Der ultimative Leitfaden zu Mobilitätsdaten 2023

So interpretieren Sie Mobilitäts- und Frequenzdaten, um die Entscheidungsfindung in Ihrer Branche zu verbessern – UND VIELES MEHR!Inhalt

Kapitel eins	Grundlagen zu Mobilitäts- und Frequenzdaten
Kapitel zwei	Warum Big Tech bei Mobilitätsdaten vorangeht
Kapitel drei	Die Messmethoden hinter Mobilitätsdaten im Vergleich
Kapitel vier	Wie Ihre Organisation mit Mobilitätsdaten bessere Entscheidungen trifft
Kapitel fünf	Was sind die wichtigsten Innovationen bei Mobilitätsdaten im Jahr 2023?
Kapitel sechs	Tipps zur Interpretation von Mobilitätsdaten und zum Finden entscheidender Erkenntnisse
Kapitel sieben	Häufige Fragen zu Mobilitätsdaten, beantwortet von unseren Fachleuten
Kapitel acht	So präsentieren Sie Mobilitätsdaten, um echte Veränderung zu bewirken
Kapitel neun	Die Bedeutung von Datenwahrheit, Genauigkeit und Präzision
Kapitel zehn	Wie diese 10 Werkzeuge Ihre Visualisierung und Präsentation von Mobilitätsdaten verbessern

EinleitungIn den vergangenen Jahren sind Mobilitätsdaten und Frequenzdaten geradezu explodiert. Durch Großkonzerne wie Google und Apple ist die Verbreitung von Mobilitätsdaten enorm gestiegen. Ob Sie sich allerdings bewusst sind, dass Sie Mobilitätsdaten nutzen, ist eine andere Frage! Da die Technologie sich in atemberaubendem Tempo weiterentwickelt, haben Genauigkeit und Vielfalt der verfügbaren Mobilitätsdaten stark zugenommen. Doch was genau sind Mobilitätsdaten eigentlich? Woher stammen sie und wie profitieren Sie davon? Und wie unterscheiden sie sich von Standortdaten sowie von klassischen Frequenzdaten und der Personenzählung? Das sind nur einige der Fragen zu Mobilitätsdaten, die wir in diesem ultimativen Leitfaden zu Mobilitäts- und Frequenzdaten behandeln! Lesen Sie weiter und erfahren Sie alles, was Sie wissen müssen, um die Vorteile von Mobilitätsdaten zu nutzen – ob Sie in der Kommunalverwaltung, in der Immobilienwirtschaft, im Einzelhandel oder im Finanzwesen arbeiten. Mobilitätsdaten können Ihre Entscheidungsfindung deutlich verbessern, ganz gleich in welcher Branche Sie tätig sind. Als Bonus stellen wir Ihnen einige unserer bevorzugten Werkzeuge vor, mit denen sich Mobilitätsdaten für Entscheidungsträger und wichtige Personen in Ihrer Organisation visualisieren und präsentieren lassen. Also, ohne Umschweife: Legen wir los!Grundlagen zu Mobilitäts- und Frequenzdaten

Was sind Mobilitätsdaten

Zunächst müssen wir klären: Was genau sind Mobilitätsdaten? Mobilitätsdaten sind eine Aufzeichnung davon, wie Bevölkerungsgruppen und sogar Maschinen in der physischen Welt existieren und mit ihr interagieren. Es gibt viele Ausprägungen von Mobilitätsdaten, darunter Passantenfrequenz, Einzugsgebiete, Analysen der Verweildauer und Besuche unterschiedlicher Ortstypen. Mobilitätsdaten sind die Diagramme, Grafiken und Kennzahlen, die Fachleuten helfen, die Trends zu verstehen, die die reale Welt um uns herum prägen. Der Weg zu diesen Informationen ist recht komplex. Der Begriff Mobilitätsdaten bezeichnet keine einzelne Art von Rohdaten, sondern umfasst ein breites Spektrum möglicher zugrunde liegender Messungen und Erhebungsverfahren. Mobilitätsdaten gibt es tatsächlich schon sehr lange. Seit Jahrzehnten sind Fachleute im Einzelhandel, in der Immobilienwirtschaft und in der Verwaltung mit Formen von Mobilitätsdaten vertraut, darunter Passantenfrequenz, Quelle-Ziel-Matrizen und Einzugsgebietsstudien. Neu ist, dass neue Technologien Eigenschaften ermöglichen, die Mobilitätsdaten nützlicher und relevanter denn je machen. Diese Innovationen ermöglichen vor allem:

1. Zeitnahe Datenerfassung
2. Höhere Messfrequenz
3. Mobilitätsanalysen ohne zeitliche und geografische Grenzen

Auf jeden dieser Faktoren gehen wir im Verlauf des Leitfadens ein und erläutern ihre Bedeutung und ihre Rolle für Mobilitätsdaten. Es gibt unzählige bestehende und mögliche Quellen für Mobilitätsdaten, doch alle handeln auf die eine oder andere Weise vom Gleichen: davon, wie Menschen und Dinge mit der realen Welt um uns herum interagieren. Dazu zählen:

1. Daten aus Mobilfunknetzen
2. Daten aus Videoüberwachung, WLAN-Netzen, Lichtschranken und anderen physischen Lösungen
3. Daten aus mobilen Endgeräten und Apps
4. Daten von Verkehrsbetrieben und Speditionen
5. Daten von Satelliten
6. Daten aus durchgeführten Befragungen

Auch darauf gehen wir später im Detail ein – wenn Sie jedoch eine schnelle Antwort zum Verständnis von Mobilitätsdaten suchen, ist es wichtig, diese Quellen zu kennen und zu wissen, wie sie die Mobilitätsdaten beeinflussen, die Sie am Ende verwenden. Wenn Sie ein Mobilitätsdatenprodukt tatsächlich in Händen halten, können Sie jedoch davon ausgehen, dass die Bestandteile – welche auch immer es sind – bereits zu Diagrammen, Grafiken und anderen statistischen Formen verarbeitet wurden, die für die Analyse bereit sind! Damit ist das geklärt, und wir haben ein besseres Verständnis davon, was Mobilitätsdaten wirklich sind. Wenden wir uns nun den Vor- und Nachteilen zu.

Vorteile von Mobilitätsdaten

Die Möglichkeiten und Vorteile von Mobilitätsdaten sind potenziell grenzenlos, doch für den Moment möchten wir einige der wichtigsten Vorteile ansprechen, die für Sie interessant sein dürften. Der zweifellos wirkungsvollste Einsatz von Mobilitätsdaten besteht darin, Unternehmen bei besseren Entscheidungen zu unterstützen. Wenn Organisationen präzise, regelmäßig aktualisierte Mobilitätsdaten zur Verfügung stehen, können Fachleute fundierte, evidenzbasierte Entscheidungen treffen. Damit stehen Ihnen letztlich all diese Vorteile offen:

1. Passantenfrequenz messen

Der wichtigste übergreifende Vorteil von Mobilitätsdaten ist, dass Sie mit hoher Sicherheit verstehen, wohin sich Menschen in der realen Welt bewegen. Das hilft Ihnen möglicherweise auch zu verstehen, warum sie bestimmte Orte aufsuchen, und Chancen in Vertrieb, Planung, Investition oder Marketing zu erkennen.

2. Trends aufdecken

Die Stärke von Daten liegt darin, dass sie es leicht machen, Trends zu erkennen und datengetriebene Entscheidungen zu treffen. So verstehen Sie, wie sich Mobilitätsmuster als Reaktion auf Wetter, Attraktionen und saisonale Trends verändern.

3. Chancen ergreifen

Mobilitätsdaten erlauben es Ihnen, Chancen zu ergreifen, die früher eher ein Glücksspiel gewesen wären. Mit Mobilitätsdaten können Organisationen lokale Marktgrößen über Einzugsgebiete und Frequenzkennzahlen quantifizieren. Das hilft Ihnen, einzigartige Geschäfts- oder Marketingchancen auf Basis belastbarer Daten zu nutzen. Die Risiken, die üblicherweise mit solchen Entscheidungen einhergehen, sinken damit erheblich.

4. Ihren Markt kennen

Ein weiterer interessanter Vorteil von Mobilitätsdaten ist die Möglichkeit, das optimale Verhältnis zwischen Menge und Wert der Besuche in einem Gebiet zu ermitteln und Ihre Marktkapazität sowie die Kaufkraft der Konsumenten wirklich zu verstehen.

5. Die Zukunft prognostizieren

Ein fundiertes, datengestütztes Verständnis historischer Bewegungen und der Zugang zu aktuellen, regelmäßig aktualisierten Mobilitätsdaten versetzen Sie in eine starke Position, um die Zukunft zu prognostizieren und Umsatzprognosemodelle für Einzelhandelsobjekte zu nutzen.

6. Performance benchmarken

Sie können Mobilitätsdaten nutzen, um Orte und reale Objekte mit Vergleichsgruppen und Wettbewerbern zu vergleichen und so zu bestimmen, wie gut Ihr Unternehmen abschneidet.

7. Menschlichen Kontext liefern

Ein weiterer großer Vorteil von Mobilitätsdaten ist, dass Sie anderen Datensätzen und Datenbeständen menschlichen Kontext hinzufügen können, um die wahre Natur der Daten zu verstehen und zu sehen, wie sich menschliche Mobilität auswirkt. Wir behandeln das in einem späteren Kapitel ausführlicher, doch die Kombination von Mobilitätsdaten mit demografischen Daten, Zensusdaten und weiteren Daten – etwa Ausgabendaten – ist von unschätzbarem Wert.

8. Schnell zu Erkenntnissen kommen

Anders als bei klassischer Personenzählung und manuell erhobenen Frequenzdaten liefern moderne Mobilitätsdaten blitzschnell Erkenntnisse. Da regelmäßig aktualisierte Daten bereits vorliegen, können Sie rasch entscheiden, statt darauf warten zu müssen, dass Daten manuell erhoben werden.

Nachteile von Mobilitätsdaten

Man kann durchaus sagen: Mit dem technologischen Fortschritt und dem daraus folgenden Boom an Vielfalt und Verfügbarkeit unterschiedlicher Datenquellen stehen den positiven Eigenschaften moderner Mobilitätsdaten – Geschwindigkeit, Zugriff auf Abruf, Detailtiefe und Wirtschaftlichkeit – auch Unbekannte gegenüber, mit denen die Branche noch ringt. Vor allem ist schwer einzuschätzen, ob die statistischen Informationen, die Anbieter von Mobilitätsdaten liefern, die Realität zutreffend abbilden oder nicht. Viele Faktoren machen die Erhebung und Verarbeitung von Mobilitätsdaten anspruchsvoll. Welche Daten oder Datenkombinationen werden überhaupt verwendet? Wie häufig und wie ausgewogen sind diese Daten – unterliegen sie bekannten oder unbekannten Verzerrungen? Es gibt viele Wege, auf denen Anbieter von Mobilitätsdaten die Genauigkeit ihrer Daten überprüfen, doch oft ist der beste Weg schlicht, sie mit externen, offiziellen Statistiken abzugleichen und zu prüfen, wie gut sie übereinstimmen. Doch selbst das kann schwierig sein. Häufig gibt es keine direkten Vergleichsmöglichkeiten zu bestehenden Faktenquellen – etwa konventionellen Befragungsdaten und Statistiken von Behörden wie dem US Census Bureau oder dem ONS. Und angesichts der Grenzen jeder einzelnen Methode zur Messung unterschiedlicher Mobilitätsformen: Wer will sagen, ob die anerkannte historische Datenlage selbst je genau war? Nachdem wir die Vor- und Nachteile behandelt haben, sehen wir uns nun einige praktische Anwendungsfälle an.

