GEO-MAPPING - MIT BUSINESS INTELLIGENCE ÜBER GRENZEN HINAUSDENKEN

16.06.2017 // Jens Siebertz

Es gibt mittlerweile durchaus Generationen, die den Weg in die nächste Großstadt ohne Navigationssystem nicht mehr finden. Kaum vorstellbar, dass die mobilen Helfer nicht immer an der Seite der Autofahrer waren. Doch mittlerweile haben auch hier Smartphones als digitale Allrounder ihre Finger im Spiel: Sogar eher digital orientierte Konzerne wie TomTom leiden unter der zunehmenden Konkurrenz durch Smartphone Apps. Ihr Kerngeschäft muss sich daher umorientieren. Bei TomTom beispielsweise bedeutet die Konkurrenz, dass hochgenaue Karten für selbstfahrende Autos und Fahrassistenten jetzt auf dem Zukunftsplan des Unternehmens stehen. Doch nicht nur selbstfahrende Autos verlangen nach immer genaueren Geo-Daten.

Die von geografischen Karten unterstützte Datenvisualisierung stellt häufig nicht nur bislang unentdeckte Zusammenhänge dar, sondern hilft, Auffälligkeiten zu erkennen. Mit Hilfe sogenannter Location Intelligence können Informationen unter Berücksichtigung räumlicher Zusammenhänge analysiert werden. Kunden und Märkte können durch Standortinformationen besser verstanden werden, da Zusammenhänge zwischen einer Position und Menschen, Ereignissen, Transaktionen, Einrichtungen und Anlagen deutlich werden. Herkömmliche Business Intelligence Funktionen werden so mit Hilfe von sogenanntem Geo-Mapping, das Daten mit digitalen Landkarten verknüpft, durch die Antwort auf die Frage nach dem "Wo" ergänzt.

Geo-Daten haben viele Anwendungsbereiche

Diese Antwort kommt verschiedenen Bereichen zugute, im Marketing wird so zum Beispiel ortsbasierte Werbung angeboten: Ein Shop oder Restaurant schickt Rabattaktionen oder andere Werbung dann direkt auf die Smartphones der potenziellen Kunden, die sich in unmittelbarer Nähe aufhalten. Social-Media-Kanäle wie Twitter, LinkedIn oder Facebook bieten Werbekunden schon seit geraumer Zeit an, die Kundenansprache ortsbasiert zu gestalten. Der Tweet von einem Berliner Geschäft erreicht mich also nur, wenn ich tatsächlich in der Stadt bin. Das macht Sinn, denn von Nordrhein-Westfalen in die Hauptstadt fahre ich nicht, nur um einen Rabattcode einzulösen.

Auch vor der Gründung eines Geschäfts oder Restaurants können geografische Daten Hilfestellung leisten. Die geografischen Daten zeigen mir, wo sich meine Zielgruppe oder Wettbewerber befinden. Ähnliches gilt bei Produkteinführungen. Hier kann es regionale Unterschiede in den Kundenvorlieben geben. Selbst der Preis kann ortsabhängig differenziert werden: Ein Taxi oder Mietwagen ist beispielsweise in der Innenstadt oder der Nähe des Hauptbahnhofes teurer als in ländlichen Gebieten. Oder in bestimmten Stadtteilen ist das Einkommen der Anwohner vermutlich höher als in anderen. Das Werbeplakat für den Luxuswagen hänge ich also besser im Nobel-Stadtteil auf. So können Streuverluste im Marketing vermieden werden. Alles eine Frage der Daten.

Auch in der Vertriebsabteilung können mit ortsbezogenen Daten versehene Informationen sehr hilfreich sein. Hier benötigt man oft einen schnellen Überblick über die laufenden Prozesse. Mit Hilfe von Business Intelligence und Echtzeit-Analyse können Vertriebsmitarbeiter bereits ein kurzfristiges Vertriebscontrolling umsetzen. Durch eine Verknüpfung zu geografischen Daten könnten beispielsweise Absatz- und Umsatzentwicklung auch auf Regionen bezogen dargestellt werden. Potenzielle Händler, Wettbewerber, Franchisebetriebe oder Kundendienste können so auf einen Blick in einzelnen Regionen oder anderen geografischen Abschnitten in übersichtlicher Kartenform analysiert werden. Ein weiteres Beispiel: Einen Mobilfunkanbieter interessiert es, wann und wo seine Kunden ihre Handys bevorzugt benutzen, um seine Kapazitäten besser bereitstellen zu können. Ähnlich verhält es sich in der Logistik: Bei der Routenplanung ist es vorteilhaft, wenn man die Fahrzeiten der Lieferanten anhand ihrer Standortdaten berechnen kann.

Raumbezogene Big Data in Vorhersagemodellen liefert Strategien für die Analyse von unterschiedlichen Szenarien. Mit Hilfe sogenannter Predictive Analytics und Geo-Mapping analysieren zum Beispiel Behörden die Auswirkungen eines Katastrophenfalls oder Gesundheitsorganisationen beurteilen die Ausbreitung von Krankheiten und können dementsprechend schnell Gegenmaßnahmen ergreifen.

Fazit

Es gibt etliche Beispiele, die verdeutlichen, dass Big Data auch für die intelligente Nutzung von Geo-Daten relevant ist. Durch die richtige Zusammensetzung ortsbezogener Daten mit wichtigen Kennzahlen, sehen Unternehmen genau, wo sie ihre Schwerpunkte setzen müssen, wo Potenziale brachliegen oder Verbesserungspotenzial schlummert. Wie auch in anderen Datenanalyse-Bereichen macht die Kombination verschiedener Datenformen und -quellen die Analyse so interessant und aufschlussreich. Datenveredlung nennt man diesen gezielten Einsatz zusätzlicher Daten. Schauen Sie über den Datentellerrand hinaus und werfen Sie die alte Postleitzahlen-Karte in den Müll. Im Bereich der Geo-Daten herrscht Umbruchstimmung.