Kompany hosted seine Services im Datacenter der Next Layer Telekommunikationsdienstleistungs- und Beratungs-GmbH.
Um eine solche Dienstleistung bereitzustellen, ist das junge Unternehmen auch in Bezug auf die eigenen Arbeitsprozesse auf flexible Business-Intelligence-Lösungen angewiesen. Die größte Herausforderung ist die individuelle Aufbereitung der Daten passend zur jeweiligen Nutzeranfrage auf der Website. Entscheidungsrelevant sind in der Regel offizielle Firmendaten wie Hauptsitz, Gründungsjahr und Aktivität eines Unternehmens sowie Auskünfte über bestehende Verbindlichkeiten und Bonität. In einzelnen Ländern stellen bereits heute staatliche und privatwirtschaftliche Institutionen diese Informationen nutzerfreundlich über das Internet bereit. Auf internationaler Ebene hat sich hingegen noch kein automatisiertes Auskunftsverfahren etabliert, nicht zuletzt aufgrund der komplexen technischen Anforderungen, die ein solches Vorhaben mit sich bringt.
„Ingesamt gibt es bereits eine enorme Menge von Deep-Web-Datenquellen im Netz, Daten, die nicht frei oder per Suchmaschine zugänglich sind“, erläutert Mit-Geschäftsführer Russell E. Perry. „Für eine umfassende und verständliche Aufarbeitung fehlten bisher oft die technische Infrastruktur und die Skalierbarkeit zum Einzeluser.“
Heterogene Datenquellen
Den Zugriff auf solche Daten, etwa bei den Handelsregistern oder großen Auskunfteien, ermöglichen digitale Schnittstellen in Echtzeit. Die Vielfalt der angebundenen Quellen sorgt für eine große qualitative und inhaltliche Heterogenität des nutzbaren Datenbestandes. Beispielsweise sind nicht alle Daten – obgleich in Echtzeit aggregiert – auch gleich aktuell. Zudem liegen sie sowohl in strukturierter als auch in unstrukturierter Form vor, was Auswirkungen auf die Weiterverarbeitung hat. Dies zeigt sich beispielsweise beim Umgang mit den verschiedenen Sprachen: Bei strukturierten Datenquellen ist dies in Tabellenform möglich, unstrukturierte Daten und offizielle Dokumente, die zum Teil gar nicht verändert werden dürfen, werden nur mit Siegel in Originalform weitergegeben.
Die Vielzahl an Quellen bedeutet auch, dass dem Endkunden nicht immer ein identisch zusammengesetzter Report garantiert werden kann. So mögen für ein Unternehmen aus Frankreich nur wenige Bonitäts-kennzahlen zur Verfügung stehen, für ein Unternehmen aus Polen sind vielleicht die Firmenstammdaten veraltet. „Dies wirkt sich auch auf das Produkt aus, das wir unseren Endkunden anbieten“ erklärt Mit-Geschäftsführer Bernhard Hoetzl, für den Bereich Marketing und Sales verantwortlich: „Wir brauchen eine Technologie, die flexibel auf jede einzelne Abfrage reagiert und als Ergebnisformat einen Report erstellt, der das Maximum an derzeit verfügbaren Informationen abbildet.“
Vereinheitlichung und Visualisierung der Ergebnisse
Ermöglicht wird dies über eine eigens entwickelte relationale Datenbank, die für die Vereinheitlichung und Visualisierung der Ergebnisse aus unterschiedlichen Score-Karten sorgt, ohne dass dabei die Berechnungsweise oder die originäre Aussage der ursprünglichen Datenquelle verändert wird. Gibt ein Nutzer eine Anfrage, z. B. einen Firmennamen oder eine Handelsregisternummer, in die Suchmaske ein, beginnt die eigentliche Arbeit im Backend. Das System generiert zunächst eine unverwechselbare Identifikationsnummer. Die Zuordnung, das so genannte Mapping, erfolgt dabei anhand von Kriterien wie Firmenname, Registernummer, Registrierungsbehörde, Firmenwortlaut, Funktionsträger, Hauptstandort oder Rechtsform. Dann werden Module und Informationsfilter für den auszugebenden Report erstellt. Erst jetzt erfolgt mit Hilfe der Identifikationsnummer die Abfrage der Daten bei den verschiedenen Datenquellen. So bestimmen Verfügbarkeit und Qualität der Daten, aus welchen Teilen das Endprodukt, der Firmenreport, letztlich generiert wird.
„Adaptive Real-Time Semantic Search“
Zur weiteren Aufbereitung der Daten hat das Unternehmen eine weitere Technologie entwickelt. Die „Adaptive Real-Time Semantic Search“ (ARTSS) übernimmt die Analyse, semantische Verknüpfung und entsprechende Ausspielung der Daten in Echtzeit. Hierzu zieht sie die Kriterien der Suchabfrage sowie Klick-Events, Datenverfügbarkeiten und Übereinstimmungen heran. So entsteht nach und nach ein Netz an untereinander verknüpften Informationen über einzelne Firmen, die je nach individueller Anfrage durch den Endnutzer entsprechend aufbereitet, visualisiert und zur Verfügung gestellt werden können. Diese Technologie generiert zusätzlich eine Art Fingerabdruck von den verknüpften Datenquellen, der bei zukünftigen Abfragen in die Analyse einfließt. Dies bezieht sich nicht auf den Inhalt der einzelnen Datensätze, sondern allein auf die Natur der Verbindung zwischen einzelnen Informationspunkten, die so besser in ihrer Qualität, Tiefe und Vertrauenswürdigkeit eingeschätzt werden kann. Besonders wichtig ist dabei, dass das Vertrauen („Confidence Level“) in diese Informationen durch Korrelation mit den Daten aus anderen Quellen richtig gewichtet und entsprechend ausgewiesen wird und dies für den Endnutzer auch nachvollziehbar ist.
Vertrauen gewichten
Im Zeitverlauf soll über dieses Verfahren das bei Deep-Web-Suchen häufige Problem, dass Ergebnisse aus unterschiedlichen Datenquellen oft nicht zu 100 Prozent übereinstimmen, überwunden werden. Über eine kontinuierliche Analyse des Endnutzerverhaltens wird das Ergebnis zusätzlich optimiert: Wird beispielsweise eine Verbindung zwischen zwei Firmen öfter geklickt als andere, wirkt sich dies positiv auf den „Confidence Level“ dieser Verbindung aus. Dieses Netz an Daten, Informationen und unterschiedlich starken Verbindungslinien soll im nächsten Schritt visualisiert und damit auch für den User besser greifbar gemacht werden. Für dieses Vorhaben, den „Global Company Graph“, entwickelt das Unternehmen bereits eine eigene Benutzeroberfläche. Die Datenvisualisierung gehört für CEO Hoetzl zu einer guten Business-Intelligence-Lösung dazu: „Damit die Reports so informativ und verständlich wie möglich sind, wollen wir mittelfristig in die Datenaggregation und -auswertung investieren.“
Über Kompany
Bildquelle: © Kompany