Big Data & Empfehlungssysteme

Big Data hilft besser auf die Bedürfnisse von Menschen eingehen zu können. Es ist beeindruckend mit welcher Präzession Google, Amazon oder Facebook unsere persönlichen Interessen kennt. Das ist natürlich kein Zufall. Die Algorithmen sind die bestgehüteten Geheimnisse, ähnlich der Coca-Cola Formel, aber die Mathematik dahinter existiert seit nunmehr 114 Jahren.

Reiseempfehlungen

Für eine knappe Million Anwender einer Travel-App stehen neben deren Reisezielen auch Informationen über deren Interessen zur Verfügung. Diese Interessen werden von den einzelnen Personen entweder direkt über Smartphone angegeben oder/und aus deren Aktivitäten — wie beispielsweise Bookmarks setzen — abgeleitet.

Big Data liefert hier zwei Möglichkeiten Empfehlungen vorzunehmen. Zum einen ist das der klassische (graphentheoretische) Ansatz von Onlineshops "User die Produkt A gekauft haben haben auch Produkt B gekauft", bzw. "Reisende die an Ort A waren waren auch an Ort B". Dieser Ansatz setzt zwar Produkte bzw. Orte zueinander in Korrelation, liefert aber wenig Informationen über die User selbst.

Den zweiten Ansatz nennt man Spektral- oder Hauptkomponentenanalyse. Hier werden aus den Daten die am meisten spezifischen Verhaltensmuster über die Gesamtheit der User extrahiert. Bei Big Data Analysis spricht man deshalb auch von Feature Extraction oder Dimensionsreduktion.