Big Data in der Marktforschung: Warum mehr Daten nicht automatisch bessere Informationen bedeuten

Volker Bosch

Big Data wird die Marktforschung nachhaltig und grundlegend verändern, denn immer mehr Transaktionen beim Konsum von Produkten und Medien sind elektronisch erfassbar und damit im großen Stil messbar. Leider sind die Datensätze selten repräsentativ, auch wenn sie noch so groß sind. Kluge Algorithmen sind gefragt, um auch mit nicht-repräsentativen, digitalen Ansätzen eine hohe Präzision und Prognosefähigkeit zu erreichen. Big Data kann außerdem nur mit komplexer und deshalb fehleranfälliger Software verarbeitet werden, weshalb immer wieder Messfehler entstehen, die behoben werden müssen. 

Eine weitere Herausforderung stellen fehlende, aber notwendige Variablen dar. Big Data liefert zwar teilweise überwältigende Datenmengen, aber oft fehlen wichtige Informationen. Die fehlenden Beobachtungen können nur mit statistischer Datenimputation ergänzt werden. Das erfordert eine zusätzliche Datenquelle mit den erforderlichen Variablen, beispielsweise ein Panel. Lineare Datenimputation ist ein anspruchsvolles Instrument des „Informationstransports“ und funktioniert umso besser, je enger die beobachteten mit den zu imputierenden Daten zusammenhängen. Es macht Strukturen auch bei geringer Datentiefe sichtbar.