Einsatzmöglichkeiten von Mobilitätsdaten

Ganz gleich, in welcher Branche Sie tätig sind – es gibt mit Sicherheit einen passenden Anwendungsfall für Ihre Organisation. Beginnen wir mit den folgenden Einsatzmöglichkeiten und schauen wir, ob wir Ihnen zeigen können, wie Mobilitätsdaten Ihre Entscheidungsfindung verbessern. Dies ist zunächst nur ein Überblick über die Anwendungsfälle. In Kapitel vier gehen wir deutlich tiefer und zeigen Ihnen, wie Sie den größten Nutzen daraus ziehen. Damit die Einsatzmöglichkeiten leichter erkennbar und verständlich sind, haben wir sie grob nach Branche gegliedert.

Kommunalverwaltung

1. Wirtschaftsförderung
2. Veränderungen der Passantenfrequenz regelmäßig messen
3. Die richtigen Besucher anziehen
4. Verstehen, wie Besucher Ihre Innenstädte nutzen (Verweildauer, Dichte und Häufigkeit)
5. Stadtzentren mit anderen benchmarken
6. Erfahren, woher die Menschen kommen (Einheimische oder ist es ein Ausflugsziel?)
7. Zugänge, Ausstattung oder Gestaltung von Flächen verbessern
8. Verkehrsmanagement
9. Verstehen, wie der Verkehr durch die Zentren fließt
10. Wege finden, Staus zu verringern
11. Bessere Verkehrsanbindungen planen und bauen

Einzelhandel und Immobilienwirtschaft

1. Standortwahl im Einzelhandel
2. Adressierbare Marktgröße ermitteln
3. Potenzielle Kunden qualifizieren
4. Standortkandidaten in die engere Wahl nehmen
5. Standort-Performance benchmarken
6. Das Frequenzpotenzial rund um einen Standort ermitteln
7. Umsatzdaten nutzen, um die Standort-Performance zu benchmarken

Finanzinvestoren

1. Quantitative Analysten und Investoren
2. Makro- und Mikro-Investmentresearch
3. Verkaufszahlen präzise prognostizieren

Was sind Frequenzdaten

Wir haben viel über Mobilitätsdaten gesprochen – doch was ist mit Frequenzdaten? Was sind sie, und unterscheiden sie sich von Mobilitätsdaten? Zunächst: Frequenzdaten werden häufig auch als Personenzählung, Besucherzählung oder schlicht als Kundenfrequenz bezeichnet. Das erhellt vielleicht schon, was wir meinen, wenn wir von klassischen Frequenzdaten sprechen. Einfach gesagt sind es die Daten aus der Zählung der Personen, die eine Filiale, ein Einkaufszentrum, eine Einkaufsstraße oder ein anderes Gebiet betreten. Sie fragen sich vielleicht, worin der Unterschied zu Mobilitätsdaten besteht. Mobilitätsdaten nutzen unterschiedliche Technologien, um ein ganzheitliches Bild der Bevölkerungsbewegung zu zeichnen. Das ermöglicht Zählungen an bestimmten Orten (also Passantenfrequenz) sowie darüber hinausgehende Kennzahlen wie Fußgängerströme, Einzugsgebietsanalysen und Verweildauer an Orten. Frequenzdaten sind enger gefasst: Sie zählen nur Menschen an Orten und sind dadurch begrenzt, dass Sensorhardware an bestimmten Standorten installiert und gewartet werden muss. Mobilitätsdaten bieten außerdem Zugriff auf Abruf auf historische Daten an jedem beliebigen Ort, während die klassische Frequenzmessung erst ab dem Installationsdatum Erkenntnisse liefert.

Vorteile von Frequenzdaten

Frequenzdaten mögen nicht so fortschrittlich sein wie Mobilitätsdaten, doch das heißt nicht, dass sie keine Vorteile hätten. Bevor die Technologie kam, stützten sich sehr viele Organisationen auf Frequenzdaten beziehungsweise Personenzählung, um ihre Entscheidungen zu untermauern. Mobilitätsdaten heben das lediglich auf die nächste Stufe! Zu den klassischen Vorteilen von Frequenzdaten und Personenzählung zählten unter anderem:

1. Ein besseres Verständnis davon, welche Stunden gut abschneiden (hohe Frequenz) und welche weniger gut (niedrige Frequenz). Das hilft Unternehmen und Citymanagern, Orte zu verbessern, indem sie ihre Angebote danach ausrichten, wann Besucher oder Kunden sie am dringendsten brauchen.
2. Wenn Sie die Zahl der Personen im Umfeld Ihrer Filialen kennen, können Sie diese mit der Zahl der Verkäufe zu einem bestimmten Zeitpunkt vergleichen und so den Anteil der Personen ermitteln, die bei Ihnen kaufen. Das hilft, die Filialleistung und die Verkaufseffektivität des Personals einzuschätzen.
3. Schließlich können Sie durch das Zählen von Frequenzdaten und die Kenntnis der Zahl potenzieller Kunden die Wirksamkeit von Marketingstrategien bestimmen. Indem Sie Frequenzdaten mit Marketingkampagnen in Beziehung setzen, verstehen Sie deutlich besser, wie gut einzelne Kampagnen für Sie funktionieren.

Das sind nur einige der Vorteile klassischer Frequenzdaten und Personenzählung.

Grenzen von Frequenzdaten

Klassische Frequenzdaten und Personenzählung waren historisch außerordentlich hilfreich, doch mit dem Aufkommen von Mobilitätsdaten gibt es einige Grenzen, die wir ansprechen müssen. Anders als moderne Mobilitätsdaten setzt die klassische Erhebung von Frequenzdaten oft die Installation von Sensorhardware an bestimmten Standorten voraus, deren Aufbau und Wartung zeit- und ressourcenintensiv sind. Da sich diese Verfahren nur begrenzt automatisieren lassen, wird effizientes Skalieren zur echten Herausforderung. Hinzu kommen weitere Nachteile, etwa die fehlende Möglichkeit, Einzugsgebiete zu messen, und die Schwierigkeit, Engpässe präzise zu finden. Das sind nur einige der Nachteile und zeigt, warum die Welt sich modernen Mobilitätsdaten zuwendet, statt sich auf klassische Frequenzzählung zu verlassen.Warum Big Tech bei Mobilitätsdaten vorangehtEs wäre kaum übertrieben zu sagen, dass die Verbreitung von Mobilitätsdaten in den letzten Jahren explodiert ist. Doch Sie fragen sich vielleicht, warum. Wenn wir ein Stück zurückspulen, war häufig von Standortdaten die Rede und davon, wie sich damit verstehen lässt, wohin Menschen gehen, woher sie kommen und wie lange sie an einem bestimmten Ort bleiben. Das war und bleibt ergiebig für Unternehmen und Organisationen, die diese Informationen nutzen können, um kommerziell besser zu werden. Zwischen Standortdaten und Mobilitätsdaten hat sich eine wichtige Unterscheidung herausgebildet. Während Standortdaten die zugrunde liegenden Rohaufzeichnungen von Bewegung bezeichnen (geprägt von sehr großen Datenmengen und schwer nutzbaren Eigenschaften), bezeichnen Mobilitätsdaten das nützlichere zusammengefasste Ergebnis – typischerweise Diagramme, Grafiken und andere Ressourcen, die sich direkt für Entscheidungen verwenden lassen. Diese Entwicklung und der Fokus auf Mobilitätsdaten wurden durch die Covid-19-Pandemie deutlicher und bekannter. Und all diese anspruchsvolle Mathematik und Datenverarbeitung erfordert leistungsstarke Big-Data-Analysewerkzeuge wie Google BigQuery, Snowflake und andere Technologien großer Anbieter.

Covid treibt Mobilitätsdaten voran

Schon vor Covid-19 profitierten Unternehmen von vergleichbaren Daten, doch erst die Pandemie rückte sie wirklich in den Mittelpunkt der internationalen Debatte – vor allem dank der Beteiligung großer Technologiekonzerne. Um Regierungen weltweit zu unterstützen, entschieden sich Google und Apple, hochwertige Mobilitätsdatenberichte kostenfrei zu veröffentlichen, um Erkenntnisse über die Bewegung von Menschen zu liefern und die Ausbreitung des Coronavirus in ihren Bevölkerungen einzudämmen. Indem sie die Bewegungen der Bevölkerung verstanden, konnten Regierungen besser nachvollziehen, wie sich Covid-19 auf Gemeinschaften auswirkte, und Maßnahmen ergreifen, um ihre Gemeinschaften zu schützen und die Ausbreitung der Krankheit zu begrenzen. Diese Reaktion auf die Pandemie hat Mobilitätsdaten einer breiten Öffentlichkeit nahegebracht und sie auf den Radar normaler Menschen gebracht. Und auch wenn Covid-19 den Nutzen von Mobilitätsdaten sichtbar gemacht hat: Für Big Tech war es keineswegs die erste Berührung damit.

Klassische Arten von Mobilitätsdaten

Mobilitätsdaten sind nichts Neues. Akademische Forschung aus den 1970er-Jahren etablierte standardisierte Wege, die Welt über Geodemografie, Frequenzzählung, Einzugsgebietsanalysen und Quelle-Ziel-Matrizen zu verstehen. Diese Perspektiven auf die Mobilität von Bevölkerungen sind gereift und haben sich als zentrale Kennzahlen für Fachleute in Verwaltung, Einzelhandel, Immobilienwirtschaft und Finanzwesen etabliert. Während die Ergebnisse dieselben geblieben sind, haben sich die Wege dorthin – die zu diesem Zweck erhobenen und zusammengeführten Daten – weiterentwickelt. Wir sprechen in diesem Beitrag viel über moderne Mobilitätsdaten und ihre Vorteile, doch was sind einige der klassischeren Datenquellen, die Anbieter in diesem Feld nutzen? Die Verfahren zur Erhebung und Nutzung von Mobilitätsdaten reichen von einfach bis hochentwickelt, wobei ihre Eigenschaften in Genauigkeit und Verfügbarkeit variieren. Wie bei den meisten Dingen hat jede Methode ihre Stärken und Grenzen, und manche Zwecke verlangen nach bestimmten Arten von Mobilitätsdaten. Auf diese Messverfahren gehen wir später sehr viel ausführlicher ein. Zu den klassischen Methoden und Technologien, mit denen sich verstehen lässt, wie Bevölkerungen die physische Umgebung nutzen und sich durch sie bewegen, zählen:

• Befragungen und Zensus – periodisches Vorbereiten, Durchführen und Auswerten von Befragungen
• Kameras und Videoüberwachung – automatisches Beobachten von Passantenfrequenz und Fußgängerströmen anhand von Videomaterial
• Optische, Infrarot- und Lichtschrankensensoren – Zählen der Personen, die bestimmte Punkte passieren, mithilfe spezieller optischer Geräte und Laserstrahlen
• Öffentliche WLAN-Netze – Erfassen der Anwesenheit WLAN-fähiger Geräte in der Umgebung öffentlicher WLAN-Router
• Mobilfunkstandort- oder Cell-ID-Daten – Bestimmen, wo sich mobile Geräte innerhalb der Infrastruktur der Mobilfunkanbieter befinden

Doch die Technologie entwickelt sich in außergewöhnlichem Tempo weiter, und damit entstehen neue Möglichkeiten und Vorteile. Wenn größere Verarbeitungskapazitäten auf eine stetig wachsende Zahl vernetzter Geräte und Maschinen aller Art treffen, ist die Zukunft für Mobilitätsdaten außerordentlich hell.

Automatisierte Fahrzeuge und Big Tech

Ein Aspekt von Mobilitätsdaten und Big Tech, den Sie vielleicht noch nicht bedacht haben, ist der Trend zu automatisierten Fahrzeugen. Große Konzerne wie Google, Apple, Microsoft und Meta (früher Facebook) wollen alle ein Stück vom entstehenden Markt für automatisierte Fahrzeuge. Mit der zunehmenden Verbreitung automatisierter Fahrzeuge entsteht ein völlig neuer potenzieller Markt – einer, den große Technologiekonzerne mithilfe von Mobilitätsdaten erschließen können, um neue Erlösquellen zu nutzen. Auch deshalb sind Big Tech und Mobilitätsdaten so eng miteinander verflochten und treiben deren Popularität voran.

