Data Analytics Research Group


Johannes Bendler M.Sc. Informatik	Dr. Tobias Brandt Diplom-Volkswirt	Niklas Goby M.Sc. Informatik	Sebastian Wagner M.Sc. Informatik	Prof. Dr. Dirk Neumann Lehrstuhlinhaber
Kontakt: analyticsdumdummymy@is.uni-dudummymmyfreiburg.de

Die Data Analytics Research Group ist eine Forschergruppe am Lehrstuhl für Wirtschaftsinformatik, welche Forschungsprojekte in den Bereichen Big Data und Data Analytics bündelt. Der Fokus der Forschergruppe liegt auf der Entwicklung maßgeschneiderter Methoden zur Verknüpfung von operativen Größen mit geographischen und Social Media Daten.

Projekte (I): Optimales Platzieren von Ladestationen für Elektrofahreuge

Ziel

Identifikation von optimalen Standorten für Ladestationen in Amsterdam
Maximierung der zu erwartenden Auslastung der Stationen

Methodik

Datengrundlage: 1,3 Millionen Ladevorgänge und 61.000 "points of interest" (POIs), wie Schulen, Bars, oder Museen
Dynamisches Modell, das Auslastung einer Station und POIs in der Umgebung in Zusammenhang bringt
Ermöglicht auch die statistische Abschätzung des Einflusses einer Ladestation auf die Auslastung der umgebenden Ladestationen

Resultat

Visualisierung der erwarteten Auslastung (grün → hoch; rot → niedrig) im Stadtgebiet von Amsterdam
Erwartete Auslastung passt sich an wenn neue Ladestationen gesetzt werden
Automatische Platzierung von Ladestationen nach erwarterter Auslastung

Projekte (II): Bestimmung von (geographischen) Einflussfaktoren auf die Nutzung von Carsharing

Ziel

Eingrenzung des optimalen Geschäftsgebietes für Free-Float-Carsharing

Methodik

Datengrundlage: 1 Million Fahrten und 180.000 POIs
Statistisches Modell, welches die Korrelation zwischen Fahrten in einer bestimmten Region und POIs in der Umgebung nutzt

Resultat

Visualisierung der erwarteten Nachfrage im aktuellen Geschäftsgebiet und in potenziellen Expansionsgebieten
Entscheidungskriterien für Expansionsstrategien
Erfahrungen des Carsharing-Partners bestätigen Modellvorhersagen

Erwartete Nachfage aufgrund von points of interest (l.), verglichen mit tatsächlicher Nachfrage (r.)

Projekte (III): Geographische Relationen aus sozialen Medien

Ziel

Erklärung der geographischen Präferenzen von Personengruppen anhand von Daten sozialer Netzwerke

Methodik

Datengrundlage: 650.000 Tweets und 60.000 POIs
Abschätzung von Attraktivität unterschiedlicher Stadtbereiche durch geo-statistische Analyse der Twitter-Aktivität in der Umgebung

Resultat

Es wurden erfolgreich Beziehungen zwischen der Twitter-Aktivität und Geschäften/Lokalitäten aufgedeckt
Erkenntnisse sind insbesondere wertvoll für die Marktforschung und den Einsatz ortsbezogener Dienste, z.B. Recommender-Systeme

Geo-temporale Beobachtungen (l.) können genutzt werden, um Auftrittswahrscheinlichkeiten (r.) von unabhängigen Ereignissen zu berechnen

Publikationen im Bereich Data Analytics (2014)

Bendler J, Wagner S, Brandt T, Neumann D: Taming Uncertainty in Big Data - Evidence from Social Media in Urban Areas BISE/WIRTSCHAFTSINFORMATIK Special Issue "Big Data", 2014.

Bendler J, Brandt T, Wagner S, Neumann D: Investigating Crime-to-Twitter Relationships in Urban Environments – Facilitating a Virtual Neighborhood Watch 2014 (22nd European Conference on Information Systems (ECIS 2014), Tel Aviv, Israel, June 9-11, 2014).

Wagner S, Brandt T, Neumann D: Smart City Planning – Developing an Urban Charging Infrastructure for Electric Vehicles 2014 (ECIS 2014, 22nd European Conference on Information Systems, Tel Aviv, Israel, June 9-11, 2014).

Wagner S, Brandt T, Neumann D: Business Intelligence in Infrastructure Planning – Maximizing the Utilization of Charging Stations in Urban Setting 2014 (Winter Conference on Business Intelligence (WCBI 2014), Snowbird, Utah, 27 February – 1 March 2014).