Aus dem Archiv: der Podcast mit Puyan

Ich muss gestehen: JA- ich bin eitel u. suche regelmäßig nach Spuren, die mit meinem Namen verbunden sind. Da tauchte tatsächlich Puyans Podcast „Umgang mit Big Data im Marketing [Moral & Ethik] | Puyan’s Podcast #10 mit Johannes Wobus“ auf.

Der junge Mann begeisterte mich durch seine Intelligenz, Innovation u. erinnerte mich irgendwie auch an meine „Anfangszeit“. Das bedeutet auch: ich wurde offener, direkter u. gab etwas mehr Inhalte „zum Besten“.

Aus dem Archiv. Das Interview mit dem zauberhaften Engin Eser

Engin sprach mich – wie viele Andere auch – irgendwann einmal auf LinkedIn an, weil ich mich immer für ein besseres Verständnis und mehr Kompetenz im Bereich der IT einsetze, sofern man tatsächlich den Sprung in das Haifischbecken „Onlinemarketing“ wagt.

Ihm gefiel wohl meine direkte Art und daraus entstand die Idee, sich einmal live („Offen, ehrlich, direkt Ben Schulz & Johannes Wobus zu Coachings, digitalen Transformation & New Work“) zu unterhalten.

„LateNightLinkedin meets Johannes Wobus – Datenspuren im Internet“

Ich bin schon relativ lange auf Linkedin aktiv und wer mich kennt, wird sicherlich wissen, dass ich sehr lange, hart und intensiv diskutieren kann: speziell in den Gebieten der Daten, Algorithmen und deren Verbindungen mit Marketingaspekten / Marketingstrategien.

Irgendwann entdeckte ich den Brent und wir stritten uns, wir führten Dispute und irgendwann rief der hier an und fragte mich „Darf ich ein Interview mit Dir führen?“. Wir redeten ein wenig u. man spiegelte mir „DU BIST JA NETT!“. Hahaha.

Ja. Ich bin nett! (Insiderwitz).

Hier der Link zu dem Interview.

https://www.youtube.com/watch?v=of3kLzT-uIc

Made to Measure // Filmprojekt

Das Kunstwerk ist extrem gut umgesetzt, sehr logisch aufgebaut u. irgendwie habe ich die Hoffnung, dass das Werk bspw. in medienpäd. Schulungen eingesetzt wird.

Es gibt da ein paar Szenen, die triggern können u. hoffe, dass das Ergebnis zu einer immer stärker werdenden Sensibilisierung bei den Werbeopfern führt, dass man sich Gedanken macht, welche Daten da im Spiel sind, dass man hierüber diskutiert u. ggf. sogar anfängt, sich u. sein Verhalten zu hinterfragen.

Viel Spaß mit dem Film / interaktiven Experiment.

Achja: mein Gesicht taucht da irgendwo auf. :-)

Interaktiver Film
https://www.madetomeasure.online/de/

Trailer
https://www.youtube.com/watch?v=ysWp7elT_Dg

Mediathek
https://www.ardmediathek.de/video/wdr-dok/made-to-measure-eine-digitale-spurensuche/wdr-fernsehen/Y3JpZDovL3dkci5kZS9CZWl0cmFnLWYwZGQwNTgwLWMyNDUtNGIwZC1iNjE5LTljY2YwNDM5NmVhMQ/?xtor=CS1=230

Produktentwicklungen // Brainstorming (1)

An der Stelle: ein dickes, fettes und hochemotionales DANKESCHÖN an die vielen netten Menschen aus dem Netzwerk (privat + beruflich), die mir immer wieder Rückmeldungen zu den Datensammlungen u. den Ableitbarkeiten von Erkenntnissen geben u. gegeben haben.

Wir sind jetzt so weit, dass mit einem professionellen u. sauberen Grundgefühl erste Diskussionen zu Produkten geführt werden können. Aus der Datenquelle Twitter wurden 300.000 öffentliche und werbende Accounts ausgelesen, welche im Reportformat folgende Daten zeigen:

  • Accountbeschreibung
  • Location -> Accountregistrierung
  • Zeitstempel -> Accountregistrierung
  • Metriken: Likes, Fans, Listen
  • themenrelevante Beiordnung von Touchpoints auf Basis abgesetzter Tweets nach Vorfilterung

Auf Basis der Reports lassen sich saubere Strategieberatungen ableiten und typische Anwendungsszenarien sind:

  • Kontaktakquise für PR
  • Marktbeobachtungen: Trends, Konkurrenz

Wir sind hier in einer Preisfindungsdiskussion und werden zeitnah in die Pitches gehen.

Socialmedia und das Spiel mit den Reichweiten

Mittlerweile gehört es zum Standard, dass ich mir den (Online)Markt anschaue und den via Gegenlesen der vielen Theorien und Texte seitens der Marktbespielenden auf Linkedin prüfe.

Irgendwie läuft derzeit eine interessante Eigenmarketingwelle mit Fokus der Organisation von Reichweiten auf den Plattformen. Hier fällt mir eine Theorie auf:

Follower haben nichts mit Reichweite zu tun und alle Kolleg:innen, die Gegenteiliges behaupten, sind wahlweise dumm, inkompetent und sollten definitiv niemals gebucht werden!

Selbstverständlich wurde diese Theorie im Stil eines Fachartikels präsentiert und dazu gehörten auch entsprechende Stilelemente, wie bunte Bilder und eine Gliederung, welche mich an eine Semesterarbeit erinnert.