Über das Heute hinaus

Es ist an dieser Stelle erwähnenswert, dass das Interesse von Big Tech an Mobilitätsdaten weit über Befragungen, Zensus, Kameras, Videoüberwachung, Optik, Infrarot, Lichtschranken und Mobilfunknetzdaten hinausreicht. Große Technologiekonzerne sehen eine Zukunft, in der das Verstehen und Analysieren von Bevölkerungsbewegungen hochprofitabel sein wird und zu Innovationen und Technologien führt, die es heute schlicht nicht gibt. Sie prognostizieren eine Zukunft, in der die heutigen Messsysteme für Mobilitätsdaten der wachsenden Nachfrage nicht mehr genügen und in den kommenden 15 Jahren eine Verkehrskapazitätslücke von 150 bis 200 Milliarden Personenkilometern entstehen wird. Sie weisen zudem darauf hin, dass Städte derzeit um das Auto herum gebaut sind statt um den Menschen – und dass sich das ändern muss.Die Messmethoden hinter MobilitätsdatenWir wissen nun, was Mobilitäts-, Standort- und Frequenzdaten sind und worin sie sich unterscheiden. Und wir wissen, wie große Technologiekonzerne wie Google und Apple ihr Profil mit kostenfreien Mobilitätsdatenberichten zur Eindämmung von Covid geschärft haben. Doch nicht alle Mobilitätsdaten werden auf dieselbe Weise gemessen, und die Methode hinter einem Datensatz bestimmt, was er Ihnen sagen kann – und was nicht. Diese Ansätze auseinanderhalten zu können, gehört zu den nützlichsten Fähigkeiten für alle, die Mobilitätsdaten einkaufen oder beauftragen. Branchenweit zählen zu den etablierten Ansätzen:

1. Befragungen und Zensus
2. Kameras und Videoüberwachung
3. Optische, Infrarot- und Lichtschrankensensoren
4. Öffentliche WLAN-Netze
5. Mobilfunkstandort- oder Cell-ID-Daten
6. Globale Positionsbestimmungssysteme (GPS)
7. Bidstream-Daten aus der Werbeauslieferung
8. Bluetooth und Beacons (BLe)

Sehen wir uns jeden dieser Punkte nun genauer an – und dabei, worin jeder Ansatz stark ist und wo er an seine Grenzen stößt.

Befragungs- und Zensusdaten

Der klassische Weg, etwas über die Mobilität von Bevölkerungen zu erfahren, besteht darin, mit einem Klemmbrett loszuziehen und Menschen zu befragen. Wo arbeiten Sie? Wie kommen Sie dorthin – mit dem Auto oder öffentlich? Wo kaufen Sie ein? Befragungs- und Zensusdaten nutzen die Antworten auf solche Fragen häufig, um die Bewohner bestimmter geografischer Gebiete (in Großbritannien als „output areas“, in den USA als „census tracts“ bezeichnet) zusammengefasst und statistisch zu charakterisieren. Diese Ergebnisse werden anschließend für die öffentliche oder kommerzielle Nutzung bereitgestellt. Befragungen geben Forschenden zwar große Freiheit, genau die Fragen zu stellen, die sie interessieren, doch die Erhebung ist zeitaufwendig und teuer. Entsprechend werden Bevölkerungen häufig gestichprobt (etwa jeder tausendste Bewohner wird befragt), wodurch Repräsentativität zu einer wichtigen Hürde wird. Ebenso sind die gegebenen Antworten von den Befragten selbst „erklärt“, was mitunter zu Wahrnehmungsverzerrungen führt. So kann eine befragte Person meinen, sie besuche einen bestimmten Ort häufiger oder kaufe dort öfter ein, als es tatsächlich der Fall ist, weil sie ihn als erstrebenswert empfindet. All das führt zu spezifischen, aber wenig häufigen Mobilitätsdaten mit gewissen Verzerrungsrisiken.

Kameras und Videoüberwachung

Ein etabliertes Mittel, bestimmte Formen von Mobilitätsdaten zu erheben – vor allem Frequenzdaten –, besteht darin, eine Videokamera auf einen bestimmten Abschnitt einer Straße, einer Kreuzung oder eines Ortes zu richten und die Zahl der passierenden Personen oder Fahrzeuge zu zählen. Ursprünglich wurde diese Aufgabe manuell erledigt: Bezahlte Kräfte saßen stundenlang vor Aufnahmen und strichlisteten die Zahl der sichtbaren Personen oder Objekte. Mit Fortschritten im maschinellen Lernen und in der künstlichen Intelligenz (KI) lässt sich diese Aufgabe durch Bilderkennungssoftware automatisieren. Diese Methode unterscheidet sich von Befragungsdaten, da sie als „beobachtete“ statt als erklärte Daten gilt – und damit das oben beschriebene Risiko der Wahrnehmungsverzerrung reduziert. Doch so fortschrittlich die KI-Software auch sein mag, diese Methode bringt eigene Grenzen mit sich. Beobachtungen sind auf das Sichtfeld der Kamera beschränkt, da sie Aktivität außerhalb des Objektivs weder „sehen“ noch aufzeichnen kann. Sie messen Mobilität also nur innerhalb eines bestimmten, eng umrissenen Bereichs. Zudem ist es sehr schwierig, die Bilderkennung so zu trainieren oder zu optimieren, dass sie zwischen einer Person, die das Objektiv 100-mal passiert, und 100 Personen, die es einmal passieren, unterscheidet. Tests zeigen, dass kamerabasierte Messlösungen die Passantenfrequenz dadurch um bis zu das Dreifache überschätzen können – mit allen daraus folgenden Auswirkungen auf wichtige Entscheidungen.

Optische, Infrarot- und Lichtschrankensensoren

Ein klassischer Weg, Passantenfrequenz zu messen, besteht darin, optische oder Infrarotsensoren an bestimmten Standorten zu installieren und dann entweder per Software die Zahl der Personen im Sichtfeld zu ermitteln oder schlicht zu zählen, wie oft der Strahl von Personen oder Objekten unterbrochen wird. Solche Systeme sind weit verbreitet, etwa in Ladeneingängen, um die Frequenz an diesen Orten zu zählen. Typischerweise wird die Hardware von einem spezialisierten Dienstleister installiert, und die Daten werden aufbereitet und an den Kunden zurückgegeben. Ein Vorteil dieser Methode ist, dass sie deterministisch alle Aktivitäten erfasst, die innerhalb des Messbereichs stattfinden. Zu den Nachteilen zählt das sehr enge Sichtfeld – oft nur ein Eingangsbereich oder ein einzelner Laserstrahl quer über eine Straße –, sodass kaum Kontext verfügbar ist. Zudem teilen diese Erhebungsverfahren die Unfähigkeit von Kamera- und Videoüberwachungslösungen, eindeutige Besucher zu bestimmen. Es gab Versuche, mehrere gleichzeitig sichtbare Besucher über Mehrlinsenlösungen zu unterscheiden und so Tiefe einzuführen. Dennoch kann keine dieser Lösungen zwischen einem Besucher, der 100-mal vorbeigeht, und 100 Besuchern, die einmal vorbeigehen, unterscheiden.

Öffentliche WLAN-Netze

Nett von Städten und Einzelhandelsstandorten, ihren Besuchern öffentliches WLAN bereitzustellen! Das stimmt – doch niemand verschenkt etwas. Öffentliche WLAN-Systeme werden häufig mit dem Hauptziel installiert, herauszufinden, wie viele Menschen öffentliche Orte und Räume nutzen. Selbst wenn Ihr Smartphone, Tablet oder Computer nicht aktiv mit dem WLAN verbunden ist, können die Router das Gerät in Reichweite (bis zu 30 Meter) erfassen und diese Information aufzeichnen. Öffentliche WLAN-Netze bestehen aus einem Verbund einzelner Router, die gemeinsam ein Gebiet durchgängig abdecken. Es sollte daher möglich sein, Passantenfrequenz und Fußgängerströme überall im Netz zu messen. Die großen Gerätehersteller wurden jedoch bereits 2014 auf mögliche Datenschutzprobleme dieser Praxis aufmerksam und ergriffen Maßnahmen zur Risikominderung. Konkret wurde die Anwesenheit und Bewegung von Geräten im Netz beobachtet, indem die MAC-Adresse als eindeutige Kennung der Hardware genutzt und gezählt wurde, wo diese Kennung auftrat. Die Lösung bestand darin, das Betriebssystem so anzupassen, dass das Gerät bei jeder Erfassung eine neue MAC-Adresse sendet, sodass sich dasselbe Gerät im Zeitverlauf nicht mehr wiedererkennen lässt. Das führt dazu, dass sich öffentliche WLAN-Netze nicht nutzen lassen, um eindeutige Passantenfrequenz an bestimmten Orten zu zählen oder Fußgängerströme im Netz zu beobachten.

Mobilfunkstandort- oder Cell-ID-Daten

Ein seit Langem etablierter Weg, Bevölkerungsmobilität im großen Maßstab zu messen, ist die Nutzung von Mobilfunkstandortdaten der Netzbetreiber. Diese Daten liegen in verschiedenen Formen vor und werden traditionell von Städten und Unternehmen genutzt, um zu verstehen, wie Menschen Orte nutzen. Es gibt unterschiedliche Genauigkeitsgrade: von der Cell ID (dem Standort des Mobilfunkmasts, mit dem ein Gerät verbunden ist) bis hin zu Triangulationsverfahren, die den Standort eines Geräts innerhalb eines Dreiecks aus drei Masten anhand von Signalstärke und Latenz schätzen. Vorteilhaft an Mobilfunknetzdaten ist, dass es in vielen Ländern vielleicht drei oder vier große Netze gibt, bei denen nahezu die gesamte erwachsene Bevölkerung Kunde ist. Die verfügbare Stichprobe ist damit zwangsläufig groß und repräsentativ. Die wesentliche Einschränkung dieser Daten ist, dass sie in ihrer verbreitetsten Form (Cell ID) weniger genau sind als andere Methoden, da die Masten weit auseinanderliegen. Damit eignen sich Mobilfunknetzdaten für übergreifende Mobilitätsstudien über ganze Städte und Stadtteile, sind aber etwa für Untersuchungen auf Straßenebene ungeeignet.

Globale Positionsbestimmungssysteme

Sie haben mit hoher Wahrscheinlichkeit von GPS gehört und wissen, dass es mit Ihrem Standort und der Navigation zu tun hat und Sie davor bewahrt, sich zu verirren. Es ist jedoch weit nützlicher als das und eine hervorragende Informations- und Mobilitätsdatenquelle. Heute nutzen Sie unweigerlich Geräte, die GPS-Daten verwenden. Ob Smartphone oder Navigationsgerät im Auto – Sie greifen auf GPS-Technologie zurück. Damit Sie Ihr Ziel erreichen, muss die Hardware in Ihrem Telefon mit GPS-Satelliten kommunizieren. Diese übermitteln Breiten- und Längengrad an Ihr Gerät, damit Sie sich orientieren können. All diese Daten werden protokolliert und erfasst und können von Organisationen genutzt werden, um anonyme Mobilitätsdaten bereitzustellen. GPS-Daten gelten als einer der Goldstandards der Standortdatenerhebung. Es sei jedoch angemerkt, dass die Qualität von GPS-Daten verzerrt sein kann, wenn man sich in Innenräumen, zwischen Hochhäusern oder an Orten befindet, an denen das Gerät nicht mit GPS-Satelliten kommunizieren kann.

