell verarbeitet.
• Variety
  Die Daten stammen aus verschiedenen Datenquellen und sind unterschiedlich strukturiert.

Woher kommen die Daten?

Datenquellen können dabei Anwendungen sein, die aufgrund von Ereignissen Logs generieren (z.B. Clicks aus Web-Applikationen). Weitere mögliche Datenarten und -quellen sind Maschinen- und Sensorendaten, Social-Media Feeds, Geo-Lokationsdaten von Fahrzeugen oder klassische Data Warehouses.

Technologie

Das Apache Hadoop-Ökosystem bietet eine skalierbare Grundlage und Infrastruktur für die Sammlung, Zusammenführung und Analyse dieser Daten. Die Hadoop Kernkomponenten HDFS und YARN sorgen dabei für die verteilte Datenhaltung und das Ressourcenmanagement in einem Hadoop-Cluster. Apache Hive erlaubt den Zugriff auf unstrukturierte Daten im Hadoop Cluster mittels SQL. Apache Spark erlaubt die Durchführung von komplexen Daten-Transformationen und die Anwendung von Machine Learning-Algorithmen. Apache Kafka ist ein von Hadoop unabhängiges, skalierbares Messaging-System, das die Distribution von Realtime-Daten zwischen verschiedenen Anwendungen ermöglicht.

Was ist Data Science?

Mit Data Science versucht man aus Daten Rückschlüsse auf Abhängigkeiten und Strukturen zu ziehen. Data Science verstehen wir als Überbegriff sowohl für die Anwendung klassischer statistischer Methoden, z.B. der Regression, wie auch neuerer Methoden des Machine Learning.

Grundsätzlich kann man im Machine Learning drei Ansätze unterscheiden:

• Supervised Learning
  Diesen Ansatz verwendet man vor allem, wenn von einer Teilmenge der Daten die zu erklärende Variable bekannt ist. Beispiele sind Entscheidungsbäume, Naive Bayes Klassifikation oder Ordinary Least Square Regression.
• Unsupervised Learning
  Wenn es keine offensichtlich zu erklärende Variable gibt und man nach Zusammenhängen sucht, verwendet man Methoden des unsupervised Learning, z.B. Clustering, Principal Component Analysis oder Singular Value Decomposition.
• Reinforcement Learning
  Diese Methode wird bei Fragen angewendet, für die es keine eindeutig zu erklärende Variable gibt, z.B. bei der Frage nach dem besten Spielzug in einer Schachpartie.

Was machen wir dabei?

Wir unterstützen unsere Kunden bei allen Aufgaben, die in den o.g. Bereichen anfallen: Vom Aufbau der Infrastruktur (Hadoop-Ökosystem), in der man die auszuwertenden Daten speichert, über deren Verarbeitung bis hin zur Anwendung von Data Science auf die Daten, bevorzugt mittels Python oder R.