Dass ein Mobiltelefon billig oder teuer sein kann, ist klar. Aber dass die Mobiltelefon-Nutzung etwas darüber verraten kann, ob der Besitzer oder die Besitzerin eher reich oder eher arm ist – darauf muss man erst einmal kommen. Oder man muss einen Computer darauf kommen lassen.
Das Versprechen von Big-Data–Modellen ist ja: Im Idealfall findet der Algorithmus in ziemlich unstrukturiertem Datenmaterial plötzlich Zusammenhänge, gewinnt neue Erkenntnisse, die bislang unentdeckt waren. Im banalsten und gleichzeitig auch häufigsten Szenario sind das ökonomische Erkenntnisse – wer bei Amazon schon drei Pferdehof-Bücher gekauft hat, interessiert sich vielleicht auch für einen Reitkurs; wer anscheinend dauernd mit Höchstgeschwindigkeit auf der Autobahn unterwegs ist, braucht vielleicht ein noch schnelleres Auto, einen Zeitmanagement-Ratgeber oder eine Risiko-Lebensversicherung 🙂 .
Das ganz große Problem bei Big-Data-Ansätzen: Der Algorithmus spürt statistische Korrelationen auf (z.B. die Länge von Röcken zur Aktienperformance…) – aber ob letztlich wirklich ein Kausalzusammenhang dahinter steht, das kann man nur mit gesundem Menschenverstand oder mit einem Abgleich anhand von völlig unabhängigen Datenquellen überprüfen.
Auch Joshua Blumenstock von der University of Washington kann nicht bis ins letzte Detail erklären, warum Reiche in Ruanda andere Mobilfunk-Kommunikationsmuster haben als Arme. Aber ganz offensichtlich passt seine in der aktuellen Ausgabe von „Science“ vorgestellte Big-Data-Abschätzung des ökonomischen Status von Handy-Nutzern sehr gut zu Daten aus der realen Welt. Eine neue, preiswerte und ziemlich verlässliche Methode also gerade in Entwicklungsländern, Politikern eine Basis für ökonomische Entscheidungen zu geben – für Infrastruktur-Investitionen, Sozialmaßnahmen oder Steuertarife. Vorausgesetzt, die Entscheidungen sollen überhaupt aufgrund von objektiven Kriterien gefällt werden 😉 …
Big Data – Handydaten verraten Wohlstand und Armut
Deutschlandfunk – Forschung aktuell vom 27.11.2015 (Moderation: Monika Seynsche)