Bidstream-Daten aus der Werbeauslieferung

Ein weiteres Verfahren zur Gewinnung von Mobilitätsdaten sind Bidstream-Daten. Immer wenn in einer mobilen App oder auf einer Website eine Anzeige ausgeliefert wird, erfassen die Server der Werbenetzwerke einen ähnlichen Datensatz, der Werbetreibenden hilft, Anzeigen gezielter auszuspielen. Diese SDKs der Werbenetzwerke sind sehr weit verbreitet, und die daraus resultierende Informationsflut ist als „Bidstream“ bekannt. Auch wenn es theoretisch reizvoll klingt, das Nebenprodukt dieses Prozesses für Mobilitätserkenntnisse zu nutzen, sind solche Daten in der Praxis eher ungenau oder unvollständig, da ihre Quellen und die Bedingungen ihrer Entstehung häufig unbekannt sind. Oft erfasst der Bidstream lediglich die IP-Adresse des betreffenden Geräts und nicht dessen GPS-Standort. Aus der IP-Adresse lässt sich zwar der ungefähre Standort ableiten, doch gerade bei mobilen IP-Adressen ist das äußerst ungenau. Zwei weitere Probleme mit Bidstream-Daten sind, dass (a) die Information nur verfügbar ist, wenn eine Anzeige ausgeliefert wird – also nur zeitweise während der App-Nutzung – und (b) Anzeigen schnell ausgeliefert werden müssen, weshalb dieser Prozess häufig auf Zwischenspeicherung setzt, die veraltete Standortdaten meldet. Dennoch wird Bidstream vielfach als günstiger und schneller Weg genutzt, um Mobilitäts- und Frequenzdaten zusammenzutragen.

Beacons

Ein weiteres Verfahren zur Erfassung von Standortdaten sind Beacons. Vereinfacht gesagt sind Beacons physische Hardwaregeräte, die andere Geräte erkennen können, wenn diese sich in unmittelbarer Nähe befinden. Diese Beacons können dann die Standortdaten naheliegender Geräte erfassen und aufzeichnen und so Mobilitätsdaten liefern. Anders als bei anderen Erhebungsverfahren sind Beacons physische Geräte, die an einem bestimmten Ort installiert werden müssen. Sie beobachten daher nur an diesen Orten und verlieren viele der wichtigen Eigenschaften von Mobilitätsdaten – etwa die Möglichkeit zu messen, wo Menschen davor waren und wohin sie danach gehen. Das mindert den Wert von Beacons als Quelle von Mobilitätserkenntnissen und erschwert das Erreichen von Skalierung. Google betrieb einst ein Beacon-Netzwerk für Marketingfachleute, stellte diese Plattform jedoch im April 2021 ein.Wie Organisationen Mobilitätsdaten für bessere Entscheidungen nutzenEs ist ja schön und gut, viele Mobilitätsdaten zu haben – doch wie hilft Ihnen das konkret, bessere Entscheidungen zu treffen? Bevor wir einsteigen, sollten Sie einige wichtige Punkte kennen. Manche Anbieter von Mobilitätsdaten – insbesondere „Datenbroker“ – liefern Unternehmen Unmengen an Rohdaten: Milliarden von Messwerten, die für den geschäftlichen Anwender sehr schwer zu nutzen und für sich genommen ziemlich bedeutungslos sind. Tatsächlich bräuchten Sie hochqualifizierte Data Scientists und sehr anspruchsvolle Technologien, um all das zu durchforsten und daraus etwas Nützliches oder auch nur Aussagekräftiges zu gewinnen. Genau hier unterscheiden wir uns. Wir sind kein Datenbroker und liefern keine Rohdaten, sondern Erkenntnisse aus Mobilitätsdaten. Statt Datenberge, für deren Entwirrung man einen Abschluss in Data Science braucht, liefern wir nützliche statistische Informationen, die Ihnen helfen, schnell und präzise zu entscheiden und Ihre geschäftlichen Entscheidungen, Optionen und Strategien zu verbessern. Wie also lassen sich diese Informationen konkret nutzen?

Bessere Einzelhandelsplanung

Mobilitätsdaten helfen Ihnen, Ihre Kunden und Ihre potenzielle Zielgruppe deutlich besser zu verstehen. Sie öffnen ein Fenster darauf, wie sich Ihre Zielgemeinschaften bewegen, woher sie kommen, wie weit sie anreisen und wie lange sie an einem Ort bleiben. Diese Kennzahlen sind ein hervorragendes Instrument, um Kaufverhalten und erwartete Ausgaben zu verstehen und zu prognostizieren. Mit Mobilitätsdaten lassen sich vielfältige nützliche Erkenntnisse über Ihre Region, Ihren Standort, Ihre Stadt oder sogar eine einzelne Straße gewinnen, die Ihre Positionierung ebenso wie Ihre Planung fundieren. Mobilitätsdaten zeigen Ihnen Hotspots – Orte, an denen sich Menschen sammeln –, aus denen Sie mögliche Verhaltensmuster oder sogar kommerzielle Chancen ableiten können. Machen wir es an einem Beispiel greifbarer. Sie betreiben eine lokale Eisdiele und möchten mehr Menschen dazu bringen, Sie zu besuchen und Ihr köstliches handgemachtes Gelato zu kaufen. Mit unseren Mobilitätsdaten könnten Sie:

1. Ermitteln, welche Straßen in Ihrer Stadt die höchste Frequenz aufweisen
2. An welchen Tagen und zu welchen Zeiten Menschen dort unterwegs sind
3. Wie lange Menschen dort verweilen

Das wiederum ermöglicht es Einzelhändlern und Immobilienunternehmen, die passenden Standorte für ihren Markt innerhalb einer Stadt zu finden und Filialen dort zu eröffnen, wo die höchste Menge und Qualität an Passantenfrequenz zusammenkommt. Das ist nur ein einfaches Beispiel dafür, wie Sie Mobilitätsdaten nutzen können, um Ihre Effizienz deutlich zu steigern und Ihre Umsätze zu erhöhen.

Bessere Planung

Mobilitätsdaten sind für Kommunen hervorragend geeignet. Für eine Kommune ist es von unschätzbarem Wert zu verstehen, wie sich ihre Gemeinschaften bewegen, versammeln, reisen und ihre Städte letztlich nutzen. Dieses Wissen macht Planung deutlich einfacher und wirksamer. Setzen wir das mit einem weiteren Beispiel in Kontext. Nehmen wir an, Sie sind kommunaler Stadtplaner und erwägen Verbesserungen in Ihrer Stadt. Mit Mobilitätsdaten können Sie eine Wirkung erzielen, die Ihre Gemeinschaften bemerken und von der sie profitieren. Ein Beispiel ist die Möglichkeit, Engpässe in Ihren Innenstädten zu erkennen. Anhand von Mobilitätsdaten könnten Sie als Kommune leicht erkennen, welche Bereiche stark überlastet sind. Die Antwort könnte darin bestehen, eine Chance zur Verbesserung der Infrastruktur zu identifizieren und zusätzliche Wege und Passagen durch die Stadt zu schaffen, damit Menschen freier und angenehmer strömen, statt in dichten Menschenmengen festzustecken. Als Fachleute auf diesem Gebiet sehen wir den Nutzen eines solchen Einsatzes von Mobilitätsdaten sehr deutlich, denn er hilft Kommunen, spürbare und umsetzbare Verbesserungen zu erzielen.

Den perfekten Entwicklungsstandort auswählen

Wie besprochen sind Mobilitätsdaten hervorragend darin, Erkenntnisse darüber zu liefern, wie sich Gemeinschaften bewegen, reisen und ihre Zeit verbringen. Diese Faktoren korrelieren stark mit Kaufpotenzial und Umsatz. Deshalb dreht sich unser letztes Beispiel darum, wie Investoren im Einzelhandel ihre möglichen Erträge mit Mobilitätsdaten und den Erkenntnissen, die wir Organisationen liefern, maximieren können. Nehmen wir für dieses Beispiel an, Sie investieren in junge Gastronomiekonzepte und helfen ihnen, aus erfolgreichen Pop-up-Ständen ebenso erfolgreiche stationäre Betriebe zu machen. Um den besten Standort für Ihr neues Restaurantgeschäft auszuwählen, brauchen Sie ein wirklich gutes Verständnis davon, wie sich die lokale und auch die weiter entfernte Bevölkerung bewegt und Ihre Stadt nutzt. Aus den Mobilitätsdaten können Sie eine bestimmte Straße identifizieren, die zu den Hauptessenszeiten hohe Mobilität aufweist. Kombinieren Sie das mit einem Gebiet, das ein starkes Einzugsgebiet in Bezug auf die nahe Bevölkerung hat, können Sie diese Lage mit Überzeugung als gute Option für Ihr neues Restaurantgeschäft wählen. Ohne Mobilitätsdaten hätten Sie nur eine grobe Vorstellung davon, wo es funktionieren könnte; Mobilitätsdaten, die Ihre Hypothese untermauern, sind unbezahlbar. Mit einer hervorragend ausgewählten Chance starten Sie Ihr Restaurant auf einem großartigen Fundament für Wachstum und potenziellen Umsatz. Natürlich gibt es noch viele weitere Wege, wie eine Organisation von Mobilitätsdaten profitieren kann; dies sind nur einige Beispiele, um Ihnen Appetit zu machen. Weitere Beispiele für Ihren Nutzen sind:

1. Aktuelle im Vergleich zu historischen Daten – vergleichen Sie aktuelle, wöchentlich aktualisierte Daten mit historischen Aufzeichnungen, um Trends und Verhaltensänderungen einzuschätzen
2. Besuche und Interessen – verstehen Sie eine Bevölkerung und Zielgruppe besser, indem Sie erkennen, welche Orte sie besucht und welche Interessen daraus erkennbar werden
3. Personalisierung und Ansprache – nutzen Sie Mobilitätsdaten, um Personalisierung und Ansprache in Ihren Angeboten zu verbessern

Die richtigen Investitionsentscheidungen treffen

Wir haben darüber gesprochen, dass Mobilitätsdaten Fachleuten Erkenntnisse darüber liefern, wohin Menschen gehen und was sie in der realen Welt tun. Das erstreckt sich auch auf die Filialen und Orte, die Menschen besuchen – eine interessante Informationsquelle für Investoren im Einzelhandel und in der Immobilienwirtschaft. Für viele Formen des Einzelhandels, insbesondere für große, börsennotierte Händler wie Supermärkte und großflächige Fachmärkte, besteht ein sehr enger und offensichtlicher Zusammenhang zwischen Filialbesuchen und dort getätigten Ausgaben. Hochwertige Mobilitätsdaten lassen sich daher wirksam nutzen, um Einzelhandelsumsätze zu messen. Manche Investmentgesellschaften nutzen diese Daten, um zu prognostizieren, welche Umsätze die Unternehmen, in die sie investieren, in den jeweiligen Berichtsperioden voraussichtlich melden werden. Da Umsätze häufig starken Einfluss auf den Aktienkurs haben, bieten Mobilitätsdaten einen sehr wertvollen Weg, um zu wissen, was am Aktienmarkt geschehen wird – bevor es geschieht. Wenn Sie glauben, dass Sie davon profitieren können, dann sehen Sie sich unsere Plattform an!Was sind die wichtigsten Innovationen bei Mobilitätsdaten im Jahr 2023?Das vorrangige Ziel ist eine stetig höhere Messgenauigkeit und ein möglichst wahrheitsgetreues Bild dessen, was vor Ort geschieht. Das zweite Ziel besteht darin, Mobilitätsdaten immer nützlicher und aussagekräftiger zu machen, indem sie ein ganzheitlicheres Bild davon zeichnen, wie Bevölkerungen die Welt um sie herum nutzen. Und drittens geht es darum, den Zugang für Unternehmen und Organisationen, die davon profitieren können, einfacher und unkomplizierter zu gestalten. Was also leisten neue Technologien, damit sich die Branche in diese Richtung bewegt?

