explai bietet viel Analyse mit wenig Aufwand. Dieser Artikel zeigt, wie Sie mit nur wenigen Sätzen einer Tabelle von 1800 Handys statistisch abgesicherte Erkenntnisse entlocken können. Vollziehen Sie die folgenden Schritte gerne selbst in unserem kostenfreien Testsystem nach. Die Benutzereingaben sehen Sie jeweils oben in blau.
Wo finde ich die Tabelle — die wie noch mal heißt?
Unser Beispiel haben wir per Datei hochgeladen, aber es könnte auch aus Ihrer Datenbank oder einem Drittsystem stammen. Oder Sie erfinden einfach neue, z.B. für Was-wäre-wenn-Analysen oder um etwas zu testen, das eine Kollegin explai beigebracht hat:
explai kombiniert problemlos mehrere Tabellen und deckt Datenfehler auf:
Daten verbessern, Missverständnisse vermeiden
explai löst auch viele andere Datenprobleme und transformiert Rohdaten in geeigneter Form zu Ihrem Anliegen. Da Sie alle Daten, die Sie sehen, mit einem Klick exportieren können, kann schon dies eine große Zeitersparnis bedeuten.
explai meidet technischen Jargon und bietet durch transparente Zwischenergebnisse einen Blumenstrauß an Anknüpfungspunkten. Der Appetit kommt beim Essen Analysieren, aber die Entscheidung bleibt bei Ihnen: Mehr Zeit für Anderes — oder einer Vermutung endlich mal auf den Grund gehen.
Selbst in unserem Spielzeug-Beispiel steckt Potential für Missverständnisse. Sie sehen oben eine Kreuztabelle aus vier Zahlungsarten und vier Bestellzustände. Für Menschen ist es schwer in 16 Zahlen kein Muster zu sehen. Einer Kollegin aus dem Kundenservice fällt auf, dass Bestellungen via Banküberweisung selten retournieren. Sollten wir vielleicht die voreingestellte Zahlungsart im Online-Shop ändern? Da sieht der Kollege aus dem Vertrieb rot: Wer weiß, wie sich das auf die Bestellquote auswirkt!
explai wüsste auch das 😉, aber verriet uns bereits oben, dass wir uns diese Frage sparen können, denn "es gibt keine signifikante Beziehung zwischen Bestellstatus und Zahlart".
Aber stimmt das? Wir arbeiten daran, dass explai seine Methodik transparent erklärt und damit Sie im Umgang mit Daten auch abseits von Software schlauer macht. Bis wir soweit sind, öffnen wir hier einmal kurz den Maschinenraum:
Sie sehen hier einen kleinen Ausschnitt der dutzenden (manchmal hunderten) von Arbeitsschritten, die explai Agenten (ja richtig gelesen, wir haben ein ganzes Team mit verschiedenen Spezialisierungen davon) im Hintergrund für jede Frage ausführen. Links oben erkennen Sie, welche Werkzeuge explai hier für den Vergleich zweier kategorialen (nicht numerischen) Spalten auswählt. Rechts oben die Parameter, die der Agent selbstständig übergibt. Einer davon ist die Tabelle mit paarweisen Häufigkeiten (crosstab). Wo kommt sie her? Hier sehen wir, wie eine agentenbasierte Plattform dem langgehegten Traum von "Expertensystemen" Flügel verleiht.
Unsere Agenten planen vom Ende her: explai versteht, dass die Benutzerin nach einer Korrelation fragt. Anders als die ChatGPTs dieser Welt darf es nur datenbasiert (KI-Sprech: "grounded") antworten, ohne dabei selbst Zugriff auf die Rohdaten zu haben. Es muss die von uns kuratierten Bibliotheken nutzen (dieselben mit denen menschliche professionelle Datenteams arbeiten), und wir investieren viel, dass sie dies kompetent ("Best Practice") tun. Im Spannungsfeld von bisherigem Verlauf, Ihren Unternehmensdaten, Werkzeugen, Prozesswissen und Personalisierung navigiert explai in einer Mischung aus vorausschauender Planung und datengetriebener Iteration in Richtung Antwort. Hier ruft es im Aufrufbaum auf der linken Seite zunächst das crosstab-Werkzeug auf. Es zeigt dessen Ergebnis dem Benutzer und übergibt eine Referenz der Kreuztabelle als Eingabewert an den statistischen Test für die Prüfung der Korrelation. Auch diese Funktion selbst besitzt Intelligenz. Das letzendlich ausgeführte Verfahren passt am besten zu den hier vorliegenden kleinen Häufigkeiten.
