Frequenzdaten – Was sagen sie aus und wie helfen sie uns weiter?

Der Umfang der verfügbaren Daten wird immer größer und unser Wissen, das wir daraus ziehen, auch. Allerdings verändert sich die Aussagekraft der Daten mit den Lebensumständen der Menschen stetig. So ist es zum Beispiel auch mit den Frequenzdaten in deutschen Innenstädten. Es gab noch nie so viele Daten über Anzahl und Herkunft der Besucher:innen, aber ihre Interpretation wird immer schwerer.

Hohe Frequenz = Hohe Kaufkraft?

Nach wie vor haben die am höchst frequentierten Straßen in deutschen Innenstädten die höchsten Ladenmieten. Ist das Zufall, oder lässt es auch auf eine höhere Kaufkraft in diesen Bereichen schließen? Erhebungen in den bekannten Straßen in München ( Kaufingerstraße), in Köln (Schildergasse) und in Frankfurt (Zeil), zeigen die höchsten Passantenfrequenzen, was die Ladenmieten rechtfertigen soll. Die Diplom – Architektin Marianne Dickmann schreibt im Herbst 2021 in einem Beitrag ihrer Firmenzeitung „Domino Konkret“, dass die Motivation der Käufer:innen wichtiger ist als die Anzahl der Läufer:innen. Für sie ist die seit langem bestehende Regel „hohe Frequenz = hohe Kaufkraft“ überholt. Die Passant:innenfrequenz ist nicht mehr allein ausschlaggebend, sondern die qualitative Zusammensetzung der Besucherströme spielt eine mindestens genauso große Rolle. Die Motivation der Käufer:innen sei lageprägend und nicht die Zahl der Läufer:innen.

Was sagen die erworbenen Daten also aus?

Daten allein bieten keine Transparenz, sie brauchen Kontext. Das Sammeln von ihnen bringt zunächst keinen Mehrwert, sie müssen in einen Kontext gesetzt werden, um in Wissen umgewandelt zu werden. In diesem Zusammenhang ist das Fachwissen des Auswertenden elementar wichtig. Vornehmlich geht es bei den Kontexten um korrelierende Daten, ortsbezogene Daten, Metadaten, Daten mit Zeitbezug, Strukturdaten (Alter, Geschlecht, Fahrzeugtyp, etc.) und Transaktionsdaten (Bewegungsdaten). Denn ohne diese Zusammenhänge ergeben Daten oft gar keinen Sinn. Wenn wir die Frequenzdaten der Schildergasse vom letzten Samstag sehen hat dies zunächst wenig Aussagekraft. Erst mit der genauen Zeitangabe werden die Daten transparent und bekommen eine Aussagekraft. Denn abends um 20 Uhr wird die Frequenz eine andere sein als um 14 Uhr. Hier fehlte also der Kontext in der ersten Aussage.
Des Weiteren stellt sich die Frage der Qualität der Daten. Unvollständige oder nicht eindeutig interpretierbare Daten können ihre Aussage verfälschen. Die gewünschte Aussage wird nicht erreicht, wenn Daten nicht aktuell, ungenau oder irrelevant sind.
Ein Beispiel hierfür kann eine Studie über den Besuch ortsfremder Personen an einem beliebten Ort in der Innenstadt sein. Wenn hier zum Beispiel Frequenzdaten aus Handyzellen verwendet werden, kann es zu Ungenauigkeiten kommen. Mobilfunkzellen haben in der Regel eine höhere Reichweite als überhaupt gewünscht wird.

Damit ein Computer diese Daten aggregieren und in brauchbare Informationen umwandeln kann müssen die Daten erst einmal eine bestimmte Form haben, die für den Computer interpretierbar ist. Dies ist auf den Menschen übertragbar: auch er braucht Wissen über die Rohdaten um daraus brauchbare Informationen zu generieren.

Was machen wir also jetzt mit unserem Wissen über Daten?

Bleiben wir bei der alten These, dass hohe Frequenzen in den Innenstädten nach wie vor zu hohen Umsätzen führt oder ist dieses alte „Bild“ der Kund:innen überholt. Fakt ist, dass seit der Corona – Pandemie und dem damit einher gehenden Lockdown die Kund:innen gezielter einkaufen gehen. Bei Cartier, in Frankfurt am Main, war seitdem über Wochen kein Termin zu bekommen und auch vor anderen Einzelhandelsgeschäften in der Innenstadt bildeten sich lange Schlangen. Die Kund:innen gehen gezielter einkaufen. Das hat die Pandemie verändert.

Wie helfen die Daten uns weiter?

Daten sind abstrakt. Immer mehr Aspekte unseres täglichen Lebens werden in digitalen Datenstrukturen erfasst und die Technologien, die hinter diesen Entwicklungen steckt, werden immer komplexer. In unseren Köpfen sind Daten mittlerweile häufig mit Datenschutz verknüpft und somit bekommt man direkt ein schlechtes Gewissen, wenn man mit Daten arbeiten möchte und einen „Blick hinter die Kulissen“ wirft.
Wenn diese Daten, insbesondere Frequenzdaten, also in den richtigen Kontext gesetzt werden und mit Fachwissen korrekt angereichert werden, können sie uns in den Innenstädten sicher in manchen Bereichen und machen Branchen weiterhelfen. Allerdings nicht so, wie es auf den ersten Blick wirkt. Viele Läufer = viele Käufer ist spätestens seit der Corona –  Pandemie überholt.

Bild von Jörg Möller auf Pixabay
Bild von Gerd Altmann auf Pixabay