📩 Bleiben Sie auf dem Laufenden über Branchentrends und Vianova Produkt-Updates - abonnieren Sie unseren Newsletter hier!

‍

Die Welt der Verkehrsdaten ist spannend und wächst jeden Tag. Seit dem Aufkommen der vernetzten Telefone, der vernetzten Autos und sogar der vernetzten Skier werden so viele neue Daten produziert, mit dem Versprechen, dass sie zu besseren Entscheidungen und "intelligenteren Städten" führen können. Aber irgendetwas fühlt sich immer noch... falsch an. Viele Städte haben das Gefühl, dass eine große Kluft zwischen dem Versprechen der Daten und der alltäglichen Erfahrung bei der Nutzung der Daten besteht, oder sogar bei dem Versuch, herauszufinden, welche Daten genutzt werden sollen.

Ich hatte das Glück, den größten Teil meiner Karriere damit zu verbringen, mich mit der Frage zu beschäftigen, wie wir diese Datenflut nutzen können, um unsere Städte sicherer und grüner zu machen. Ich war an der Entwicklung der Pittsburgh-Prinzipien für die Datenberichterstattung von Unternehmen, die autonome Fahrzeuge in der Stadt testen, beteiligt. Mein Team hat die Politik der Stadt Seattle zur gemeinsamen Nutzung von Mobilitätsdaten entwickelt. Und nun habe ich die letzten drei Jahre damit verbracht, mit Städten auf der ganzen Welt zusammenzuarbeiten und ihnen zuzuhören, wenn es um die Daten geht, die für sie wichtig sind. In dieser Zeit habe ich viel gelernt und mir einige eigene Meinungen gebildet.

Natürlich würde ich mich freuen, wenn Sie der Meinung wären, dass die Mobilitätsdatenlösungen von Vianovadie richtige Antwort auf Ihre Herausforderungen sind. Aber auch wenn das nicht der Fall ist, möchte ich dazu beitragen, die Messlatte dafür anzuheben, wie Städte nach Daten fragen und diese nutzen, um bessere Entscheidungen zu treffen. Zu diesem Zweck habe ich meine 10 Gebote für Mobilitätsdaten formuliert:

1. Unterscheiden Sie zwischen Daten und Erkenntnissen

Viele Unternehmen sind reich an Daten, aber arm an Erkenntnissen. Sie sammeln (oder kaufen) große Mengen an Daten, wissen aber nicht, wie sie damit umgehen sollen. Dies ist kein Problem, das nur die Regierung betrifft, sondern kann jede Organisation betreffen.

Ich verbringe viel Zeit damit, darüber nachzudenken, wie man Daten nützlich, relevant oder interessant machen kann. Mit anderen Worten: Ich hoffe, dass wir einem Nutzer helfen, die Erkenntnisse zu gewinnen, die Daten liefern können. In einigen Fällen denken wir bei Vianova, dass wir das Problem eines Nutzers so gut verstehen, dass wir die Erkenntnisse direkt für ihn produzieren, indem wir die Rohdaten nehmen und sie zu einem verfeinerten "Datenprodukt" verarbeiten. Wir versuchen nicht, irgendetwas zu verbergen, wir glauben nur nicht, dass es sinnvoll ist, jeden Schritt des Prozesses zu durchlaufen.

In anderen Fällen versuchen wir, Werkzeuge zu entwickeln, die es den Nutzern so einfach wie möglich machen, Daten selbst in Erkenntnisse umzuwandeln. Vielleicht kennen sie ihre eigenen Probleme besser und sind kreativer als wir. Oder sie wissen vielleicht noch nicht genau, was sie wollen, aber sie erkennen es, wenn sie es sehen". In diesen Fällen versuchen wir, die Benutzererfahrung zu Beginn so einfach wie möglich zu gestalten und die Komplexität nach und nach zu erhöhen.

2. Vergessen Sie nicht, dass niemand alle Daten hat.

Vielleicht ein offensichtlicher Punkt, aber es lohnt sich, ihn zu wiederholen. In fast jeder Datenquelle fehlen einige Daten; oder besser gesagt, keine Datenquelle ist eine perfekte Darstellung der Realität.