Höhere Genauigkeit der Erkenntnisse

Wenn Sie Mobilitätsdaten nutzen, um die Passantenfrequenz entlang einer Straße, an einer Kreuzung oder sogar in einer Filiale zu zählen, ist es wichtig zu wissen, dass Sie die Aktivität dort zählen – und nicht anderswo. Bestimmte klassische Zählverfahren sind in ihrer Genauigkeit begrenzt, sodass die daraus entstehenden Diagramme, Grafiken und Kennzahlen nicht das abbilden, was Sie annehmen. Tatsächlich bilden sie etwas Weiteres ab. Neue Technologien bieten eine höhere Berichtsgenauigkeit und damit wahrheitsgetreuere Informationen für bessere Entscheidungen.

Einsatz von Kameras

Von der manuellen Zählung ging es weiter zum Einsatz von Kameras, um Personen in einem bestimmten Gebiet zu zählen. Das war zwar ein Fortschritt, erfordert aber zusätzliche Ausrüstung, und wie bei der Personenzählung lässt sich kaum feststellen, ob 100 Menschen vorbeigegangen sind oder eine Person 100-mal.

Höhere Berichtsfrequenz

Stellen Sie sich vor, Sie schicken ein Team von Forschenden mit Klemmbrettern in die Stadtteile, um Befragungen durchzuführen. Wie oft ließe sich das realistisch wiederholen? Jährlich? Alle zehn Jahre, wie beim nationalen Zensus? Daten auf diesem Weg zu erheben ist teuer und zeitaufwendig. Neue Messtechnologien ermöglichen eine regelmäßige, wöchentliche Berichterstattung zu Frequenz- und Mobilitätsdaten. Und der zeitliche Verzug – die Spanne, die das Erheben, Aufbereiten und Veröffentlichen der Ergebnisse braucht – lässt sich deutlich verkürzen. Das macht Informationen für Entscheidungsträger detaillierter und handlungsrelevanter.

Reichhaltigere Kontextdaten

Punktbasierte Lösungen wie Überwachungskameras, optische Sensoren und Laserstrahlen zählen die Zahl der Personen an einem einzelnen Punkt vielleicht gut – doch sie haben kein Konzept davon, woher diese Menschen kamen, warum sie dort sind und wohin sie danach gingen. Ebenso schwer lässt sich einheitlich und verlässlich etwas über ihre Affinitäten oder ihr demografisches Profil ableiten. Neue Technologien ermöglichen ein deutlich breiteres Spektrum an Kontextinformationen und damit bessere Entscheidungen, weil sie ein lebendigeres Bild der Bevölkerungsmobilität zeichnen.

Einfacherer Zugang zu Informationen

Befragungen durchzuführen oder Hardware zur Mobilitätsbeobachtung zu installieren und zu warten ist aufwendig und mit Problemen behaftet – von der Genehmigung über Arbeitsschutzrisiken bis zur Stromversorgung. Die Verfügbarkeit von Mobilitätsdaten ist zudem durch die Ausdehnung des physischen Sensornetzes begrenzt: Jedes Mal, wenn Sie etwas über einen neuen Ort erfahren möchten, muss der gesamte Installationsprozess wiederholt werden. Neue Technologien bedeuten, dass aktuelle und historische Erkenntnisse bereits vorliegen – überall dort, wo Sie hinsehen möchten.

Besseres Preis-Leistungs-Verhältnis

All das bedeutet: Es ist für Anbieter schneller und einfacher, bessere und nützlichere Mobilitätsdaten zu liefern – und für Kunden, auf diese Erkenntnisse zuzugreifen. Die reale Welt ist groß, und viele Unternehmen und Organisationen sind für ihr Tun auf sie angewiesen. Die Rolle von Mobilitätsdaten war nie relevanter, und es ist spannend, dass Innovationen sie besser und leichter zugänglich machen.Tipps zu Mobilitätsdaten, um entscheidende Erkenntnisse zu findenWenn Sie bis hierhin gelesen haben, sollten Sie inzwischen ein gutes Verständnis davon haben, was Mobilitätsdaten sind, wie sich die verschiedenen Messmethoden vergleichen lassen, warum Ihre Organisation sie nutzen sollte und wie hilfreich sie wirklich sind. In diesem Kapitel teilen wir daher einige unserer besten Tipps, um wirklich das Meiste aus unseren Mobilitätsdaten herauszuholen. Wir helfen Ihnen, Ihre Daten zu analysieren, und zeigen, worauf Sie beim Betrachten achten sollten.

1. Achten Sie auf Engpässe

Mobilitätsdaten sind hervorragend darin, Engpässe sichtbar zu machen. Gibt es bestimmte Zufahrten oder Wege in und um Ihre Stadt oder Ihr Unternehmen, die zu bestimmten Tageszeiten überlastet sind? Gibt es Wege, das zu beheben? Könnten Sie andere Verkehrsmittel fördern, neue Alternativen einführen oder sogar Innovationen wie E-Scooter etablieren, die in den vergangenen Jahren als Mittel zur Verbesserung der Mobilität in einem Gebiet stark an Beliebtheit gewonnen haben? Wenn Sie solche klaren Engpässe durch Datenanalyse identifizieren, können Sie sicher sein, dass sich die Suche nach einer Lösung lohnt. Anschließend lassen sich die Daten im Nachhinein auswerten, um zu sehen, wie wirksam Ihre Lösung war.

2. Vorher und nachher vergleichen

Vielleicht erhalten Sie einmal einen Datensatz und denken, das genüge. Die wahre Stärke von Mobilitätsdaten liegt in der fortlaufenden – oder „längsschnittlichen“ – Analyse. Vorher-Nachher-Vergleiche sind eine zentrale Strategie in der Datenanalyse und können das tatsächliche Geschehen in Ihrer Stadt oder Ihrem Einzelhandelsstandort wirklich sichtbar machen. Wenn Sie Mobilitätsdaten vor und nach Ihren Maßnahmen betrachten, verfügen Sie über seltene und wertvolle Leistungsindikatoren, die Ihnen genau sagen, ob das Projekt erfolgreich war und die gewünschte Wirkung erzielt. Das ist deutlich besser, als den Finger in den Wind zu halten und zu raten, denn Veränderungen zu finden und ihre Wirkung objektiv zu messen ist ein faireres und ausgewogeneres Fundament für Entscheidungen. Sie können Ihre Analyse nach Projektabschluss auch weiterführen und den erreichten Erfolg iterativ ausbauen – oder andernfalls Probleme lösen, mit denen Sie nicht gerechnet hatten.

3. Frequenzdaten mit demografischen Daten kombinieren

Grundsätzlich gilt: Je reichhaltiger und detaillierter Ihre Daten, desto besser. Reichhaltigere Daten erlauben lebendigere und fundiertere Bilder. Deshalb empfehlen wir, Frequenz- oder Mobilitätsdaten mit demografischen Daten zu kombinieren. So verstehen Sie nicht nur, wie sich Menschen in Ihre Stadt oder Ihren Betrieb hinein, durch sie hindurch und wieder heraus bewegen, sondern Sie verstehen sie auf einer viel tieferen Ebene und können sie besser bedienen. Die Kombination von Mobilitätsdaten mit demografischen Daten erschließt Erkenntnisse zu Verhaltensweisen, die Sie in Ihrer Planung oder Ihren Projekten bislang vielleicht nicht bedacht haben.

4. Bevölkerungsgruppen anhand von Zensusdaten klassifizieren (mittel, niedrig, hoch)

Im gleichen Sinne wie beim vorigen Punkt empfehlen wir, Bevölkerungsgruppen anhand von Zensusdaten zu klassifizieren. Durch die Kombination dieser beiden Datenbestände verstehen Sie Ihre Bevölkerung noch besser: was sie antreibt, wie viel frei verfügbares Einkommen sie hat und sogar welche Interessen sie verfolgt. Als Stadtplaner können Sie Bevölkerungsgruppen damit weit besser bedienen als allein anhand von Mobilitätsdaten. Als Finanzinvestor wird klarer, in welche Art von Objekten oder Wertpapieren Sie investieren könnten. Sobald Sie das sozioökonomische Profil, das demografische Profil und das Mobilitätsverhalten von Bevölkerungsgruppen verstehen, sind Sie hervorragend aufgestellt, um die Gemeinschaften, denen Sie dienen, zu verbessern oder deutlich bessere kommerzielle Entscheidungen zu treffen.

5. Stündliche Frequenzeinblicke nutzen

Es ist verbreitet, sich vom großen Bild ablenken zu lassen, das Mobilitätsdaten zeichnen. Wer jedoch die Details und Feinheiten ihres Werts wirklich schätzen will, betrachtet Muster anhand stündlicher Frequenzeinblicke. Auf dieser Granularitätsebene lassen sich echte Erkenntnisse mit wirklich umsetzbaren Ergebnissen gewinnen. Sie können strategische Projekte anstoßen, die sehr konkrete Probleme adressieren, oder Details in Geschäftsplänen fundieren, die reale Konsequenzen und Vorteile haben. Durch die Analyse stündlicher Frequenzdaten erkennen Sie rasch Spitzen- und Ruhezeiten – beide sind gleichermaßen wichtig. Anschließend können Sie Ihre Abläufe, Planungen oder Maßnahmen entsprechend optimieren, damit sie wirksamer werden.

6. Verweildauer verstehen

Analysieren und verstehen Sie die Verweildauer, wenn Sie Mobilitätsdaten nutzen. Ebenso wichtig wie das Verständnis der tatsächlichen Frequenz an den Orten, die Sie interessieren, ist das Verständnis dafür, wie lange Besucher pro Besuch dort bleiben. Das nennt man Verweildauer. Vereinfacht gesagt ist die Verweildauer die Zeit in Minuten, die Menschen an einem bestimmten Ort verbringen. Das kann bedeuten zu verstehen, wie lange Menschen in der Einkaufsstraße oder im Stadtzentrum bleiben, das Sie analysieren. Mit der Verweildauer gewinnen Sie einen weiteren Einblick in Verhalten, der Planung und kommerzielle Strategien gleichermaßen fundiert. Grundsätzlich gilt: Je länger Menschen sich in einem Gebiet aufhalten, desto größer ist Ihre Chance, ihnen durch kluge lokale Planung oder gezielte lokale Maßnahmen zu helfen. Dennoch müssen Sie entscheiden, was Sie mit den Daten tun. Entdecken Sie etwa ein Gebiet mit niedriger Verweildauer, könnten Sie als Stadtplaner zwei Optionen erwägen.

1. Ein Revitalisierungsprojekt in dem Gebiet umsetzen, um Frequenz und Verweildauer zu erhöhen.
2. Aufwand und Mittel auf andere Orte und Projekte lenken, die einen höheren ROI bieten

In jedem Fall eröffnet der Zugang zu Mobilitätsdaten einen völlig neuen Weg zu datengeleiteten Entscheidungen.

7. Frequenzdaten mit Umsatzdaten abgleichen

Kombinieren und vergleichen Sie Mobilitäts- und Frequenzdaten mit Umsatz- und Verkaufsdaten. Zusammenhänge zwischen Mobilitätsdaten und Umsatzdaten aufzudecken ist eine enorme kommerzielle Fundgrube an Erkenntnissen für Ihr Geschäft. Als Faustregel gilt: Je mehr Zeit Menschen mit einer Sache verbringen, desto mehr bedeutet sie ihnen – und im Einzelhandel desto mehr Geld werden sie wahrscheinlich ausgeben. Ein detailliertes Verständnis davon, wie sich diese beiden Kennzahlen gegenseitig beeinflussen, ist ein zentraler Bestandteil fundierter, datengetriebener kommerzieller Entscheidungen.

