Social Media Analytics –  Corporate Social Responsibility in sozialen Medien messbar machen

Social Media Analytics Projekt
 Prof. Dr. Rüdiger Buck-Emden (links), Alexander Gusser (rechts)

Als Alumnus der H-BRS initiierte Junior Consultant Alexander Gusser (rechts im Bild) diese für uns spannende Kooperation mit seinem ehemaligen Professor, Prof. Dr. Rüdiger Buck-Emden (links im Bild).

Das Projekt

Der Gleichklang von Ökonomie, Ökologie und Sozialem hat in einer Vielzahl von Unternehmen längst Einzug gefunden. Corporate Social Responsibility (CSR) ist immer häufiger integraler Bestandteil einer erfolgreichen Unternehmensstrategie. Voranzugehen, „Bewusstsein“ zu schaffen und über die drei Säulen der Nachhaltigkeit hinauszugehen bietet breitgefächerte Vorteile: Die Vorreiterposition eröffnet Unternehmen neue Möglichkeiten und Potenziale am Markt. Gleichzeitig werden sie zu Pionieren nachhaltiger Wirtschaft, die es für eine nachhaltige Transformation dringend braucht.

Gemeinsam mit Studierenden des Bachelorstudiengangs Wirtschaftsinformatik der Hochschule Bonn/Rhein-Sieg (H-BRS) haben wir von der gmc² im Wintersemester 2016/17 ein innovatives Praxisprojekt erfolgreich abgeschlossen. Ziel des Projektes war die Konzeption und Entwicklung einer Social Media Analytics-Anwendung zur Klassifizierung von Twitter-Nachrichten mit Bezug zu CSR. Die Idee zu diesem Projekt ist dabei aus unseren eigenen Reihen entstanden.

Die Aufgabenstellung

Ziel des Projektes war es, eine Social Media Analytics-Anwendung zu konzipieren und diese bis zum Pilotstadium umzusetzen. Mit Hilfe der Anwendung sollte der Fortschritt in Bezug auf das Thema „Bewusstsein für CSR schaffen“ in sozialen Medien (hier: Twitter) messbar und steuerbar gemacht werden. Mögliche Ansatzpunkte der Messbarkeit waren z.B. das Monitoring der Follower: Wie verändert sich die Zahl der Follower zum Thema CSR? Wie ist ihr Verhalten? Lesen, liken, retweeten oder schreiben die Follower selber Posts zum Thema CSR? Für die Realisierung der Pilotanwendung konnten sich die Studierenden der Services der IBM Bluemix™-Plattform bedienen und diese bei Bedarf durch OpenSource-Komponenten ergänzen.

Die Lösung

Der Erfolg einer Applikationsentwicklung hängt wesentlich von der Formulierung der Anforderungen ab:

  • Was ist die Fragestellung?
  • Welcher Bedarf soll durch die Anwendung erfüllt werden?
  • Welcher Mehrwert soll generiert werden?
  • Was ist die Beschreibung des fachlichen Prozesses?
  • Wer benötigt welche Informationen zu welchem Zeitpunkt und in welcher Detailtiefe?
Stahlteam GmbH

Diese fachlichen Anforderungen müssen in ein technisches Konzept übersetzt werden, das die einzelnen Komponenten, Funktionen, Schnittstellen, Datenströme etc. beschreibt und die Grundlage für die Realisierung bietet. Die teilnehmenden Studierenden organisierten sich nach dem ersten Treffen in unseren Räumlichkeiten entsprechend in zwei Teams: Team Konzept und Team Entwicklung. Diese Aufteilung ermöglichte ihnen die strukturierte Herangehensweise.

Abbildung 1: Mock-up für die zukünftige Benutzeroberfläche

Grundlage ihrer Herangehensweise war ein Szenario aus dem fiktiven Unternehmen „NewApps“. In diesem Szenario bekommt der Leiter der Entwicklung Herr P. die Aufgabe, sich über das Thema CSR zu informieren und im Dialog mit dem CSR-Team eine Social Media Analytics Anwendung zu konzipieren. In ersten Gesprächen mit der Geschäftsführung wird beschlossen, eine App oder eine webbasierte Anwendung zu entwickeln, die Aufschluss über CSR-Trends geben soll. Anhand bestimmter Suchbegriffe, wie etwa Unternehmenstransparenz, Nachhaltigkeit, Erneuerbare Energien oder schlicht CSR, sollen diese Trends auf Twitter erkannt und ausgewertet werden können. Um dies zu ermöglichen, soll eine Maske aufgesetzt werden, die ein Feld für Suchbegriffe und einen Suchbutton beinhaltet. Zusätzlich soll die Möglichkeit gegeben werden, die Suchergebnisse nach verschiedenen Kategorien zu filtern. Beispielhafte Kategorien sind unter anderem „Influencer“, „zeitlicher Ablauf“ oder „Stimmung von Tweets zum Thema CSR“.

Abbildung 2: UML-Klassendiagramm der SentiApp

Im weiteren Verlauf entwickelten die Studierenden für die Anwendung einen umfangreichen Anforderungskatalog mit einer „Must“-, „Could“- und „Wish“-Liste. Dieser Katalog entstand durch Einbeziehung des Entwicklungsteams. Zudem wurden erste Mock-ups für eine vorläufige Abbildung der prototypischen Umsetzung angefertigt. Aktivitätsdiagramme, Spike Stories oder Use Cases ergänzten und rundeten die konzeptionelle Arbeit ab.