Im Bereich der Straßenverkehrssicherheit beispielsweise stützen sich die meisten Städte auf einen Datensatz gemeldeter Kollisionen, um die Bereiche mit dem größten Risiko zu ermitteln. Manchmal vergessen wir jedoch, dass es sich bei diesen Daten nicht um die Menge aller Kollisionen, sondern um die Menge der gemeldeten Kollisionen handelt. Das ist ein semantischer Unterschied, aber auch ein realer - es gibt zahlreiche Gründe, warum Kollisionen nicht ausreichend gemeldet werden.

Auch bei der rein empirischen Datenerhebung können Fehler auftreten. Kameras fallen aus, KI erkennt Objekte nicht, Röhrenzähler fallen aus, und Leute, die den Verkehr zählen, gehen einen Kaffee trinken. Vielleicht sind die Fehlerquoten recht niedrig, aber sie sind nicht null. Und es ist wichtig zu erkennen, dass die Annahme, dass die Daten ein ganzheitliches Bild ergeben, Risiken birgt (dazu später mehr).

3. Anerkennen des Zielkonflikts zwischen mehr Daten und reichhaltigeren Daten

Generell versprechen vernetzte Fahrzeugdaten deutlich mehr Daten, als die meisten Städte heute sammeln. Mehr einzigartige Beobachtungen, an mehr Orten, mit mehr unterschiedlichen Feldern, als man bisher zur Verfügung hatte. Aber je größer das Netz der Datenerfassung ist, desto wahrscheinlicher ist es, dass man die metaphorischen Stiefel und Reifen der schlechten Daten sammelt.

Empirische Daten sind großartig! Sie können Daten mit Ihren eigenen Augen oder mit einer Kamera sammeln, die Sie später überprüfen können. Die Daten sind wahrscheinlich ziemlich reichhaltig und enthalten eine Menge zusätzlicher Informationen über die Welt um die Beobachtung herum. Aber man kann einfach nicht so viele Daten so schnell (oder so billig) sammeln wie mit großen vernetzten Fahrzeugdatensätzen. Selbst eine große Anzahl von Fischern mit Ruten wird insgesamt weniger Fische fangen als diejenigen, die mit einem Netz fischen.

Ich behaupte nicht, dass die eine Art von Daten immer besser ist als die andere. Das hängt vom Anwendungsfall, dem Budget, dem Zeitrahmen und einer Vielzahl anderer Faktoren ab. Aber die Techniken müssen nach ihren Vorzügen verglichen werden - es sollte eine bewusste Entscheidung sein.

4. Immer einen Anwendungsfall haben

Ich habe oft gehört, wie Leute sagten: "Gebt uns alle Daten, wir werden uns überlegen, wie wir sie verwenden, sobald wir sie sehen" (manchmal in meinem eigenen Unternehmen, manchmal aus meinem Munde). Datenexploration macht sehr viel Spaß! Es ist sehr interessant, interessante Fakten in den Daten zu entdecken oder zu sehen, welche Fragen man beantworten kann.

Aber um über das Stadium der Erkundung hinauszukommen, sollten die Nutzer wirklich überlegen, wie sie die Daten nutzen wollen, bevor sie die Datei überhaupt öffnen. Es ist ein Spannungsverhältnis - manchmal weiß man nicht, was man nicht weiß. Aber ohne eine klare Begründung für die Erhebung und Interpretation der Daten kann man sich sehr leicht in einer theoretischen Übung verlieren. Es ist auch sehr gut möglich, Zugang zu Daten zu erhalten, die man nicht braucht oder die man gar nicht haben will. Das ist der Grundsatz der Datenminimierung: Nehmen Sie nur das, was Sie brauchen, wenn Sie es brauchen.

Das Vorhandensein eines Anwendungsfalls ist nicht nur eine gute Praxis, sondern für personenbezogene Daten gemäß der Datenschutz-Grundverordnung sogar vorgeschrieben. Mehr dazu erfahren Sie in einigen unserer anderen Beiträge.

5. Gehen Sie die "Datentrümmer" durch, um herauszufinden, was bereits existiert

Wir sprechen häufig mit Städten, die versuchen, ihr Datenportfolio zu erweitern, ohne das Potenzial ihrer bereits vorhandenen Daten voll auszuschöpfen. Es gibt eine Fülle von Erkenntnissen, die sich aus der Auswertung bereits vorhandener Datensätze gewinnen lassen, insbesondere von Daten, die in einer anderen Abteilung oder einem anderen Team vorhanden sind. Datenfelder, die bereits gesammelt wurden oder von einem Team leicht hinzugefügt werden können, können für ein anderes Team von großem Nutzen sein - ein Konzept, das ich "Datenmüll" nenne.