8. Einzugsgebietsdaten betrachten

Ebenso hilfreich und aufschlussreich wie das Wissen darüber, wie Bevölkerungsgruppen in Ihr Gebiet, Ihre Stadt hinein, hindurch und wieder hinaus reisen, ist das Wissen darüber, woher sie kommen. Diese Übung nennt man Einzugsgebietskartierung oder -modellierung. Sobald Sie festgestellt haben, woher der Großteil der Besucher kommt, können Sie Ihre Entscheidungen verbessern – ob für ein kommerzielles Unternehmen oder für die Stadtplanung. Eine übliche Nutzung von Einzugsgebietsdaten besteht darin zu bestimmen, wie weit man von einem Zentrum nach außen gehen muss, um 50 oder 80 % der Besucher zu erfassen. Sobald Sie Ihr bestehendes Einzugsgebiet verstehen, können Sie die verfügbaren Daten nutzen, um Verbesserungen oder Anpassungen vorzunehmen. Besonders wirkungsvoll wird das in Kombination mit Zensus- und demografischen Daten.

9. Klein anfangen und aufbauen

Unser letzter Tipp lautet: klein anfangen und schrittweise aufbauen. Mobilitätsdaten sind eine großartige Ressource mit nahezu grenzenlosem Potenzial, Entscheidungen, strategische Pläne, Investitionstaktiken, Stadtplanung und vieles mehr zu verbessern. Es ist jedoch leicht, den Überblick zu verlieren und wichtige Erkenntnisse zu übersehen, wenn Sie mit einem riesigen Datenbestand beginnen. Deshalb empfehlen wir, mit kleinen Datenmengen zu starten und sie im Zeitverlauf wachsen zu lassen. So können Sie strategisch skalieren und Ihre Leistung nachhaltig verbessern, ohne wichtige Zusammenhänge, Erkenntnisse oder Datenpunkte zu übersehen, die wertvolle Informationen liefern könnten. Wenn Sie glauben, dass Sie von den Erkenntnissen aus Mobilitätsdaten profitieren können, nehmen Sie bitte Kontakt zu uns auf.Fragen zu Mobilitätsdaten, beantwortet von unseren Fachleuten

1. Was kann man mit Standort- und Mobilitätsdaten machen?

Mobilitätsdaten (ein Sammelbegriff für Frequenzdaten, Erkenntnisse zur Verweildauer, Einzugsgebietsanalysen, Demografie und mehr) sind eine nützliche Ressource, mit der Organisationen verstehen können, wie sich Bevölkerungsgruppen in einem bestimmten Gebiet, einer Stadt oder sogar einem Einkaufszentrum bewegen. Sie werden häufig genutzt, um kommerzielle oder planerische Entscheidungen zu fundieren. Sie liefern Erkenntnisse und Verständnis und helfen Fachleuten in allen betroffenen Bereichen, bessere Entscheidungen zu treffen.

2. Enthalten Mobilitätsdaten sensible oder private Informationen?

Mobilitätsdaten bezeichnen ausdrücklich die berechneten, statistischen Ergebnisse von Analysen einer Vielzahl von Datenquellen, die auf unterschiedliche Weise beschreiben, wie sich Bevölkerungsgruppen bewegen und mit der realen Welt interagieren. Entsprechend enthalten Mobilitätsdaten nichts, was die Identifikation einzelner Personen erlaubt oder andere personenbezogene Informationen liefert.

3. Wie genau sind Standortdaten?

Mobilitätsdaten können die Realität außerordentlich genau abbilden. Vergleiche von Mobilitätsdaten mit einer Reihe offizieller makroökonomischer Indikatoren und Nettoumsätzen im Einzelhandel können sehr hoch korrelieren – mit einem Korrelationswert von über 0,9 und einem MAPE von unter 5 %. Das ist deutlich besser als konventionelle Konsensschätzungen.

4. Warum sind Standort- und Mobilitätsdaten wichtig?

Mobilitätsdaten verschaffen Organisationen ein tiefes Verständnis ihrer Märkte und ihrer relevanten Marktposition. Das ist wichtig, weil es Unternehmen hilft, ihre strategischen Vorhaben zu verbessern, und – vielleicht noch wichtiger – Kommunen und Städten hilft, ihre Gemeinschaften besser zu bedienen.

5. Woher stammen Mobilitätsdaten?

Mobilitätsdaten können aus nahezu jeder Datenquelle abgeleitet werden, solange diese in irgendeiner Weise davon handelt, wie sich Bevölkerungsgruppen bewegen und mit der physischen Umgebung interagieren. Zu den klassischen Quellen zählen Befragungen, die Auswertung von Kamera- oder Videoüberwachungsaufnahmen, spezialisierte optische oder Infrarotsensoren, öffentliche WLAN-Netze und Daten von Telekommunikationsanbietern. Zu den neueren Quellen für Mobilitätserkenntnisse zählen Daten aus Fahrzeugen, Tachymetrie und mobilen Endgeräten.

6. Warum wollen Unternehmen Mobilitätsdaten?

Unternehmen wollen Mobilitätsdaten, um letztlich ihre Entscheidungen zu verbessern und damit Rentabilität und Kundenbindung zu steigern. Das geschieht meist über bessere Planung und bessere kommerzielle Entscheidungen.

7. Welche Art von Daten sind Mobilitätsdaten?

Mobilitätsdaten sind eine leistungsfähige Ressource, die Fachleute und Forschende in den Humanwissenschaften nutzen, um zu verstehen, wie Bevölkerungsgruppen die physische Umgebung nutzen und sich in ihr bewegen. Sie werden in Form berechneter, statistisch zusammengefasster Daten bereitgestellt, die sich leicht visualisieren oder interpretieren lassen, um Entscheidungen zu fundieren.So präsentieren Sie Mobilitätsdaten, um echte Veränderung zu bewirkenDie Darstellung und Aufbereitung von Daten kann ebenso wichtig sein wie die Daten selbst. Tatsächlich kann eine wirkungsvolle und durchdachte Visualisierung Daten in Informationen und Informationen in überzeugende Geschichten verwandeln. Hier sind daher zehn gängige Techniken der Datenvisualisierung für den Einstieg, gefolgt von sechs Visualisierungsmethoden, die speziell für Geodaten und Mobilitätsdaten gedacht sind.

1. Liniendiagramm

Ein Liniendiagramm ist sehr beliebt und wird häufig verwendet, weil es sich hervorragend eignet, um Daten im Zeitverlauf zu vergleichen und Trends aufzudecken. Ein Liniendiagramm erlaubt zudem den Vergleich mehrerer Datenreihen über denselben Zeitraum.

2. Säulendiagramm

Ein weiteres weit verbreitetes Diagramm ist das Säulendiagramm. Es eignet sich gut, um Positionen und Daten im Zeitverlauf zu vergleichen, und kann mehrere Werte auf der x- und y-Achse abbilden, mit einer weiteren Aufschlüsselungskategorie auf der y-Achse. Es ist stark darin, Spitzen und Trends zu erkennen, besonders in Kombination mit einem Liniendiagramm.

3. Balkendiagramm

Ein Balkendiagramm eignet sich gut, um viele verschiedene Positionen zu vergleichen, wobei Kategorien oder Positionen üblicherweise entlang der y-Achse und ihre Werte auf der x-Achse dargestellt werden. Sie können weitere Kategorien nutzen, um Werte zu gruppieren oder aufzuteilen.

4. Kreisdiagramm

Kreisdiagramme sind eine der besten Möglichkeiten, proportionale Daten mit oder ohne Prozentangaben darzustellen. Die Größe jedes Segments steht für einen Wert und dessen Verhältnis zu den übrigen Kategorien. Damit Kreisdiagramme wirksam sind, müssen sie zusammen ein sinnvolles Ganzes ergeben und idealerweise höchstens sechs Kategorien umfassen.

5. Flächendiagramm

Ein Flächendiagramm ähnelt stark einem Liniendiagramm, mit dem Unterschied, dass die Fläche unterhalb der Linie eingefärbt ist. Dadurch lassen sie sich stapeln, was Vergleiche einfacher und aussagekräftiger macht. Nutzen Sie ein Flächendiagramm, wenn Sie absolute oder relative Werte über einen definierten Zeitraum darstellen möchten.

6. Pivot-Tabelle

Eine Pivot-Tabelle ist eine der besten und einfachsten Möglichkeiten, nützliche Datenvisualisierungen zu erstellen. Mit ihr lassen sich große Datenmengen schnell zusammenfassen und analysieren. Sie können sie zusätzlich mit Farbformatierung anreichern.

7. Streudiagramm

Nutzen Sie ein Streudiagramm, wenn Sie sowohl die Verteilung als auch die Beziehung zweier Variablen darstellen möchten. Sie können Kreise verwenden, um die verglichenen Kategorien darzustellen, und die Kreisgröße für einen numerischen Wert nutzen. Ein größerer Wert erhält also einen größeren Kreis, ein kleinerer Wert einen kleineren.

8. Punktkarte

Eine Punktkarte ist eine gute Möglichkeit, geografische Daten über ein bestimmtes Gebiet als Datenpunkte auf einer Karte zu visualisieren. Auch hier können Sie Farbe und Größe nutzen, um mehrere Datenwerte gleichzeitig darzustellen.

9. Treemap

Eine Treemap ist ein mehrdimensionales Diagramm, das hierarchische Daten mit verschachtelten Rechtecken darstellt. Eine Treemap kann ein Säulendiagramm ersetzen, wenn viele verschiedene Kategorien verglichen werden sollen.

10. Sankey-Diagramme

Ein Sankey-Diagramm ist eine wirkungsvolle Art, Beziehungen zwischen Dingen darzustellen – Orten, Aktivitäten oder was immer Sie möchten. Sankey-Diagramme werden häufig genutzt, um Konzepte wie Nutzerreisen statistisch abzubilden: Welcher Anteil der Menschen, die bei Punkt „a“ starten, gelangt zu Punkt „b“ und so weiter. Sankey-Diagramme sind nach Matthew Sankey benannt, dessen Einsatz dieser Visualisierungstechnik bekanntermaßen genutzt wurde, um Napoleons Marsch nach Moskau im Jahr 1812 darzustellen. Nachdem wir einige recht gängige Visualisierungstechniken betrachtet haben, folgen nun einige fortgeschrittenere Methoden, die stärker auf Geodaten oder Mobilitätsdaten zugeschnitten sind. Lernen Sie, wie Sie mit diesen Ansätzen Geschichten erzählen und mit Daten Veränderung bewirken.

1. Choroplethenkarten

Zunächst haben wir Choroplethenkarten, mitunter auch Flächenkartogramme genannt. Sie eignen sich gut, um eine Spanne von Werten über ein bestimmtes geografisches Gebiet zu visualisieren. So könnten Sie mit einer Choroplethenkarte Arbeitslosenquoten nach Landkreis als Datenpunkte auf einer Karte darstellen. Choroplethenkarten können auch helfen, Trends nach Postleitzahl, Land oder anderen Teilregionen aufzudecken.

2. Abgestufte Kreise

Ähnlich wie ein Streudiagramm, das unterschiedlich große Kreise für mehrere Werte nutzt, beziehen Diagramme mit abgestuften Kreisen zusätzlich Standortdaten ein, indem die Kreise direkt auf einer Karte verortet werden. Das ist hervorragend geeignet, um mehrere Datenpunkte mit räumlichen Trends leicht erfassbar zu verbinden.

3. Punktverteilungen

Punktverteilungen dienen dazu, Dichtetrends in sehr dichten Punktdaten zu vermitteln. Damit lassen sich etwa Social-Media-Beiträge, Website-Zugriffe oder auch Fahrzeugtelemetriedaten darstellen – alles gute Anwendungsfälle für diese Visualisierungsart.

4. Animationen

Besonders wirkungsvoll in sozialen Medien sind Animationen. Sie zeigen, wie sich Daten über eine Dimension hinweg – meist die Zeit – verändern oder entwickeln. Damit ließe sich etwa das Wachstum von Unternehmen über einen Zeitraum oder die Entwicklung von Beschäftigungsquoten darstellen. Sie eignen sich hervorragend, um zu zeigen, wie sich Datenpunkte entwickelt und verändert haben.

