Die Temperaturregelung im Hotel war seltsam, irgendwie war das Thermostat verkehrtherum beschriftet und hat auch so geregelt. Also war es dank zu dünner Decke zu kalt. Die folgende Nacht entsprechend dann zu warm 🙂
09:15 im Büro
09:16 zum Kaffeeautomat
09:30 im Büro
09:30 bis 13:30 Daten anschauen, herumbasteln, ausprobieren, fluchen, sich über den Datenlieferanten aufregen
13:30 bis 14:30 Mittagessen
14:30 bis 18:00 Daten verfluchen, Ideen bekommen, Preismodelle anschauen, Fahrer-Scores probieren, Hoffnung schöpfen
18:00 bis 21:00 Stadtrundgang am Kanal
21:00 bis 22:30 Abendessen
Die Datenstrukturen der Telematikdaten sind nun echt nicht so, wie man sie erwarten würde. Wahrscheinlich hat der Datenlieferant aus technischen Gründen die Daten einfach so gelassen, wie sie kamen und jetzt muss man sich selbst zusammenreimen, was wie wo zusammenhängt. Dabei fallen etliche Ungereimtheiten auf, zum Beispiel warum bestimmte Datenfehler immer sonntags kommen, wenn die Woche plötzlich aus acht Tagen besteht. Immerhin hab ich keine Sommer- und Winterzeitprobleme gesehen.
Aber: mit den noch nicht korrigierten Daten hab ich Schadenvorhersagemodelle gebastelt, die natürlich nicht besonders gut funktionieren. Falls sich am Ende bestätigt, dass die Modelle mit den korrigierten Daten doch funktionieren, dann wäre das mal wieder ein klassisches Beispiel für garbage-in — garbage-out und ein erneuter Beleg, dass man genau verstanden haben muss, was die Daten bedeuten, bevor man sie verwendet. Es gibt ja so Managementfuzzis, die das einfach nicht kapieren wollen und denken, Datenanalysen und Machine Learning wären einfach, weil man ja nur einen Knopf drücken müsse. Denen sag ich ja schon immer: Gut, dann mach’s halt selber, hier hast Du eine Shell, viel Spass. Ergebnisse bitte in fünf Minuten!.
Milano ist ansonsten nicht so mein Fall, wie das eben mit Grossstädten bei mir so ist. Der Autokollaps ist offensichtlich, wenn man sich anschaut, welche riesigen Flächen von parkenden Autos versperrt werden und nicht für Menschen zugänglich sind. Ein grosser Fluss fehlt irgendwie. Mietvelos gibt es auch in Massen.