Mittwoch, 26. Februar 2014

Vorsicht Falle: Moderne Vorhersagemodelle haben Ihre Tücken

Wenn ein Entscheider (mit technischen Mitteln) sämtliche Konsequenzen aus einer Handlung voraussagen kann, spricht man in der Entscheidungstheorie von einer "Entscheidung unter Sicherheit". Aber wann ist dies schon der Fall? Sehr häufig werden doch "Entscheidungen unter Unsicherheit" getroffen, was nicht weiter schlimm ist, wenn man weiß, dass man eben nichts weiß. Problematisch wird es aber, wenn Unternehmen wie Banken mit Hilfe moderner Technik wie Big Data so tun, als ob sie "Entscheidungen unter Sicherheit" treffen, obwohl dies nicht der Fall ist. So manche Ereignisse lassen sich nämlich auch mit modernster Technik wie Big Data und Predictive Analytics nicht vorhersagen. Sinnvoll ist in diesen Fällen eine gute Mischung aus Technik und Bauchgefühl.

Anbieter und Nutzer

Anbieter von Big-Data- und Predictive-Analytics-Lösungen unterscheiden sich in ihrem individuellen Umgang mit dem Thema von den Unternehmen, welche die angebotenen Lösungen einsetzen (sollen). Während sich die Gruppe der Anbieter unter starkem Wettbewerbseinfluss bemüht für ihre jeweiligen Zielgruppen Mehrwerte zu generieren und diese in Nutzenversprechen zu kleiden, erwarten die (potenziellen) Nutzer oftmals mehr, als derzeit seriös zu leisten ist.

Fakt ist, dass es sehr wohl nützliche Einsatzbereiche gibt, aber es wird auch zunehmend deutlich, dass dem Menschen seine IT-gestützten Entscheidungsgrundlagen über den Kopf wachsen. Nehmen wir exemplarisch die M2M-Entwicklung, die den Umgang mit Daten vollends den Maschinen überlässt und schauen wir auf Kreditvergabekonditionen sowie einer Gründer- und Förderpolitik, die offenbar nicht anders kann, als sich auf maschinell erzeugte Ratings zu stützen. Der Faktor Mensch spielt in vielen Gleichungen schon längst keine Rolle mehr.

Viele Vorhersagemodelle sind völlig unbrauchbar

Der Psychologe Professor Gerd Gigerenzer (Direktor der Abteilung "Adaptives Verhalten und Kognition" und Direktor des Harding-Zentrum für Risikokompetenz, beide am Max-Planck-Institut für Bildungsforschung in Berlin) hat im Rahmen seines Vortrags (Video) auf den Petersberger Gesprächen im Jahre 2012 belegt, dass viele aktuell verwendete Vorhersagemodelle von internationalen Großbanken völlig unbrauchbar sind. In der Nachbetrachtung konnte jeweils bewiesen werden, dass alle vormals gemachten Prognosen nicht eintraten. Hierbei war besonders bemerkenswert, dass die zuständigen Vorstände und Manager der Banken wussten, dass ihre Modelle nichts taugen, sie aber dennoch einsetzten, um sich gegenüber Aufsichtsrat, Hauptversammlung und Aufsichtsbehörden abzusichern. Eine allein auf Erfahrung und Bauchgefühl gestützte Entscheidung sei in unserer Zeit, in der man doch augenscheinlich alles berechnen kann, nach Ansicht der befragten Manager nicht opportun.

Ob "Moderne Entscheiderunterstützungssysteme" wirkliche Mehrwerte in Form von besseren und schnelleren Entscheidungen bringen, hängt vom Einzelfall ab und ist nicht pauschal zu beantworten. Manchmal dienen sie, wie das vorbezeichnete Beispiel zeigt, auch nur der Absicherung von Managern. Automatisierte Verfahren sind fehleranfällig, wenn sie primär technischen Aspekten folgen. Es gilt, dass größere Datenmengen nicht automatisch bessere Entscheidungsgrundlagen und Ergebnisse liefern müssen.

