Twitter Analyse der Bundestagswahl – Berichte & Deutung

by Tim

Twitter Bigdata Analyse der Bundestagswahl

Teil 2: Berichte und Deutung

-> Artikel Serie Teil 1: Technik und Motivation
-> Artikel Serie Teil 3: TV Duell, Fünfkampf, Spitzenkandidaten, Effekte
-> Interview zur Twitter Analyse

Inhalt

Partei-Berichte
Der letzte Tag
Twitter-Partei Trend
Spitzenkandidatenperformance
Top-Account Rating
Partei Stundensieger
Benutzer-Tweet Engagement
Zusammenfassung

Übersicht

Im ersten Teil der Artikel Serie (->Technik und Motivation) wurde die Funktionsweise der Twitter Bigdata Bundestagswahlanalyse beschrieben.
In diesem Artikel werden die verschiedenen Berichte, die durch einen Tag hinweg auf Twitter veröffentlicht werden, beschrieben.

Ziel dieses Artikels ist es, dem Leser eine bessere Übersicht über die Bigdata Berichte zu geben, damit er diese besser interpretieren kann. Bei jedem Bericht wird zudem die etwaige Erscheinungszeit genannt, wann dieser im Regelfall in Twitter (http://twitter.com/btwanalyse) eingestellt wird.

Fortlaufend finden sich die Beschreibungen der Berichte, die täglich auf veröffentlicht werden.  Hierbei wird stets ein Beispielbericht dargestellt und beschrieben. Zuletzt wird noch eine Zusammenfassung über die gewonnen Erkenntnisse gegeben.

Morgendliche Partei-Berichte (9:30)

Jeden Morgen werden parteispezifische Berichte eingestellt, die als Performance Indikator für die einzelnen Partei-Accounts verwendet werden können. Der Bericht zeigt dabei die Gesamtsicht des letzten Tages. Hier also: “4.9. 00:00 – 4.9. 23:59:59“ Die Berichte gliedern sich in verschiedene Sichtweisen.

Links oben

Die Top Accounts einer Partei sind in dieser Ansicht zu sehen. Die Reihenfolge der Balken von links nach rechts entspricht der Reihenfolge in der Legende von oben nach unten.

Es ist zu beachten, dass die Grafik die Anzahl der verschiedenen Benutzer anzeigt, die einen Politiker erwähnten. Beispielsweise erwähnten in diesem Schaubild 2132 Accounts den Account von Cem Özdemir. Es ist dabei unerheblich, ob ein Account mehrmals über Herrn Özdemir getweetet hat oder nur einmal – es zählt nur eine „Stimme“. Weiterhin werden auch Benutzer gezählt, die Retweets absetzten und Antworten auf Tweets, in denen Herr Özdemir genannt wurde. Ziel dieser Sichtweise ist es, einen Indikator über die Reichweite von Accounts zu erhalten.

Rechts Oben

In dieser Ansicht wird eine semantische Zeitverlauf-Meinungsanalyse in Bezug auf die komplette Partei dargestellt. Die Grafik unterscheidet dabei nicht zwischen Benutzern und stellt die absolute Anzahl Tweets dar, die durch Machine Learning (Künstliche Intelligenz) in positiv, neutral und negativ klassifiziert wurden. Dabei zeigt eine Stunde immer die Zusammenfassung dessen, was in dieser Stunde bis zur nächsten Stunde passiert ist. D.h. 20:00 Uhr zeigt alle Tweets von 20:00-20:59 Uhr.

Weiterhin gibt die Grafik einen Aufschluss darüber, wann die höchste Twitter Aktivität am letzten Tag geherrscht hat. Ein Social Media Manager kann so Schlüsse ziehen, um welche Uhrzeit seine Kampagnenaktivität zu besonders starken Reaktionen führte und seine Verhaltensweise so optimal anpassen.

Zusätzlich ist es für eine Partei auf einfache Art möglich, auch öffentliche Aktionen und deren Wirkung auf Twitter zu beurteilen. Aufgrund der starken Aktivität zwischen 20 und 22 Uhr ist von einem öffentlichen Auftritt eines Kandidaten auszugehen. Kombiniert man dies mit dem Schaubild links oben, so kann man davon ausgehen, dass vermutlich Herr Özdemir diesen öffentlichen Auftritt hatte. Und betrachtet man nun die Realität, so sieht man, dass Herr Özdemir im ARD – Parteien Fünfkampf/Schlagabtausch präsent war.

Anmerkung

Es ist erwähnenswert, dass Ironie und auch der Kontext bei der Klassifikation nicht immer komplett beachtet wird. Weiterhin könnte ein Tweet etwas Negatives beinhalten, bei dem es gar nicht um die Partei selbst geht, und somit das Negative gar nicht auf die Partei selbst bezogen ist.
Der aufmerksame Leser mag dies als problematisch sehen. Jedoch kann man unserer Erfahrung nach recht gut die Grundstimmung der Benutzer ablesen, da in den großen Zahlen die „Unschärfe“ der Analyse minimiert wird. Unser eigener Blick auf die Daten zeigt uns, dass je mehr Tweets gepostet wurden, desto besser die semantische Analyse die Realität abbildet. Aus diesem Grund sollte bei einer Interpretation auch stets die Anzahl der Tweets beachtet werden.

