Unter dem Begriff „Big Data“ werden alle Daten zusammengefasst, die ein Unternehmen sammeln kann, um Erkenntnisse für das zukünftige Handeln gewinnen zu können. Im Bereich E-Commerce stammen diese Daten beispielsweise aus dem Shopsystem, dem Warenwirtschaftssystem und dem Klick- und Kaufverhalten der Kunden auf der Webshop-Seite.
Die Kunst des Data-Mining besteht nun darin, aus der großen Menge an Daten, nützliche Informationen für den Online-Shop zu ziehen. Um diese Informationen zu beziehen, werden aus der „Big Data“ Sammlung zunächst einmal Informationen für einen bestimmten Anwendungsfall extrahiert. Diese extrahierten Daten, auch Smart Data genannt, werden dann für eine zielgerichtete Analyse verwendet.
Die Herausforderung besteht also in erste Linie darin, einen Anwendungsfall zu definieren, für den eine Datenanalyse neue Erkenntnisse bringen kann. Aus dem Gesamt-Datenbestand werden dann nur die Daten extrahiert, die für den zu betrachtenden Anwendungsfall relevant sind.
Beispiel Produktempfehlung
Interagiert ein Online-Online-Shoppen mit einer Website, können Unmengen an Daten aufgezeichnet werden. Jeder Klick, jede Mausbewegung und jedes scrollen der Website können aufgezeichnet werden. Für eine Datengestützte Berechnung einer Produktempfehlung reicht jedoch eine Teilmenge dieser Daten aus. Welche Links wurden geklickt, welche Artikel wurden in den Warenkorb gelegt, wie lange hat sich der Kunde bei welchem Produkt aufgehalten und wie hoch war der jeweilige Preis des angeschauten Produkts.
Verfügt man über eine genügend große Menge dieser Daten, kann man daraus mit Machine-Learning-Algorithmen Zusammenhänge erkennen und ein Modell entwickeln, welches dann eine Produktempfehlung für den aktuellen Onlineshopper, auf Basis dieser gesammelten Daten, vorhersagen kann.
Diese Produktempfehlung kann dann über einen ChatBot ausgespielt werden. Die Akzeptanz dieser Empfehlung fließt im weiteren Verlauf in das Modell mit ein und trägt dazu bei, die Vorhersagen für zukünftige Onlineshopper weiter zu verbessern und den durchschnittlichen Warenkorbumsatz zu erhöhen.
Diese Vorgehensweise wird auch als Predictive Analytics bezeichnet. Aus der Untersuchung vorhandener Datenmengen der Vergangenheit und der Verknüpfung mit aktuellen Daten, werden Prognosen für zukünftige Entwicklungen abgeleitet.