Amazon und Google machen eine kluge Nutzung vor

Die Big-Data-Analyse und deren Umsetzung funktioniert aber auch bereits in vielen Unternehmen wie beispielsweise bei Amazon und bei Google. Mit "individuellen Empfehlungen" generiert Amazon ca. 30 Prozent des Umsatzes und Google kann auf der Basis verwendeter Suchbegriffe Grippetrends und vieles mehr berechnen. Aus solchen und ähnlichen Anwendungen lassen sich für viele Unternehmen und Verbraucher Mehrwerte generieren.

Wehe, Sie zählen zur falschen Branche

Ratingsysteme von Banken, Mitarbeiterbewertungssysteme in Konzernen und weitere Automatismen, die eine Vorhersage der Zukunft mit Mitteln der Wahrscheinlichkeitsrechnung auf Basis vorhandener Daten ermöglichen, sind allerdings nur so gut, wie sie konzipiert wurden. Bei vielen wichtigen Entscheidungen sollte der hochqualifizierte Mensch als maßgeblicher Faktor im Prozess nicht vergessen werden.

Wenn ein Unternehmen der "falschen Branche" angehört, kann dies erhebliche Auswirkungen auf das Rating und die hiermit verbundenen Zinskonditionen haben. Möglicherweise bekommt das Unternehmen gar kein Geld. Auch dann nicht, wenn geplante Vorhaben eigentlich vielversprechend sind.

Oder eine hochqualifizierte Fachkraft wird nicht zum Vorstellungsgespräch geladen, weil sie in einem Punkt durch ein Raster fällt, obwohl sie alles in allem perfekt für den Job wäre. Bei beiden Beispielen könnte ein qualifizierter menschlicher Entscheider zu besseren Ergebnissen als die Maschine kommen.

Von Bedeutung sind demnach der Umgang mit den Daten und die individuellen Schlussfolgerungen. Big-Data- und Predictive-Analytics-Lösungen

  • müssen auf den jeweiligen Einzelfall individuell anwendbar sein.
  • dürfen nicht sinnlos verallgemeinern.
  • sollten durch die Masse der verarbeiteten Informationen Mehrwerte generieren.
  • dürfen die Sachverhalte nicht einfach nur verkomplizieren.

Als "Black-Box-Lösungen" sind sie eher unbrauchbar.

Wenn ein Unternehmen Neuland betritt, liegen oft wenig valide Daten oder gar belastbare Erfahrungswerte vor. Dies macht die Beurteilung von Vorhaben für die agierenden Unternehmen ebenso schwer wie für finanzierende Banken. Unser Bankensystem hat in der jüngeren Geschichte für viele Schlagzeilen gesorgt und eifriges Regulieren hat u. a. auch zu einer konservativeren durch immer komplexere Ratingsysteme gestützten Kreditvergabe geführt.

Als Alternative zu den Bankinstituten existieren aber auch weitere Quellen für die Beschaffung von Kapital für Gründung, Wachstum, Restrukturierung und Sanierung, bei denen die Entscheidungen nicht von Systemen, sondern von Menschen getroffen werden. Abhängig vom konkreten Vorhaben des jeweiligen Unternehmens kommen hier Beschaffungsmethoden wie Crowdfunding, klassische Venture-Capital-Geber und Private-Equity-Gesellschaften sowie Private Placements bis hin zu Fördermittel in Frage. Die Bandbreite der Optionen ist groß. Wichtig ist, dass ein potenzieller Finanzierungspartner Interesse am jeweiligen Angebot inklusive der einzelnen Chancen und Risiken findet. Ein kapitalsuchendes Unternehmen muss an den menschlichen Entscheider herankommen und diesen überzeugen. Dies setzt ein möglichst aussagekräftiges Konzept (Business Case) und die zielgerichtete Adressierung der infrage kommenden Finanzierungspartner voraus.

Als Resümee bleibt, dass eine hohe Technisierung bei Eliminierung des Faktors Mensch nicht immer vorteilhaft sein muss.

