Nischendaten: wann ein kleiner Datensatz einen großen schlägt

Ein kleiner, gepflegter Datensatz kann einen riesigen, generischen schlagen. Er kann Sie aber auch mehr kosten, als er je einbringt. Der Unterschied liegt nicht in der Zeilenzahl, sondern darin, wie schnell Ihre Daten falsch werden und ob überhaupt jemand danach handelt.

So erkennen Sie den Unterschied, bevor Sie ein Quartal in den falschen Datensatz stecken.

Kurz gefasst

• Daten zu besitzen ist kein Burggraben. Sie aktuell zu halten, schneller als andere sich die Mühe machen, kommt dem näher.
• Die entscheidende Zahl ist, welcher Anteil Ihrer Daten pro Jahr falsch wird. Messen Sie ihn, bevor Sie irgendetwas kaufen.
• Daten, nach denen niemand handelt, sind ein Kostenposten, egal wie gut sie sind.
• Klein gewinnt, wenn der Bestand abgegrenzt und aktuell ist und an einer Entscheidung hängt, die diese Woche jemand trifft.
• Nichts zu tun ist eine echte Option, und unterhalb eines bestimmten Volumens schlägt sie sowohl Bauen als auch Kaufen.

Beginnen Sie mit den Gegenargumenten

Die Geschichte "unsere eigenen Daten sind unser Burggraben" ist schwächer, als sie klingt, und die Skeptiker haben die besseren Belege.

Andreessen Horowitz hat Datennetzwerkeffekte untersucht und festgestellt, dass die meisten in Wirklichkeit Skaleneffekte sind, die abflachen. In ihrem Beispiel eines Support-Chatbots brachte mehr Datenerhebung jenseits von rund 40 % der Anfragen keinen Vorteil mehr (The Empty Promise of Data Moats).

Größer und spezialisierter gewinnt ebenfalls nicht automatisch. BloombergGPT wurde mit 363 Milliarden Wörtern proprietärer Finanztexte trainiert, und ein allgemeines Modell schlug es trotzdem in genau den Finanztests, für die es gebaut worden war. IBM sammelte über Jahre und für rund 4 Milliarden Dollar Gesundheitsdaten für Watson Health und verkaufte die Bestände dann. Zillow schloss seinen Hauskaufbereich nach einem Quartalsverlust von 422 Millionen Dollar in diesem Segment.

Fast all diese Forschung betrifft das Training großer Modelle. Sie trainieren vermutlich nichts, sondern geben ein paar tausend Zeilen an einen Agenten, was eine andere und schlecht gemessene Situation ist. Das schneidet in beide Richtungen: Die Argumente gegen Sie sind schwächer als sie wirken, die für Sie ebenso.

Die eine Zahl, die alles entscheidet

Fragen Sie, welcher Anteil Ihrer Daten in einem Jahr falsch wird. Preise ändern sich, Leute wechseln den Job, Angebote verschwinden, Regeln werden angepasst.

Messen Sie das, raten Sie nicht. Nehmen Sie eine Stichprobe, prüfen Sie sie ein paar Wochen später gegen eine verlässliche Quelle und zählen Sie, wie viele sich geändert haben. Diese eine Zahl sagt Ihnen drei Dinge auf einmal: wie oft Sie auffrischen müssen, was das kostet, und wie lange eine gestohlene Kopie Ihrer Datei noch nützlich ist.

Lesen Sie die letzte Spalte genau, denn hier drehen die meisten es um. Langsame Daten sind billig zu pflegen und trivial zu kopieren. Schnelle Daten sind teuer zu pflegen und schwer zu kopieren. "Findet Daten, die billig zu pflegen sind" und "findet Daten, die verteidigbar sind" sind gegenläufige Anweisungen, und die meisten Teams bekommen beide.

Eine ehrliche Einschränkung zur Tabelle: Der Rhythmus unterstellt gleichmäßiges Altern. Webquellen verfallen vor allem im ersten Jahr, also frischen Sie alles, was Sie nicht kontrollieren, früher auf als angegeben.

Ein tauglicher Nischendatensatz ist klein genug, um ihn Zeile für Zeile zu lesen. Sechs beobachtete Produkte, je ein Preis, und ein Zeitstempel, mit dem sich das Veralten messen lässt.

Fünf Fragen vor der Investition

In einer Woche zu beantworten. Fällt eine Quelle bei Frage 2 oder 4 durch, hören Sie dort auf.

