Kommentar: Wie Trump mit Analytics Clinton besiegte

Sowohl faszinierend wie traurig zugleich war für mich zu beobachten, wie schlecht die Medien die Wahlergebnisse am Dienstag vorhergesagt hatten. Fast alle hatte einen Clinton-Sieg prophezeit, was sehr wahrscheinlich zu ihrer Niederlage beigetragen hat. [...]

Die meisten Menschen wollten sie gewinnen sehen, und fast jeder lag falsch. Die statistischen Auswertungen des Clinton Lagers schienen sie zu einer Anti-Trump-Botschaft zu veranlassen und ließen sie ein weitaus größeres Budget als jenes von Trump in den Sand setzen. Trump hingegen setzte seine Auswertungen so clever ein, dass er mit begrenztem Budget, Zeit und Inhalten trotzdem gewann.
Die Ironie dabei ist dass Obama während der letzten beiden Wahlen seine republikanischen Rivalen mit Analytik geschlagen hatte. Trump schien diese Lektion besser als Clinton gelernt zu haben.
Dies weist auf das größte Problem von jenen hin, welche Analytics verwenden: die Sicherung der Datenquelle.
Lassen Sie mich ihnen erklären was genau passiert ist, und ich werde ihnen bis zum Ende damit drei wichtige Regeln der Analytik näher bringen.
Die bekannten Probleme mit der Datenquelle
Als wir in diese Wahl gingen, wussten wir, dass es eine große Veränderung in der Art der Kommunikation gegeben hatte – vor allem mit der wachsenden Macht der Millennials. Sie hatten weitgehend auf Handy-Nutzung umgeschaltet, weg vom Festnetz. Sie tendieren weiters dazu, aufgrund der Anrufer-ID nicht abzuheben, wenn sie auf ihrem Handy aufgerufen wurden. Tatsächlich scheint eine große Anzahl von Leuten damit eine riesige potenzielle Lücke in der Stichprobenauswahl verursacht zu haben, welche die Vertrauensintervalle signifikant erhöhte. Anstatt einer Schwankungsbreite von plus oder minus 4-5 Prozent wären plötzlich Bereiche von 15 Prozent und mehr möglich gewesen.
Im Lauf der Zeit waren Trump Anhänger von den Medien und dem Clinton-Lager wachsend verunglimpft worden. Clinton bezeichnete die Trump Anhänger sogar als „bedauerlich“. Das war keine kluge Strategie, denn anstatt sie zum Seitenwechsel zu bewegen, bestärkte sie damit die Gefühle der Betroffenen, angegriffen und betrogen zu werden – und mobilisierte diese in beeindruckender Zahl zu den Wahlurnen. 
Das größere Problem für Analysten bestand aber nun darin, dass sich diese Personen nun weigerten zu antworten, bzw. nicht wahrheitsgemäß antworteten. Dies führte zu massiver Pro-Clinton-Bias und machte die damit verbundenen Befragungen ungültig.
Als Analyst besteht der größte Teil der Arbeit darin, derartige Fehlerquellen zu identifizieren und auszuschließen. Andernfalls beraten Sie die Menschen schlecht, von denen Sie bezahlt werden. Genau das scheint hier der Fall gewesen zu sein.
Trump’s Vorteil
Im Gegensatz zu Clinton erkannten Trump’s Leute beide Probleme. Sie beschäftigten ein wenig bekanntes Analytik-Unternehmen namens Cambridge Analytica, sowie ein weiteres, noch nicht bekanntes Unternehmen das auf Hispanics fokussiert. Diese verwendeten eine ganz andere Methodik. 
Zehn Tage vor der Wahl schrieb ein kleines Team die Stichproben Methodik um, um die Fehlerquellen zu beseitigen und auch jene Wähler einzubinden, welche den konservativen Umfragen fehlten. Dies ermöglichte es ihrem Kunden die begrenzten Mittel zielgenauer einzusetzen.
Kurzum, sie nutzten damit die Erkenntnis, dass alle anderen es falsch machten. Dies machte einen der größten Überraschungssiege in der Geschichte der USA möglich.


Mehr Artikel

News

Bad Bots werden immer menschenähnlicher

Bei Bad Bots handelt es sich um automatisierte Softwareprogramme, die für die Durchführung von Online-Aktivitäten im großen Maßstab entwickelt werden. Bad Bots sind für entsprechend schädliche Online-Aktivitäten konzipiert und können gegen viele verschiedene Ziele eingesetzt werden, darunter Websites, Server, APIs und andere Endpunkte. […]

Frauen berichten vielfach, dass ihre Schmerzen manchmal jahrelang nicht ernst genommen oder belächelt wurden. Künftig sollen Schmerzen gendersensibel in 3D visualisiert werden (c) mit KI generiert/DALL-E
News

Schmerzforschung und Gendermedizin

Im Projekt „Embodied Perceptions“ unter Leitung des AIT Center for Technology Experience wird das Thema Schmerzen ganzheitlich und gendersensibel betrachtet: Das Projektteam forscht zu Möglichkeiten, subjektives Schmerzempfinden über 3D-Avatare zu visualisieren. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*