Nichts davon ist als harte Logik programmiert, sondern die Kunst (unsere) besteht darin, ein effektives Arbeitsumfeld für den Agenten zu schaffen. (Geben Sie es ruhig zu, Sie haben auch schon einmal dem Kollegen, der sich so gut mit Excel auskennt, einen Geburtstagskuchen gebacken.)
Hier im Beispiel besteht die Vorbereitung aus einem einzigen Schritt, aber in der Praxis kann das "Massieren" der Daten, das Prüfen aller Methodenvoraussetzung, und die Modellkritik viele Stunden dauern — und das für nur einen Analysepfad.
Heterowas?
Jede Analyse ist nur eine Perspektive, und es gibt viel mehr zu entdecken:
Sieben Worte und Sie erhalten eine komplette Lineare Regression. Das geht auch mit Excel oder einer Programmiersprache wie Python, R oder SAS. Aber nur wenn Sie fehlerfrei Heteroskedastizität aussprechen und definieren können, ist sie auch so wasserdicht wie mit explai. Eine Allzweckwaffe wie Excel kann hier nicht zu wenig (ok, das auch), sondern zu viel: Mit genügend Klicks können Sie Alles mit Jedem kombinieren, ohne Hilfestellung oder Garantie, dass es noch Sinn ergibt.
Im Ergebnis oben sehen Sie das ermittelte Modell (die Koeffizienten), Vorhersagen, und die Visualisierung einer Beispiel-Variablen. Die blaue Box mit der kleineren Schrift erscheint, wenn Sie mit der Maus über eine Tabellen und Grafiken fahren. Hier ergänzt der Agent die Ergebnisse mit Interpretationshilfen.
Wie zu erwarten lässt sich der Preis eines Handys nur ungenau auf Basis seiner Speicher vorhersagen. Leisten wir uns eine zweite Anfrage (puh, wird Zeit für eine Kaffeepause):
Wie ein menschlicher Analyst wirft explai noch einmal einen Blick auf die Daten. Dabei wählt es nur Spalten, die für eine Preisprognose auch inhaltlich sinnvoll sind, lässt also die Namensspalte weg.
Nach der klassischen Regression der vorherigen Antwort entscheidet sich explai diesmal für ein modernes Machine Learning Verfahren. Das macht Sinn, denn für Spalten mit vielen Ausprägungen wie "Farbe" und "Marke" macht einen Regression oft keine gute Figur. Der hier gewählte Algorithmus ist ein vertrauter Partner vieler Data Scientisten, frei verfügbar, und häufiger Gewinner in Wettbewerben. Mit explai bekommen Sie auch ohne Programmierkenntnisse Zugang zu denselben modernen Bibliotheken wie Experten.
Die letzte Tabelle zeigt, welche Merkmale einen besonders hohen Einfluss auf den Preis haben. Weil sich Modell seine Wirkung mit Marke teilt, steht Speicher an erster Stelle.
explai hilft Ihnen jederzeit, Ergebnisse besser zu verstehen:
Ergebnisse für Eilige
Da unser Team trotz Firmensitz in Berlin international ist und für Unternehmen in ganz Europa entwickelt, ist unser bisheriges Beispiel in Englisch. Doch explai baut nicht nur Brücken zwischen "Business-Sprech" und "Fachchinesisch" sondern spricht auch Ihre Sprache:
Vorschlag, um Zeit nach diesem langen Artikel aufzuholen: Sparen Sie sich das Meeting mit Ihrem Chef einfach ganz und teilen Ihre Analyse mit einem Klick. Soll sich doch explai mit den zeitraubenden Rückfragen Ihres Chefs rumschlagen!
Testen Sie uns
Wir haben noch viel vor: Das Repertoire an Open Source Analyseverfahren ist unerschöpflich und Data Science ein weites Feld mit viel Erfahrungswissen. Disziplinen wie die Zeitreihenanalyse werden gerade von Deep Learning aufgemischt, und wir können es nicht erwarten, unseren Agenten Zugang zu geben.
Aber vor Allem möchten wir lernen, welche Informationen unsere Nutzer wirklich schätzen und verstehen um unkomplizierter, spannender und relevanter zu werden. Dafür brauchen wir Ihre Mithilfe. Kontaktieren Sie uns noch heute oder sichern Sie sich einen kostenlosen Zugang zu unserem Testsystem.