Big Data

Aus unstrukturierten Daten unterschiedlichster Quellen strukturierte Daten mit Aussagekraft zu generieren, ist eine zentrale Aufgabe des Bereichs Big Data. Da wir Business und IT gleichermaßen betrachten, können wir unsere Kunden optimal in den Kerntätigkeitsfeldern unterstützen: dem Ausfiltern des Datenmülls, der effektiven Bestimmung aussagekräftigen Datenmaterials und der darauffolgenden Interpretation der gewonnenen Metadaten.

Use Case Big Data

+
Dauer: 4 Monate Branche: Energie Funktion: Business Analysis

Unser Kunde trat mit folgender Problemstellung an uns heran: Es lagen sehr viele Handelsdaten vor, auf die unterschiedlichste User und Händler zugriffen. Das Hauptaugenmerk des Projektes lag auf folgenden Punkten:

  1. Händlerverhalten/Betrugserkennung
  2. Datenabfall

Das Unternehmen beabsichtigte die Erhebung hilfreicher Metadaten/Big Data zur Analyse und Clusterung. Die statistische Analyse, in Bezug auf die erwähnten Hauptaugenmerke, zeigte Handelsmuster (Cluster). Außerdem wurde eine Liste von Handelsgeschäften erstellt, bei denen ein möglicher Betrug mit einer Wahrscheinlichkeit von 90% vorlag.  Basierend auf dieser Liste ist das Unternehmen derzeit dabei, die Listenelemente zu prüfen und zu analysieren, ob Betrugsfälle tatsächlich stattgefunden haben. Jedes Listenelement, dass zu einer falschen Vorhersage führt, wird von der Big Data Lösung als falsch positiv betrachtet. Diese Informationen werden gelöscht. Jedes Element, bei dem ein tatsächlicher Betrug aufgetreten ist, verbleibt auf der Liste. Die verbleibenden Elemente werden als „golden standard“ behandelt. Der zweite Punkt der Analyse zeigte, dass nur 40% aller Handelsdaten tatsächlich genutzt wurden. Alle anderen Daten konnten somit als Datenmüll betrachtet werden.

 

Amir Feghhi
Director

Amir Feghhi verfügt über mehr als 12 Jahre Erfahrung im Projektmanagement, CRM, Digital und Business Development. Sowohl mit Start-ups, als auch mit Mittelständlern und Konzernen hat er bereits zusammengearbeitet, vorrangig in den Bereichen Finance, Automotive, Energie, Lebensmittelindustrie und Technologie.