Auf dieser Grundlage konnte das Entwicklungsteam mit der technischen Umsetzung der fachlichen Anforderungen beginnen. Dabei orientierte es sich an folgenden Fragestellungen:

  • Wie müssen wir suchen, um die richtigen Tweets zu bekommen?
  • Wie bereiten wir die Tweets vor?
  • Wie trainiert man ein neuronales Netzwerk?
  • Wie automatisiert man den ganzen Prozess?

Im ersten Schritt der Entwicklung erfolgte die Auseinandersetzung mit den grundlegenden Services der IBM Bluemix™-Plattform. Dabei wurde deutlich, dass der Fokus während der Umsetzung auf einige wesentliche Services, wie beispielsweise den IBM Watson™ Natural Language Classifier, gelegt werden musste. Die Anwendung von Kreativtechniken im Format eines Hackathons ermöglichten den Studierenden den schnellen Einstieg in die Entwicklung mit IBM Bluemix™-Werkzeugen. Diese moderne Form der Wissensvermittlung eröffnete allen Teilnehmenden, sowohl den Studierenden als auch den MitarbeiterInnen der gmc², neue Sichtweisen. Mittels einer Sentimentanalyse sollten die Stimmungen der einzelnen Tweets interpretiert werden. Dabei wurde deutlich, dass sich große Mengen an bisher ungenutzten geschäftsrelevanten Daten in messbare Textmerkmale  übertragen lassen. Diese Datengrundlage konnte schließlich mithilfe einer Informationsextraktion über vorab festgelegte Suchparameter gefiltert und in einer Datenbank gespeichert werden. In einem nächsten Schritt wurden die gespeicherten Texte von störenden Merkmalen wie Nummern, Satzzeichen und Sonderzeichen befreit. Daran anschließend erfolgte die manuelle Klassifikation der „bereinigten“ Texte in die Kategorien „positiv“, „negativ“ und „neutral“ durch die gezielte Integration des Fachwissens der Studierenden. So konnten Trainings- und Testdaten charakterisiert werden. Auf dieser Datengrundlage und der vorangegangenen konzeptionellen Ausarbeitung war nun das Trainieren des Natural Language Classifiers möglich. Die visuelle Aufbereitung der Resultate mittels Diagrammen rundete die prototypische Umsetzung ab.

Fazit

Zum Abschluss des Projektes stellten die Studierenden ihre Arbeitsergebnisse unserer Geschäftsführung vor. Obwohl der Aufwand für die Umsetzung der Aufgabenstellung den erforderlichen Workload des Studienfachs überschritt, waren die teilnehmenden Studierenden von dem Projekt begeistert. Sie konnten sich sowohl fachlich als auch persönlich weiterentwickeln. So konnten sie beispielsweise Erfahrungen mit aktueller Cloud-Entwicklungstechnologie im expandierenden Analytics-Bereich sammeln. Auch das Thema Nachhaltigkeit mit dem besonderen Fokus auf CSR traf das Interesse der Studierenden. Insgesamt hat das Projekt anschaulich verdeutlichen können, dass eine automatisierte Auswertung und Steuerung von großen Datenmengen möglich ist.

Die hier vorgestellten Verfahren sowie Analysen für die inhaltliche Wertung von Texten werden zukünftig merklich an Bedeutung gewinnen. Diese Erkenntnis bietet Unternehmen das Potenzial, sich eine bessere Positionierung im Wettbewerb zu verschaffen.

Ausblick: #gmcSENA

Das Praxisprojekt bildete den offiziellen Startschuss für unseren Social Media Analytics-Ansatz. Aus diesem Grund liegt uns dieses Praxisprojekt besonders am Herzen. Wir freuen uns über die kreative und erfolgreich abgeschlossene Zusammenarbeit und Ausarbeitung der Studierenden bzw. der Fach- und Führungskräfte von morgen.

„Das mit der Bonner Consulting-Firma gmc² gemeinsam durchgeführte Praxisprojekt stellt eine außerordentliche Bereicherung des Lehrangebots im Fach Wirtschaftsinformatik des Fachbereichs Informatik der Hochschule Bonn/Rein-Sieg dar. Die teilnehmenden Studierenden hatten die Möglichkeit, in einer professionellen Umgebung und in enger Zusammenarbeit mit erfahrenen Beratern der gmc² eine reale Problemstellung aus dem Bereich Social Media Analytics zu bearbeiten. Unter Einsatz modernster Software-Technologien wie der IBM-Cloud-Plattform Bluemix™ und IBM Watson Machine Learning wurde eine auf neuronalen Netzen basierende Lösung zur Klassifikation von Twitter-Nachrichten implementiert. Neben vielen neuen fachlichen Eindrücken konnten die teilnehmenden Studierenden besonders auch davon profitieren, dass sie den Arbeitsalltag in einer innovativen, dynamischen Unternehmensberatung hautnah kennenlernen durften.“

Prof. Dr. Rüdiger Buck-Emden

Fachbereiche Informatik und Wirtschaftsinformatik, Hochschule Bonn-Rhein-Sieg

Simple Share Buttons
Simple Share Buttons