Bei Vianova haben wir den Schwerpunkt auf Funktionen gelegt, die es den Nutzern ermöglichen, ihre eigenen Daten hochzuladen, um verschiedene Quellen zu kombinieren und Muster zu erkennen, die sonst vielleicht verborgen geblieben wären. Eine bessere Erkundung vorhandener Datensätze durch mehr Nutzer mit einem Verständnis für den Grund, warum die Daten wertvoll sind, kann schneller zu Erkenntnissen führen.

6. Überlegen Sie, ob der Saft es wert ist, ausgepresst zu werden

Das Sammeln (oder Erfassen) von Daten ist mit realen Kosten verbunden - die Verarbeitung, das Bereinigen, Hosten und Manipulieren der Daten kostet Zeit, Mühe und Rechenleistung. Zumindest entstehen dadurch Opportunitätskosten - die Zeit oder die Ressourcen, die Sie für etwas anderes hätten verwenden können.

Es kann sein, dass genau der richtige Datensatz existiert (oder erstellt werden könnte), um die von Ihnen gestellte Frage zu beantworten, aber es ist auch möglich, dass ein Datensatz, der 80 % der von Ihnen gestellten Frage beantwortet, zur Hälfte der Kosten und in der Hälfte der Zeit verfügbar ist. Das Gleiche gilt für Stichproben innerhalb des Datensatzes - vielleicht benötigen Sie statt eines Jahres historischer Daten nur sechs Monate innerhalb des letzten Jahres. Bei der Betrachtung des Datenbedarfs ist es wichtig, den Aufwand und den Wert abzuwägen, um etwas Verwertbares zu finden. Besonders wichtig ist es, nicht zuzulassen, dass überwältigende Anforderungen und der Wunsch nach "Zukunftssicherheit" zu einer unmöglich großen oder komplexen Datenerfassung führen.

7. Denken Sie intensiv über das Ziel der Repräsentativität nach

Uns wird oft die Frage nach der Repräsentativität der Datensätze gestellt, mit denen wir arbeiten, insbesondere bei vernetzten Fahrzeugdaten. Das ist eine berechtigte Frage, aber sie ist vielleicht auch ungenau.

Die Datensätze können einen recht kleinen Teil der Anzahl der Autos oder Lastwagen auf der Straße repräsentieren (wir versuchen, auf der Grundlage unserer Modellierung eine Abdeckung von 3-5 % anzustreben). Diese Zahl mag gering erscheinen, aber 1) ist sie mit Sicherheit breiter verteilt als die bestehende Datenerfassung durch Verkehrskameras oder Rohrzähler und 2) kann sie immer noch zu einer erheblichen Anzahl von Beobachtungen führen. In praktisch jedem Bereich (auch im Verkehrswesen) werden statistische Stichproben verwendet, um Entscheidungen zu treffen und Ergebnisse zu liefern.

Die wichtigere Frage, insbesondere wenn es um Verkehrsplanung, Infrastrukturentwicklung oder Modellierung geht, ist, ob die Daten repräsentativ für das Verhalten der gesamten Bevölkerung sind. Wir arbeiten mit mehreren Anbietern zusammen, die ein breites Spektrum von Fahrern bedienen, mit dem Ziel, den Durchschnittsfahrer bestmöglich zu repräsentieren.

Die Repräsentativität ist eine Variable, die sich ständig ändert und an der Datenanbieter und Städte gemeinsam arbeiten müssen, um Ergebnisse zu erzielen.

8. Achten Sie auf den Trend, nicht nur auf die reine Zahl

Es ist ganz natürlich, dass wir bestimmte Zahlen wissen wollen - seit wir klein sind, haben wir zählen gelernt. Aber die "große Zahl" ist nicht immer der produktivste Weg, um eine Frage anhand von Daten zu beantworten.

Bei der Verwendung großer Mengen von Mobilitätsdaten ist es in der Regel hilfreicher, sie auf einer bestimmten räumlichen und zeitlichen Ebene zu aggregieren. In einigen Fällen ist dies sogar erforderlich, da die Daten sonst persönlich identifizierbar sein können. Eine Aggregation kann auch die Auswertung von Trends im Zeitverlauf erleichtern, indem sie Anomalien in den Daten glättet.