Das Problem bei der Geschichte ist nur, dass konkrete Analyse fehlen. Man muss sich bei der Begutachtung der Follower vs. Reichweiten vs. Monitarisierungsdiskussion nämlich durchaus folgende Fragen stellen (lassen):

  • Wie kann man von Extern die Interna eines Accounts sichten (also ohne Zugriffe auf Logindaten)?
  • Wie genau kann man von Extern die Kommunikation aus PM/DM der Accounts sichten?
  • Wie genau kann man prüfen, ob ein Follower ein tatsächlicher Kunde ist, war oder werden wird?
  • Welche konkreten Studien / Analysen / Whatever hat man selbst inkl. Datenerhebung durchgeführt, welche gefühlt „gerichtsfest“ zur Beweisführung dienen können?
  • Wie genau wurde nachgeprüft, welche Follower zu welchem Zeitpunkt da interagierten (Likes + Comments)?

Mir fallen noch einige weitere Fragestellungen ein und ich finde den Streit mit dem Markt amüsant. Ich finde das sehr gut, ich mag das und ich sehe darin auch eine Möglichkeit der persönlichen und geschäftlichen Weiterentwicklung. Gehe ich allerdings in diesen Streit hinein, muss ich zwingend notwendig genauestens wissen, was ich da mache, was ich da argumentiere und welche Fallstricke meine (!) Argumentation zeigen.

Sprich: ich muss mit Gegenrede rechnen u. ich muss damit rechnen, dass ein Angriff auf Theorie XYZ eben immer bedeutet, dass ich diesen Angriff belegen können MUSS.

Was bin ich, wenn ich das nicht kann? Was bin ich, wenn ich bspw. den Wettbewerb basislos angreife?

  • Unfassbar kompetent.
  • Ein Genie, ein Influencer.
  • Eine Autorität.
  • Ein inkompetenter Wichtigtuer.

Sucht es Euch aus u. – nein – das ist kein Werbetext.

KNIME: Tipps & Co. Nr.01

Schnell eine Spalte von Nicht-String auf String umstellen:

  • Reinziehen u. Andocken von „String Manipulation.
  • Da reinschreiben: „join(string($$$[DeineSpalte]$$$))“

In einer Spalte einen Substring finden und den Fundort innerhalb des Strings speichern:

  • Reinziehen u. Andocken von „String Manipulation“
  • Da reinschreiben: „indexOf($[DeineSpalte]$, „[DeinSuchbegriff]“)“
  • Bei „Append Column“ ggf. eine neue Spalte benennen.

Simple If-Then-Else-Anweisungen durchführen lassen

  • Rule Engine in die Arbeitsfläche ziehen und Andocken
  • Bei Expression reinschreiben: „$[DeineSpalte$ > 0 =>1 // NOT ($[DeineSpalte]$ >0) => 0“. Das // sagt aus, dass hier ein Zeilenumbruch reingehört.

Wie kann ich: bei KNIME Spalten nach Substring(s) filtern?

Das war heute eine wichtige Fragestellung und die Lesenden des Blogs mögen so handeln:

  • Wissen, welche SPALTE denn durchgefiltert werden soll!
  • Row Filter (Komponente) auf die Arbeitsfläche ziehen und entsprechend andocken!
  • In der Konfiguration: „Column to test“ auswählen und die „Matching criteria“ anpassen.
  • Hinweis! Wichtig! Teilstrings haben so deklariert zu werden, wie im Screenshot gezeigt. Also: *schule“ filtert alles, wo „schule“ vorkommt (Hochschule, Hauptschule).

Der Rest dürfte analog zum Screenshot selbsterklärend sein und Fragen gerne in die Kommentare.

Erste Testläufe mit KNIME – 3DScatter Plot durchgeführt

Die letzten 2 Tage waren stark geprägt von wichtigen + projektbezogenen Datenvisualisierungsaspekten. Weil mir immer wieder gespiegelt wird, dass dieses 3D-Element wichtig für die Veranschaulichung v. Erkenntnissen ist, entschied ich mich für die Einbindung dieser Komponente.

Datengrundlage ist hier jeweils der aktuelle Bestand unter dem Thema „HomeSchooling“ mit Ausfilterung auf Digitalisierung, Familie, Schule und weiteren Aspekten.

Ich verstehe JETZT, warum die Datascience-Kunst durchaus kostenintensiv ist, denn das Einarbeiten in KNIME und das Komponieren der Analysestrecke hat allein mich ca. 4 Tage gekostet.

Wir diskutieren intern noch diverse Reportingszenarien durch und ich bin persönlich nicht begeistert von den Layoutmöglichkeiten von KNIME, weswegen ich die Thematik streng manuell halten will. Das „fühlt“ sich auch besser an, weil auch schöne Grafiken letztendlich eine individuelle Erklärung verlangen. Dafür bezahlt man immerhin sehr viel Geld.

SQLite, Optimierungen (PRAGMA)

Im Zuge der Organisation der Twitter-Datenbanken (SQLite) hat sich hier ein Volumen von ~150GB angesammelt und das verlangt in der nachträglichen Optimierung etwas Beachtung, wenn bspw. die Spalten optimiert werden müssen.

Folgende Befehle sind relevant:

  • PRAGMA temp_store = 1;
  • pragma temp_store_directory = ‚f:\‘

Der erste legt die Temp-Dateien auf die Festplatte und der 2. Befehl definiert den konkreten Ordner.