Frage 4 erledigt die meisten Kandidaten, und genau sie wird übersprungen. Ein Datensatz, der niemandes Entscheidung ändert, ist kein Vermögenswert, sondern ein Abonnement.

Bauen, kaufen oder nichts tun

Die meisten Vergleiche stellen Bauen gegen Kaufen und vergessen die dritte Option. Nichts zu tun hat echten Wert: Sie entscheiden weiter wie bisher, zu Kosten von null.

Ob Bauen sich lohnt, hängt am Volumen. Ein illustratives Beispiel: 4.000 Zeilen, rund 30.000 Dollar Aufbau, rund 11.000 Dollar Pflege pro Jahr und 60 Dollar Wert je verbesserter Entscheidung. Das sind Arbeitsannahmen, keine Messungen, aber die Form, die daraus folgt, ist das Nützliche.

Verschieben Sie eine Eingangsgröße, verschiebt sich der Umschlagpunkt mit. Die Lehre ist nicht die konkrete Zahl, sondern dass eine seltene Entscheidung einen Datensatz fast nie zurückzahlt, egal wie gut er ist.

Kaufen gewinnt in einem bestimmten Fall: wenn ein Anbieter fast so genau ist, wie Sie es in Ihrer Nische wären. Prüfen Sie das vor der Unterschrift. Nehmen Sie 200 Datensätze des Anbieters aus Ihrer Nische und verifizieren Sie sie selbst.

Wo Nischendaten wirklich gewinnen

Vier Situationen überstehen alle obigen Einwände.

• Sie erfassen eine Entscheidung, die nur Sie treffen. Die Ergebnisspalte lässt sich nicht abgreifen, sie wird verdient, eine Entscheidung nach der anderen.
• Sie beobachten Ereignisse, die sonst niemand verknüpfen kann. Andere sehen vielleicht das Ereignis. Nur Sie halten es verbunden mit Ihrem Kontext und Ihrem Ergebnis.
• Die Daten ändern sich schnell und Sie behandeln das als laufende Kosten. Ein bewegliches Ziel stiehlt man nicht einmal, man muss dieselbe Auffrischung dauerhaft finanzieren.
• Der Bestand ist klein genug, um ihn vollständig zu prüfen. Bei ein paar tausend Zeilen ist alles prüfbar. Bei ein paar hunderttausend zahlt das niemand.

Und wo nicht: Ein Anbieter verkauft es bereits als Produkt, die Daten ändern sich kaum und sind öffentlich, das Entscheidungsvolumen ist zu klein, oder die Aufgabe ist eigentlich Schlussfolgern und nicht Nachschlagen.

Häufige Fragen

Wie viele Daten brauche ich wirklich?

Weniger Zeilen, als Sie denken, und mehr Aktualität, als Sie denken. Hundert aktuelle, geprüfte Zeilen schlagen eine Million veraltete nur dann, wenn sie genau die anstehende Entscheidung abdecken. Abdeckung der Entscheidung zählt mehr als Zeilenzahl.

Ist Kaufen jemals die richtige Wahl?

Ja, wenn der Anbieter in Ihrer Nische nah an Ihre eigene Genauigkeit kommt und Ihr Entscheidungsvolumen im mittleren Bereich liegt. Kaufen Sie die Masse, die jeder kopieren kann, und bauen Sie nur die Spalte, die sonst niemand erzeugen kann.

Wie verhindere ich, dass ein Datensatz still veraltet?

Setzen Sie auf jede Zeile einen Zeitstempel der letzten Prüfung und frischen Sie die ältesten zuerst auf. Zufälliges Auffrischen lässt immer einen Schwanz sehr alter Zeilen übrig, egal was Sie ausgeben, und genau die werden Ihnen peinlich.

Was ist der häufigste Fehler?

Erst sammeln, dann die Entscheidung suchen. Wenn Sie nicht benennen können, wer nach den Daten handelt und wie oft, lautet die Antwort nicht "mehr Daten".

Der nächste Schritt

Nehmen Sie sich eine Woche. Messen Sie, wie schnell Ihre Daten falsch werden, gehen Sie die fünf Fragen durch und prüfen Sie, ob wirklich jemand deswegen eine Entscheidung ändert. Besteht die Quelle, folgt als Nächstes die Verdrahtung in etwas, das von allein läuft: vom Datensatz zum Workflow, der sich selbst ausführt.