Ebenso ist es sinnvoller, über prozentuale Veränderungen nachzudenken als über absolute Zahlen. Kleine Werte können manchmal übergroße Auswirkungen haben. Es ist wichtig sicherzustellen, dass die Daten lesbar sind und dass die Menschen Dinge vergleichen, die sinnvollerweise verglichen werden sollten.

9. Vertrauen Sie Ihren Augen und Ohren

Ich arbeite bei einem Start-up-Unternehmen, das Mobilitätsdatenprodukte herstellt. Ich würde Ihnen gerne erzählen, dass Sie nie wieder Ihr Büro (oder Ihr Haus) verlassen müssen und das gesamte Verkehrssystem von Ihrem Laptop aus verwalten können. Aber das stimmt nicht, und das sollte auch nicht das Ziel sein.

Für mich ist dies der Unterschied zwischen "datengesteuerten" und "datengestützten" Entscheidungen. Große Datensätze und maßgeschneiderte Datenprodukte können Ihnen helfen, Prioritäten zu setzen und Brennpunkte oder Schwerpunktbereiche zu identifizieren. Sie verschaffen Ihnen einen breiteren oder tieferen Einblick, als Sie ihn sonst vielleicht hätten. Aber niemand hat eine magische Maschine, die in 100 % der Fälle die richtige Antwort ausspuckt.

Diese Instrumente müssen jedoch zusammen mit einer Reihe anderer Informationen, wie Ortsbesichtigungen und Gesprächen mit Gemeindemitgliedern, berücksichtigt werden. Das bedeutet nicht, dass die Daten unzuverlässig sind, sondern nur, dass sie nicht umfassend sind.

10. Irgendwo und irgendwo anfangen

Das mag offensichtlich erscheinen, ist es aber nicht immer. Die Städte gehen von unterschiedlichen Datenbeständen aus, aber praktisch gesehen muss man irgendwo anfangen, und das ist in der Regel weit vom endgültigen Ziel entfernt.

In vielen Städten gibt es so gut wie keine Datenerfassung für Verkehrsarten wie Radfahren oder Gehen. Täglich werden neue Datenprodukte (und neue Hardware zur Gewinnung von Erkenntnissen) entwickelt, um den Pool der verfügbaren Erkenntnisse zu erweitern. Aber ehrlich gesagt, ist sich niemand zu 100 % sicher, dass er alle richtigen Daten sammelt. Datenschöpfer und Unternehmen wie Vianova, die Datenprodukte auf der Grundlage dieser Daten entwickeln, wollen wissen, dass sie zur Lösung städtischer Probleme beitragen. Und das können wir nur herausfinden, indem wir zusammenarbeiten und die Rezepte optimieren, bis wir die richtige Mischung gefunden haben. Das ist eine Reise, bei der wir erst am Anfang stehen.

Dies ist ein Moment der Innovation! Arbeiten Sie schnell, lernen Sie etwas, und bauen Sie darauf auf. Der Vorteil der meisten Datenerfassungstechniken ist, dass sie schnell und (vergleichsweise) billig sind. Es ist besser, etwas auszuprobieren und zu lernen, als an einer Analyse-Lähmung zu leiden und darauf zu warten, dass der perfekte Datensatz auftaucht.

Über Vianova

Vianova ist die Datenanalyselösung für den Betrieb der Mobilitätswelt. Unsere Plattform macht sich die Leistungsfähigkeit von vernetzten Fahrzeugen und IoT-Daten zunutze, um verwertbare Erkenntnisse für die Planung sicherer, umweltfreundlicher und effizienter Verkehrsinfrastrukturen zu gewinnen. Von der Regulierung gemeinsam genutzter Mobilität über die Umgestaltung der letzten Meile bis hin zur Kartierung von Risikopunkten im Straßenverkehr - Vianova unterstützt mehr als 150 Städte, Flottenbetreiber und Unternehmen auf der ganzen Welt dabei, die Art und Weise zu verändern, wie Menschen und Güter transportiert werden.
Für weitere Informationen: www.vianova.io

Wenn Sie irgendwelche Kommentare haben, die Sie mit Vianovasenden Sie bitte Ihre Kommentare an hello@vianova.io. Wenn Sie mehr darüber erfahren möchten, wie es ist, bei Vianovaund sich unserem talentierten Team anschließen möchten, besuchen Sie unsere Stellenbörse oder senden Sie direkt Ihre Bewerbung an jobs@vianova.io.

👉 Lesen Sie hier unseren vorherigen Blog !