Wann, Wo, Wer, Was – Das Businessmodel von Uber

18,2mrd US$ ist die derzeitige Bewertung der Firma Uber, die eigentlich nichts weiter macht, als es 8×8 schon seit Jahren in Dresden tut oder wie es taxi.de mit herkömmlichen Taxen macht: Auf App-Knopfdruck Personen an Fahrer/Fahrzeuge vermitteln, um die Personen von A nach B zu fahren. Ausführlicher auf zukunft-mobilitaet.net…

Durchaus kontrovers diskutiert und nicht überall auf der Welt ganz gesetzeskonform.

Dabei hat Uber kein einziges eigenes Fahrzeug, keinen einzigen Angestellten Fahrer oder überhaupt eine Lizenz als Taxiunternehmen. Woher kommt die immense Unternehmensbewertung?

Daten – das Gold des 21. Jahrhunderts

Was Uber tut ist nichts anderes als eine Platform+App zur Verfügung zu stellen, die Fahrer und Passagiere miteinander in Kontakt bringt, sodass eine Personenbeförderung zustande kommt. Welche Daten fallen dabei an?

Der Fahrer muss in der Uber App eine Zahlungsweise angeben. Sei es ein Paypal Konto oder eine Kreditkarte. Handynummer und Email Adresse ebenso. Damit ist eine personenindividuelle Zuordnung möglich. Uber weiß nicht unbedingt ‘wer’ die Person ist, aber Uber weiß, dass es ‘die’ Person ist.

  UBER BESTELLEN

Natürlich ist Abfahrts- und Zielort bekannt und weil der Fahrer die Uber Drivers App geöffnet hat während der Fahrt auch die genaue Fahrtstrecke – wegen der Abrechnung.

Ein typischer Datensatz, der bei der Nutzung anfällt wäre also z.B.:

• Person A möchte
• um 21Uhr
• von der Anton-Meier-Str. 5, 01815 Beispieldorf
• nach Berthold-Beier-Str. 23, 01415 Zufallshausen

nicht weiter spektakulär, wie es scheint. Durch Kombination mit der Uber Drivers-App ergibt sich außerdem noch

• Fahrtstrecke

und durch zusätzliche Angaben in der Uber App eventuell noch ‘Lieblingsorte’

• Zuhause Ort
• Arbeitsort

Soweit so unspektakulär. Die reinen Zahlenkolonnen sind wenig aussagekräftig. Im allgemeinen ergibt sich daraus erst ein Sinn (und Geschäftsmodell), wenn man eine relevante Anzahl an Menschen für die Nutzung begeistert. Weshalb? Weil man dann aus den Daten wertvolle Informationen ziehen kann.

Die interessanten Fragen sind zum Beispiel:

• Wann + Wo –> Was: “Was ist wochentags die durchschnittliche Fahrzeug vom Flughafen zu Hotel XY?”
• Wann + Was –> Wo: “Wo gehen die Leute abends feiern?”
• Wo + Was –> Wann: “Wie lange dauerte es, bis wieder Alltag einzog nach der Überschwemmung?”

Bei Uber kommt nun zusätzlich noch die Komponente “Wer” hinzu und das macht es interessant.

 

Data Analytics – Goldgräber des 21. Jahrhunderts

Einen interessanten Einblick in die Art und Weise, wie solche Bewegungsdaten ausgewertet werden können, gibt Huy Vo auf der PyData NYC 2014, wo er über das Paper [Visual Exploration of Big Spatio-Temporal Urban Data: A Study of New York City Taxi Trips IEEE Transactions on Visualization and Computer Graphics, v. 19 (12), p. 2149-2158, 2013.] spricht. Er wertet darin die Daten des NewYork City Taxi Datasets aus.

Der Datensatz wurde von der NewYorker Taxizentrale 2014 als OpenData Datensatz freigegeben und ermöglichte es dem Team um Vo eine umfangreiche Analyse daraus zu generieren.

TaxiVis – Visual Exploration of Big Urban Data

Wann, Wo,  Was? – Diese Fragen sind hier recht eindrucksvoll beleuchtet. Zu beachten sind aber auch folgende Dinge:

1. Größe des Uber Data Scientist Teams vs. Größe der Forschergruppe um Vo
2. persönliche Daten bei Uber vs. anonyme Daten der NYC Taxidaten
3. monetäre Ausstattung/Möglichkeiten Uber vs. Forschergruppe um Vo

Bei Uber kommt also auch noch das ‘Wer?’ hinzu.

UberData

Die kommerzielle Nutzung von Bewegungsdaten von Menschen, die so genannte People-Flow-Analyse ist in mehreren Dimensionen hoch interessant. Es gibt die guten und die schlechten Anwendungsfälle und alles dazwischen.

The Good – Verkehrsplanung

Die Auswertung der Personenbewegungen bei Katastrophen ermöglicht es Stadtplanern in einer noch nie da gewesenen Güte an Evakuierungsrouten und -planung. Nach dem Ende von Konzerten oder Großveranstaltungen verteilt sich ein (hoffentlich repräsentativer) Teil der Bevölkerung mit Uber vom Veranstaltungsort in die Stadt. Das ermöglicht präzise Analysen.

Weiterhin können Floating-Car-Data dazu genutzt werden, zu erkennen, an welcher Stelle Straßen ausgebaut werden müssen oder ein Ausbau nicht notwendig wäre.

In Manhattan, drivers who use Uber drive every part of every road every day @Uber_NYC #UberData pic.twitter.com/PI46gB03uH

— Uber Data (@uberdata) 27. August 2014

The Bad – Überwachung

Das eine US-Firma die riesige Daten sammelt, diese auch an staatliche Behörden weitergeben muss, dürfe in der Post-Snowden-Ära jedem bekannt sein. Richard Stallman fasst das Problem mit Uber recht gut zusammen: Why you should not use Uber.

Ein einfaches Beispiel: Aus den Bewegungsdaten können die Uber Data Analysten heraus holen, wieviele One-Night-Stands wohl so geschehen und natürlich auch wo. Ein zwischenzeitlich wieder offline gegangener Beitrag (noch im web.archive.org): Rides of Glory.

Fazit

Wer sich das Video zu TaxiVis anschaut, hat eine leise Ahnung davon, welche Informationen Uber aus der reinen Vermittlung der Fahrten ziehen kann. Und dann wird auch klar, weshalb Venture Capital Fonds wie Google Ventures die Firma so hoch bewerten. Das “Taxigeschäft” ist eigentlich nur Mittel zum Zweck: Daten sammeln.

Wofür? Nun, möchte man in Zukunft beispielsweise einen vollautomatischen Dienst anbieten, bei dem (Elektro-)Fahrzeuge eingesetzt werden, die eine stark begrenzte Reichweite haben, dann sollten die jeden einzelnen Kilometer wohl überlegt fahren. Und wenn man aus dem Theater kommt und 10 dieser vollautonomen Transporter stehen schon bereit – na wie wahrscheinlich ist es, dass man einfach einsteigt?

Wann, Wo, Wer, Was: Diese Fahrzeuge brauchen die Information.

Titelbild: Bearbeitet. Original “data table vis” unter CC BY-NC-SA 2.0 Lizenz von flickr.com von Jason Brackins