5. 3D-Extrusionen

3D-Extrusionen sind ein starkes Werkzeug, wenn Daten ein natürliches z-Element wie die Höhe besitzen. Alternativ lassen sie sich nutzen, um Bevölkerungsdichten verschiedener Regionen zu vergleichen, indem Extrusionen direkt auf einer Karte ergänzt werden, was einen aufschlussreichen Blick auf die Daten erlaubt.

6. Heatmaps

Eine sehr verbreitete Form der Standortdatenvisualisierung ist die Heatmap. Heatmaps zeigen räumliche Trends über Farbverläufe und machen es leicht, zusammenhängende Datengruppen zu erkennen. Ein Stadtplaner könnte eine Heatmap nutzen, um stark frequentierte oder überlastete Bereiche in seiner Stadt zu erkennen, was künftige Entscheidungen unterstützt.Die Bedeutung von Datenwahrheit, Genauigkeit und PräzisionDaten können immer nur so nützlich sein wie ihre Wahrhaftigkeit. Sind Daten unzuverlässig und ungenau, sind daraus gezogene Schlüsse, erkannte Muster oder abgeleitete Geschichten bestenfalls wirkungslos. Entscheidungen auf Basis ungenauer Daten sind selbst ungenau und beruhen auf irreführenden und falschen Grundlagen. Deshalb ist es von entscheidender Bedeutung, die Wahrhaftigkeit von Daten festzustellen – besonders, wenn große Entscheidungen darauf beruhen.

Was ist Datenwahrheit?

Was meinen wir also mit Datenwahrheit? Kurz gesagt beschreibt sie, wie genau oder wahrheitsgetreu ein Datensatz eingeschätzt wird. Das betrifft sowohl die Qualität der Daten selbst als auch ihre Zuverlässigkeit. Bei der Zuverlässigkeit müssen wir mehrere Dinge berücksichtigen. Zum Beispiel: Was ist die Quelle der Daten? Um welche Art von Daten handelt es sich? Wie wurden sie verarbeitet? Wurden Auffälligkeiten, Inkonsistenzen und Verzerrungen berücksichtigt oder erfolgreich entfernt? Es ist entscheidend, diese Fragen zu verstehen und beantworten zu können, wenn Sie Daten nutzen. Sobald es hier Fragezeichen gibt, beeinträchtigt das die Nützlichkeit und Verlässlichkeit für Entscheidungen. Doch das ist nicht der einzige Aspekt der Datenwahrheit, den Sie kennen sollten. Der zweite Aspekt bei Mobilitätsdaten ist Stabilität. Stabilität beschreibt, in welchem Maß sich die zugrunde liegenden Bausteine der Daten – oft die Datenquellen – im Zeitverlauf verändern. Das ist wichtig, denn wenn Mobilitätsdaten genutzt werden, um Entscheidungen darüber zu treffen, wie sich Trends oder Muster mit der Zeit verändern, müssen die Kennzahlen auf vergleichbarer Basis vergleichbar sein. Sie könnten etwa mit Mobilitätsdaten herausfinden, wie beliebt ein bestimmter Supermarkt vor zwei Jahren war, und das mit heute vergleichen. Die gesamte Reihe ließe sich als Linien- oder Zeitreihendiagramm darstellen. Wurden die Daten von vor zwei Jahren jedoch per Videoüberwachungszählung erhoben und beruhen sie heute auf WLAN, ist ein Vergleich auf gleicher Basis sehr schwierig. Der letzte Aspekt der Datenwahrheit, den Sie kennen sollten, ist, wie relevant oder geeignet die Daten für Ihre konkrete geschäftliche Fragestellung sind. Nehmen Sie sich Zeit, Fragen zu stellen und die Daten vollständig zu verstehen, und fragen Sie sich dann: Bilden diese Datenpunkte wirklich die Aktivität ab, die Sie messen müssen, um Ihre Fragestellung zu beantworten? Falls nicht, verzichten Sie darauf oder kombinieren Sie sie mit anderer Forschung oder weiteren Daten, um ein genaueres Bild zu erhalten.

Warum ist Datenwahrheit wichtig?

Datenwahrheit ist sehr wichtig und gilt als eines der vier großen V im Bereich Big Data, neben Velocity, Volume und Variety. Da wichtige Entscheidungen auf den Mustern und Erkenntnissen beruhen können, die Daten liefern, führen ungenaue, unzuverlässige oder ungeeignete Daten letztlich zu schlechten Entscheidungen mit realen geschäftlichen Folgen. Bevor Sie Daten für Entscheidungen nutzen, müssen Sie sicherstellen, dass sie validiert, standardisiert und in vielen Fällen normalisiert wurden, damit sie andere Untersuchungen fundieren können. Das kann jedoch ein langwieriger und aufwendiger Prozess sein, den Unternehmen wegen des Zeitaufwands und der erforderlichen Fachkenntnisse allzu bereitwillig meiden. Lassen Sie sich davon nicht abhalten! Mobilitätsdaten sind eine außerordentlich breite und leistungsfähige Ressource, die für Ihr Unternehmen sehr wertvolle Ergebnisse liefern kann. Wir empfehlen ausdrücklich, mit Anbietern wie Huq Industries zusammenzuarbeiten oder deren Daten zu nutzen, die stets Zeit darauf verwenden, die Wahrhaftigkeit ihrer Daten festzustellen und sicherzustellen, dass sie genau, verlässlich und unmittelbar handlungsfähig sind.

Wie lässt sich Datenwahrheit messen?

Wenn man zwei Mobilitätsdatensätze nebeneinanderlegt, ist es schwer, die Unterschiede zu bewerten. Beide könnten eine Spalte für das Datum haben, vielleicht eine Kategorie, einen Ort oder ein Objekt – und dann eine Zahl. Doch Moment: Diese Zahlen unterscheiden sich! Welche ist richtig? Es ist wichtig, die Wahrhaftigkeit aller Daten zu prüfen, auf deren Basis Sie entscheiden, bevor Sie danach handeln. Falsche Informationen können zu kostspieligen und peinlichen Fehlern führen. So vermeiden Sie diese Situation.

1. Die Daten vergleichen

Fast immer lässt sich irgendwo ein vergleichbarer Datensatz finden, mit dem Sie Ihre Mobilitätsdaten abgleichen können. Es gibt zahlreiche gute Quellen offener Daten. Sehr häufig verfügt das statistische Zentralamt des jeweiligen Landes, etwa das Office For National Statistics (ONS) in Großbritannien, über detaillierte, hochwertige Ressourcen zum Herunterladen. Außerdem gibt es viele weitere frei zugängliche Bibliotheken – etwa Kaggle.com und die öffentlichen Datensätze von Google BigQuery. Die Daten werden keine exakte Entsprechung sein – sonst bräuchten Sie ja keine kommerzielle Quelle! –, aber sie sollten nah genug sein, um einen legitimen Benchmark zu bieten. Typische Unterschiede sind, dass (a) sie älter sind und nur bis [ letztes Jahr ] reichen, (b) sie weniger häufig vorliegen und nur quartalsweise statt wöchentlich, (c) sie ein größeres geografisches Gebiet abdecken, etwa die Stadt oder das Land statt des untersuchten Einzelhandelsstandorts, oder (d) die Kennzahl aufgrund der genutzten Quellen und der Datenaufbereitung tatsächlich etwas leicht anderes abbildet. In allen Fällen sollte es jedoch möglich sein, die zu prüfenden Mobilitätsdaten auf derselben Ebene zu aggregieren oder zusammenzufassen wie den offiziellen Vergleichsdatensatz, sodass ein Vergleich auf angemessen gleicher Basis möglich ist. Wenn Sie nun zwei vergleichbare Reihen haben – wie lässt sich ihre Ähnlichkeit objektiv und statistisch messen?

2. Die Pearson-Korrelation berechnen

Die gebräuchlichste Methode, um zu messen, wie ähnlich zwei Datensätze sind, ist die Berechnung des Pearson-Korrelationskoeffizienten. Das ist sicher eine Vereinfachung, aber stellen Sie sich vor, Sie haben zwei Linien im selben Diagramm, die die Zahl der [ Zugfahrten ] in einem Land im Zeitverlauf zeigen. Beide steigen und fallen je nach Wochentag und Jahreszeit – doch es gibt klare Unterschiede zwischen ihnen. Die Pearson-Korrelation berücksichtigt sowohl die Richtung (aufwärts oder abwärts) als auch den Änderungswinkel zwischen den Intervallen (die Steilheit) und liefert eine Zahl, die beschreibt, wie sehr sie im Einklang stehen. Der Wert der Pearson-Korrelation reicht von -1 (sie sind ein Spiegelbild) über 0 (sie ähneln einander überhaupt nicht) bis 1 (sie stimmen perfekt überein). In den meisten Fällen gilt: Wenn Sie den Daten vertrauen, mit denen Sie Ihre Mobilitätsdaten vergleichen, suchen Sie einen Wert möglichst nahe an 1. Die meisten Datenverarbeitungswerkzeuge haben die Pearson-Korrelation bereits eingebaut, sodass Sie sie nicht selbst schreiben müssen. In Excel oder Google Sheets lautet die Funktion schlicht =KORREL(Reihe 1; Reihe 2). Doch die Pearson-Korrelation sagt Ihnen nicht, wie weit die beiden Reihen auf der Y-Achse auseinanderliegen!

3. Den mittleren absoluten prozentualen Fehler (MAPE) berechnen

Was ist der mittlere absolute prozentuale Fehler? Der mittlere absolute prozentuale Fehler (kurz MAPE) ist eine Kennzahl, die häufig beschreibt, wie weit zwei Linien oder Reihen auf der Y-Achse voneinander entfernt sind. Das ist wichtig, wenn beide verglichenen Datensätze Zahlen in absoluten Größen ausdrücken, etwa die tatsächliche Zahl der Zugfahrten oder die tatsächlichen Umsätze eines Unternehmens. Beide Datensätze könnten von der „Form“ her identisch sein (siehe die Erläuterung zur Pearson-Korrelation oben), doch wenn der eine sagt, es seien 100 Zugfahrten unternommen worden, und der andere 100.000 am selben Tag, dann haben Sie ein Problem! Sind beide verglichenen Datensätze auf denselben Zeitpunkt indexiert, starten sie beide bei Ihrem Referenzwert (oft 100) und zeigen lediglich, wie sie von diesem Punkt an im Zeitverlauf abweichen. In diesem Fall müssen Sie sich über den mittleren absoluten prozentualen Fehler keine Gedanken machen. Der mittlere absolute prozentuale Fehler berechnet die Differenz (ob positiv oder negativ) zwischen den Werten zu denselben Intervallen (also je Tag) und mittelt das Ergebnis, um zu zeigen, wie weit die beiden Linien über die gesamte Reihe hinweg auseinanderliegen. Die meisten Unternehmen, die Datenvalidierung sehr ernst nehmen (was alle tun sollten), suchen einen hohen Pearson-Korrelationswert und einen niedrigen MAPE, um festzustellen, dass der Testdatensatz gut zum offiziellen Pendant passt.