Einige fortschrittliche Unternehmen beschäftigen bereits einen CDO

Erfolgreiche Unternehmen stützen ihre Entscheidungen auf eine Kombination aus "Bauchgefühl" (Nutzung von Intuition und Intelligenz des Unbewussten) und Fakten. Big Data kann dazu verhelfen, seine (potenziellen) Märkte besser zu verstehen und effektiver sowie effizienter zu adressieren. Dies alles zahlt auf nachhaltige EBIT-Steigerungen ein. In besonders fortschrittlichen Unternehmen ist bereits die Position des Chief Data Officer (CDO) eingerichtet, der für das Datenmanagement verantwortlich zeichnet. Allerdings müssen sich die Unternehmen darüber im Klaren sein, dass ein CDO Wissensschätze generiert, die nicht nur in der IT anzusiedeln sind, denn die neuen Daten haben Einfluss auf das Vorgehen in quasi allen Unternehmensbereichen wie Personal,Marketing, Produktion, Beschaffung, Produktentwicklung, Business Development, etc. Conclusio: Ein strategisch positionierter CDO ermöglicht die Gewinnung unerschlossener Potenziale und setzt Grundsteine für neue und bessere Geschäftsmodelle. Der CDO ist demnach viel mehr als ein "Datenfuzzi".

Das Wichtigste bleibt aber eine funktionierende Unternehmensstrategie

Nun könnte man schlussfolgern, dass Big Data und Predictive Analytics – ein zielgerichteter und wohlüberlegter Einsatz vorausgesetzt – für jedes Unternehmen von Vorteil sein kann, manche Unternehmen sogar retten könnte.

So einfach ist das aber nicht. Zuerst einmal ist wichtig, dass die aktuelle Unternehmensstrategie funktioniert. Ein abgelaufenes Geschäftsmodell kann nur durch Neuausrichtung und nicht durch Datensammeln gerettet werden. Oftmals reichen die in Unternehmen vorhandenen Daten aus, um die richtigen Schlüsse zu ziehen. Es wird aber lieber krampfhaft nach Gründen für ein "Weiter so" gesucht als nach Gründen für eine Veränderung. Aus der Politik wissen wir, dass die Ergebnisse von Gutachten nicht immer Grundlage für Entscheidungen sind. Und auch im Privaten ist bekannt, dass noch mehr Informationen nicht zwingend zu einer Verhaltensänderung führen. Jeder, der raucht oder übergewichtig ist weiß, was gemeint ist. Es ist doch kein intellektuelles Problem, dass wir rauchen oder zu dick sind. Und eine weitere Studie über Tabak, Zucker oder Fast Food ändert nicht zwingend unser Verhalten. Ebenso ist es in Unternehmen. Verhaltensänderungen müssen strategisch verankert und über kluge adaptive Prozesse inszeniert werden.

Big Data und Predictive Analytics sind Chancen zur Informationsgewinnung, um – eine korrekte Interpretation und Verwendung vorausgesetzt – wichtige Veränderungsprozesse in Unternehmen im Sinne vor Verbesserungen zu inszenieren. In Kenntnis der Tatsache, dass sie, so wie andere Werkzeuge auch, sowohl schaden als auch nutzen können, ist der verantwortungsvolle und kluge Umgang mit den Tools ein Segen. Die korrekte Information beschert Sicherheit und auf der Basis von Sicherheit können Entscheidungen getroffen werden, um gewünschte Ergebnisse möglichst so wie gewollt eintreten zu lassen.

Abschließend fünf Empfehlungen im Umgang mit Big Data

  1. Wenn Sie jemand sein sollten, der Kapital benötigt, dann achten Sie bitte darauf, sich nicht mit Partnern einzulassen, die Sie nur "automatisch" beurteilen.
  2. Sollten Sie als Unternehmen Prozesse verschlanken wollen, dann ist zu berücksichtigen, dass Sie hierdurch nicht an Servicequalität und Image einbüßen.
  3. Sofern Sie Ihre Qualität im Unternehmen steigern wollen, achten Sie unbedingt auf den Einsatz der für Sie richtigen Lösung.
  4. Eine Steigerung der Vertriebs- und Marketing-Performance sollte berücksichtigen, dass sich so manche Kunden nicht gern ausspähen lassen.
  5. Und wenn Sie Big-Data- und/oder Predictive-Analytics-Lösungen verkaufen, dann ist dafür zu sorgen, Ihr Leistungsvermögen und die Leistungserwartung Ihres Kunden in Einklang zu bringen.
Big Data ist eine mächtige Technologie. Es kommt darauf an, was man damit macht.

Autor: Andreas Franken