MAS Business Intelligence: Die Thesis von Thomas Berweger

Thomas, du hast kürzlich den MAS Business Intelligence abgeschlossen.  Herzliche Gratulation. Weshalb hast du dich damals für diesen Lehrgang und die HWZ entschieden?

Zum einen war es der hohe Praxisbezug, für den die HWZ bekannt ist, zum anderen waren es die Kurse, die mich vom Inhalt her überzeugten und in welchen sich Impact aus Daten generieren lässt. Zudem wurden für den Lehrgang keine Programmierkenntnisse vorausgesetzt.

Dieser MAS beinhaltet drei CAS (CAS Applied Data Analytics, CAS Customer Intelligence, CAS Machine Learning). Von welchem CAS hat du am meisten profitiert?

Ich habe von allen CAS sehr viel profitiert. Am meisten aber wahrscheinlich vom CAS Machine Learning gerade hinsichtlich meiner Masterarbeit.

Zum krönenden Abschluss eines Studiengangs gehört die Masterarbeit. Mit welchem Thema hast du dich in deiner Master Thesis auseinandergesetzt?Die seit Jahren steigenden Paketvolumina beflügeln den Umsatz der Schweizerischen Post – meinem Arbeitgeber –, sind jedoch für die Verarbeitung in den Paketsortierzentren eine zunehmende Herausforderung. Probleme bei der Paketsortierung erschweren die Prozesssteuerung in den Paketzentren und führen zu verspäteten oder inkorrekten Paketlieferungen. Dies führt zu nachteiligen Konsequenzen für die Empfänger, die Versender und die Schweizerische Post. Der zügigen Erkennung und Behebung von Problemen im Paketsortierprozess kommt folglich eine grosse Bedeutung zu.

Die Schweizerische Post ist daran interessiert, ein Frühwarnsystem aufzubauen, welches ausgewählte Datenquellen überwacht und bei anomalen Ereignissen Warnmeldungen auslöst. Ziel der Arbeit war, herauszufinden, ob mithilfe von Machine Learning in den Daten der Paketsortierung Anomalien gefunden werden können. Im Sinne einer explorativen Vorgehensweise wird ein «Proof of Concept» erarbeitet, auf dessen Fundament ein Frühwarnsystem aufgebaut werden kann.

Das Ziel dieser Master Thesis war folglich die Entwicklung einer oder mehrerer Algorithmen, die genutzt werden können, um in den zur Verfügung gestellten Daten Anomalien und Trendänderungen zu entdecken.

Welche Technologien hast du in deiner Arbeit verwendet?

Jupyter Notebook und Python.

Inwiefern nützt deine Thesis deinem Arbeitgeber?

Mithilfe eines deskriptiven Ansatz sowie den Algorithmen One Class Support Vector Machine, Local Outlier Factor und Isolation Forest werden Ausreisser in den Daten der Paketsortierung auf Tagesbasis identifiziert. Es stellte sich heraus, dass mithilfe der unterschiedlichen Algorithmen Anomalien in den Daten gefunden werden können.

Die vorgeschlagenen Techniken zur Outlier-Identifikation erfüllen ihren Zweck im Sinne eines Proof-of-Concept als Basis für ein mögliches Frühwarnsystem bei der Schweizerischen Post.

Es kann davon ausgegangen werden, dass die Post dank meiner Master Thesis durch die Algorithmen Auffälligkeiten in den Sortierzentren frühzeitiger bemerken und beheben kann und dadurch ein signifikanter Mehrwert für die Versender, die Empfänger und die Post generiert wird.

Was sind deine wichtigsten Learnings aus der Arbeit?

Das Unterfangen war sehr fordernd, aber auch äusserst lehrreich. Einerseits galt es, mich in ein Themengebiet bei der Schweizerischen Post einzuarbeiten, welches für mich ziemlich neu war. Als Digital Product Manager habe ich mit der Paketsortierung in meinem Alltag nur am Rande zu tun. Es brauchte Zeit, bis ich die wichtigsten Abläufe und Daten rund um die Paketsortierung verstand. Ich war beim Projektstart erst wenige Monate im Unternehmen und wer die Schweizerische Post kennt, weiss, dass das Unternehmen höchst vielfältig und spannend ist, aber manchmal sehr komplexe Strukturen und Prozesse mit sich bringt. Es war ein grosser Aufwand, die relevanten Daten zu verstehen.

Trotz oder gerade wegen diesen vielfältigen Herausforderungen war diese Master Arbeit für mich dennoch sehr motivierend und ich habe in vielerlei Hinsicht eine Menge gelernt. Dies trifft unter anderem auf meine Projektmanagement-Skills oder über mein neu erlangtes Wissen über die Paketlogistik und die Datenstrukturen der Paketsortierung zu. Ebenso konnte ich meine Programmierfähigkeiten in Python stärken.

Für mich war von Projektbeginn ein grosser Ansporn, dass hinter dieser Master Thesis ein echtes und bedeutendes Bedürfnis meines Arbeitgebers steckt. Es hat mich stets angetrieben, einen wesentlichen Beitrag zur Bildung eines Frühwarnsystems auf Basis der Anomalie-Erkennung in den Daten zu liefern. Der Mehrwert eines solchen Systems wäre für die Post sehr bedeutsam.