4. Den Anbieter fragen

Neue Daten mit der Kombination aus Pearson-Korrelation und MAPE zu validieren, ist lobenswert, und wir möchten alle dazu ermutigen. In der Realität haben jedoch nicht alle Unternehmen die Zeit oder die Mittel dafür. Jeder hochwertige Anbieter von Mobilitätsdaten, dem die Wahrhaftigkeit seiner Daten am Herzen liegt, sollte seine Daten fortlaufend auf diese oder vergleichbare Weise prüfen und die Testergebnisse offen und transparent bereitstellen können. Oft ist es am einfachsten, schlicht danach zu fragen! Das verrät Ihnen viel über den Umgang eines Anbieters mit Datenqualität und Datenwahrheit.Zehn Werkzeuge für bessere Visualisierung und Präsentation von MobilitätsdatenEs genügt nicht, Daten in Hülle und Fülle zu haben; Sie müssen sie auch schlüssig und wirkungsvoll visualisieren und darstellen können (wie in Kapitel acht beschrieben), um den vollen Nutzen zu erzielen. Um das zu erleichtern, gibt es eine Vielzahl von Werkzeugen zur Datenvisualisierung und -präsentation. Für den Einstieg teilen wir hier unsere Top-Ten-Werkzeuge zum Visualisieren und Präsentieren von Daten. Wenn Sie Ihre Mobilitätsdaten gut visualisieren und präsentieren, steigen Ihre Chancen erheblich, Zustimmung und Interesse der Stakeholder für das Ziel zu gewinnen, das Sie mit Mobilitätsdaten verfolgen.

1. Google Data Studio

Google Data Studio ist ein hervorragendes kostenloses Onlinewerkzeug, mit dem sich individuelle und aussagekräftige Berichte und Dashboards erstellen lassen. Es wurde im März 2016 zunächst als Unternehmenslösung eingeführt, eine kostenfreie Version folgte im Mai desselben Jahres. Mit Google Data Studio visualisieren Sie Daten mit stark konfigurierbaren Diagrammen und Tabellen, mit denen Sie unterschiedliche Geschichten erzählen können. Sie können verschiedene Datenquellen anbinden sowie mit anderen Nutzern oder Kolleginnen und Kollegen teilen und zusammenarbeiten. Data Studio enthält alle üblichen Visualisierungen, die Sie erwarten – Linie, Balken, Säule, Kreis, Tabellen und Kennzahlen – und bietet einfach zu bedienende Filter und Zeitraumsteuerungen. Sie können den Stil Ihrer Berichte zudem mit Farben, Typografie und Bildern anreichern. Programmierkenntnisse sind nicht erforderlich, doch Sie können Datenbanken wie BigQuery, MySQL und PostgreSQL anbinden und Daten aus verschiedenen Quellen zusammenführen.

2. Kepler

Kepler ist ein leistungsstarkes Open-Source-Werkzeug für die Geodatenanalyse großer Datensätze. Es ist eine webbasierte Plattform zur Visualisierung großer Standortdatenbestände und wurde vom Visualisierungsteam von Uber entwickelt und quelloffen bereitgestellt. Es entstand als quelloffenes Framework in Industriequalität und eignet sich gut für explorative Datenanalyse. Der Hauptnachteil von Kepler ist jedoch, dass die gesamte Verarbeitung außerhalb von Kepler erfolgen muss und dass es sich um ein Desktop-Werkzeug handelt, das nur CSV- und JSON-Daten aufnimmt. Das kann bei großen Datenmengen mühsam und aufwendig sein, wenn Sie fortlaufend CSV-Dateien herunterladen müssen, um sie im Werkzeug darzustellen. Grundsätzlich richtet sich Kepler an geschäftliche Anwender, die nicht über die nötigen Kenntnisse in Programmierung oder SQL verfügen. Dennoch gibt es eine relativ große Verbreitung unter Data Scientists bei Google und AirBnB für Visualisierungen.

3. Mapbox

Mapbox stellt Karten und Standorte für Entwickler bereit und kann präzise Standortdaten nutzen. Mapbox bietet Entwicklern Zugang zu umfassenden Standortinformationen sowie die Möglichkeit, dynamische oder statische Karten mit Mapbox-Tilesets zu erstellen und anzupassen. Diese gestalteten Karten lassen sich anschließend in Webanwendungen einbetten. Es gibt eine großzügige kostenfreie Stufe, die eine ideale Lösung für Unternehmen mit geringen Nutzerzahlen ist. Sie erhalten Zugang zu gut strukturierter Dokumentation für ein Werkzeug, das sich leicht in Anwendungen integrieren lässt; die Lernkurve ist jedoch relativ steil. Mapbox wird derzeit von Snap, Shopify und Meta (früher Facebook) genutzt.

4. Carto

Carto ist eine quelloffene SaaS-Plattform für Location Intelligence, die auf PostGIS und PostgreSQP aufsetzt und früher als CartoDB bekannt war. Carto bietet GIS-, Web-Mapping- und Geodatenwerkzeuge und deckt dank seiner horizontalen Visualisierungs- und Analysefähigkeiten ein breites Spektrum an Anwendungsfällen ab. Es enthält außerdem zahlreiche Filter und Widgets, um Daten besser zu analysieren und zu visualisieren. Es gibt jedoch ein paar Nachteile. Ähnlich wie bei Kepler muss die gesamte Vorverarbeitung außerhalb des Systems erfolgen, insbesondere bei komplexen Datensätzen. Zudem lässt sich die Datenanalyse nur für einen Datensatz zur selben Zeit durchführen. Carto positioniert sich als Location-Intelligence-Plattform mit Stärken in Datenanalyse und Visualisierung, die keine Vorerfahrung in GIS oder Entwicklung voraussetzt, und bringt eine Oberfläche mit, die auf moderne Webentwickler und Data Scientists zugeschnitten ist.

5. Microsoft Power BI

Microsoft Power BI ist eine ideale Lösung zur Datenvisualisierung in bestehenden Microsoft-Umgebungen. Es ist ein leistungsfähiges Analyse- und Visualisierungswerkzeug, das Informationen aus mehreren Quellen zusammenführen und in interaktiven Dashboards darstellen kann. Microsoft Power BI eignet sich gut für Unternehmen, die Berichte zu KPIs und zentralen Kennzahlen benötigen, und ist stark darin, komplexe Daten in leicht verständliche Diagramme und Infografiken zu überführen. Die größten Vorteile sind die Leichtigkeit, mit der sich Daten aus mehreren Quellen in einem Bericht zusammenführen lassen – vollständig in der Cloud.

6. Tableau

Tableau ist eine Plattform für visuelle Analytik, die besonders stark darin ist, Daten aus mehreren Quellen zusammenzuführen, etwa aus maschinellem Lernen, künstlicher Intelligenz und Business Intelligence. Die Oberfläche zur Datenvisualisierung ist sehr freundlich und einfach zu bedienen und damit gut für Unternehmen zugänglich. Tableau lässt sich mit rund 250 verschiedenen Anwendungen integrieren, darunter das verbreitete CRM Salesforce. Es gibt zudem eine günstigere Option für kleinere Unternehmen namens Tableau Public, die kostenfreie Datenvisualisierung bietet.

7. Maptive

Maptive ist ein weiteres gutes cloudbasiertes Werkzeug zur Visualisierung und Analyse von Mobilitätsdaten. Es ist eine anspruchsvolle Software, in die Nutzer Tabellendaten hochladen können, die anschließend unmittelbar auf einer Karte verortet werden. Von dort aus lassen sich Visualisierungstechniken wie Heatmaps, Clusterkarten und Fahrzeitradien nutzen, um zentrale Erkenntnisse zu gewinnen, die Entscheidungen verbessern. Als cloudbasiertes Werkzeug sind Zusammenarbeit und Teilen einfach.

8. Someka Heat Maps

Someka Heat Maps ist eine verbreitete, auf Heatmaps spezialisierte Lösung, mit der sich wirkungsvolle und aussagekräftige Heatmaps innerhalb von Microsoft Excel erzeugen lassen. Sie importieren schlicht Ihre Daten, und die Heatmap wird automatisch erstellt, wobei automatische Einfärbung unterschiedliche geografische Einheiten unterscheidet. Da Someka auf Excel aufsetzt, ist es sehr einfach und praktisch in der Anwendung und eine wirksame Lösung zur Erstellung von Heatmaps.

9. Google Maps API

Die Google Maps API ist das verbreitetste Werkzeug, um Karten in Anwendungen einzubetten. Als Google-Produkt verfügt sie über eine riesige Datenbank an Orten und starke Routingfunktionen. Sie umfasst alle Funktionen von Google Maps wie Geokodierung, Routing, Bilder, Street View und Ortsinformationen, was sie zusammen mit der Möglichkeit, das Kartenbild anzupassen, sehr leistungsfähig und nützlich macht. Die Nutzung ist kostenfrei; für die Anzeige von Orten, Details oder Wegbeschreibungen fällt jedoch eine Gebühr an. Der große Vorteil ist, wie erwähnt, die umfangreiche Datenbank, die man von einem Google-Produkt erwartet. Es gibt allerdings einige Nachteile. Die Darstellung ist sehr ressourcenintensiv und verbraucht Akku recht schnell. Marker und Formen sind zudem zu 100 % statisch, und da es sich nicht um ein quelloffenes Produkt handelt, ist die Routingfunktion teuer. Genutzt wird sie derzeit unter anderem von Uber, Bolt und Trip Advisor.

10. OpenStreetMap API

Die OpenStreetMap API wird häufig als Alternative zu Mapbox genannt. Es handelt sich um eine quelloffene Lösung, zu der ein engagiertes Team von Freiwilligen Routen, Bildmaterial und weitere Kartendaten beiträgt. Dienst und Karte stehen der Öffentlichkeit zur Verfügung, allerdings können Sie die API nicht nutzen, um Echtzeit-Routing für kommerzielle Anwendungen abzurufen; sie ist darauf beschränkt, Vektordaten ausschließlich für die Kartenbearbeitung bereitzustellen. Aufgrund dieser Einschränkungen greifen Nutzer meist doch auf Dienste wie Mapbox zurück, und der Nutzen bleibt insgesamt begrenzt, da Routing, Kartenclustering und Ähnliches von Drittanbieter-APIs abhängen. Zudem ist die Dokumentation unvollständig.

Zusammenfassung

Es gibt viele Werkzeuge zur Datenvisualisierung – einige kostenpflichtig, andere kostenfrei. Manche Werkzeuge sind zudem besonders auf kartografische oder geografische Informationen ausgerichtet. Andere bieten eine solide Grundlage, um konventionelle statistische Visualisierungen darzustellen und mit ihnen zu arbeiten. Interessanterweise liefern Mobilitätsdaten zwar Erkenntnisse über reale Vorgänge in der realen Welt, und man würde annehmen, dass Karten der natürliche Ort ihrer Darstellung sind – tatsächlich sind diese Daten jedoch statistisch. Und deshalb ist der klarste und wirkungsvollste Weg, Mobilitätstrends und -erkenntnisse zu zeigen, sehr oft die Verwendung gängiger Formen wie Liniendiagrammen, Histogrammen und anderen. Für nicht-statistische Daten, etwa Diffusions-Heatmaps, sind kartenbasierte Visualisierungen jedoch der einzige Weg. Diese Visualisierungswerkzeuge sind selbst keine Mobilitätsdaten; sie sind lediglich die Software, mit der sich Mobilitätsdaten visualisieren und verstehen lassen. Solche Plattformen bieten zunehmend kostenfreie oder kommerzielle Datensätze an, doch diese Daten stammen stets von Dritten. Sind Visualisierungswerkzeuge das Auto, so sind Mobilitätsdaten der Kraftstoff – und Sie brauchen immer beides, um zu fahren!FazitDas war er also: unser tiefer Einstieg in alle Aspekte von Mobilitätsdaten. Sie sollten nun ein gutes Verständnis davon haben, was Mobilitätsdaten umfassen. Wir haben erklärt, was sie sind, wie sich die verschiedenen Messmethoden vergleichen lassen und wie Organisationen damit ihre Entscheidungen verbessern. Außerdem haben wir gute Wege zur Visualisierung Ihrer Mobilitätsdaten und unsere bevorzugten Werkzeuge dafür geteilt. Dieser ultimative Leitfaden zu Mobilitätsdaten wird im Laufe der Zeit weiter wachsen und ergänzt werden – schauen Sie also später wieder vorbei, um alle aktuellen Informationen zu erhalten!