Links unten

In diesen Grafiken sieht man das Verhältnis zwischen Tweets zu Retweets. D.h. man sieht, wie viele der Erwähnungen von Partei-Symbolen durch Retweets erzeugt wurden und wie viele durch normale Nennungen (die dann ggf. geretweetet wurden). Wie zu sehen ist, sind 6442 Tweets abgesetzt worden und hiervon wurden insgesamt 6559 Retweets generiert.

Rechts daneben wird das Verhältnis aller Tweets (Tweets+Retweets) zu tweetenden Benutzern dargestellt. Insgesamt wurden durch 5350 Benutzern 13000 Tweets erzeugt. Dies bedeutet, dass ca. 2.5 Tweets, im Mittel, pro Benutzer abgesetzt wurden.

Rechts unten

Diese Grafik zeigt Account und Symbol-Performance. In der Legende sind dabei die Symbole, wie Hashtags und Parteiaccounts aufgelistet. Die Y Achse stellt die Anzahl der Benutzer dar, die getweetet haben. Die X Achse die Anzahl der Tweets. Die Größe des Kreises stellt normalisiert (log-Skala) die positiven Tweets dar.

Vereinfacht ausgedrückt:
Je mehr ein Kreis nach rechts verschoben ist, desto mehr Tweets wurden abgesetzt. Je mehr ein Kreis in Y Richtung verschoben ist, desto mehr verschiedene Benutzer haben getweetet. Je höher die Anzahl der positiv bewerteten Tweets, desto größer wird der Kreis. Ist eine Partei oder ein Kandidat also mit einem großen Kreis rechts oben, so hat sie viele Personen erreicht, und diese haben auch viele positive Tweets abgesetzt. Ist ein Kreis links oben in der Skala, so haben viele verschiedene Personen wenig getweetet. Ist man weit rechts und unten, so haben wenige Personen viel getweetet.

Beispiel

Viele unterschiedliche Personen haben  den „die_gruenen“ Account erwähnt. Über Cem Özdemir wurden nicht ganz so viele Tweets abgesetzt, jedoch haben fast gleich viele Personen über Cem Özdemir getweetet, wie es Personen über „die_gruenen“ waren, da er fast gleich hoch in Y Richtung verschoben ist. Der Hashtag #grüne wurde auch in einem ähnlichen Verhältnis zwischen Benutzern und Anzahl Tweets verwendet. Sehr viel weniger für die Tagesaktivität verantwortlich waren die anderen Accounts.

Der letzte Tag (10:30)

Ähnlich wie die parteispezifischen Berichte wird ein Parteiübergreifender Bigdata Bericht des letzten Tages erzeugt, um einen überparteilichen Vergleich zu haben. Wie auch die Parteispezifischen Berichte zeigt dieser die Übersicht über den “4.9. 00:00 – 4.9. 23:59:59“ und beinhaltet die Daten des großen TV Duells der kleineren Parteien (TV Fünfkampf mit: Weidel, Lindner, Özdemir, Wagenknecht, Herrmann).

Links oben

Hier werden die Top performenden Accounts der verschiedenen Parteien aufgelistet. Im Gegensatz zum parteispezifischen Bericht (hier wurde nach Benutzern gelistet), ist in dieser Performance Grafik die Anzahl der Tweets maßgebend (Die Überschrift „Tweets an Polit-Star Accounts“ verdeutlicht dies). Dies hat den Grund, dass der Fokus hier auf der Twitteraktivtät liegen soll und tiefergehende Details dann im Parteibericht zu finden sind.

Man kann hier deutlich sehen, dass Christian Lindner (FDP) mit seinem Twitter Account (c_Lindner) knapp hinter Alice Weidel von der AFD ist. Alice Weidel wird in 6324 Tweets erwähnt oder retweetet, wohingegen Christian Lindner nur 6210 Tweets erreicht. Cem Özdemir, der bei seiner Partei am besten performt hat, ist mit 4020 Tweets auf dem dritten Platz, wonach dann Sarah Wagenknecht von der Linken folgt. Joachim Herrmann von der CSU, der auch am Fünfkampf des gleichen Tages teilgenommen hat, wurde zwar per HashTag indiziert, (#Herrmann), aber er schaffte es mit den HashTag Erwähnungen nicht in die Grafik.

Rechts oben

Hier werden alle Tweets an Partei-Politiker und mit Partei-Symbolen auf eine Partei aufsummiert. Wie zu sehen ist, führt die AFD am 4.6. in der Anzahl Tweets, in welchen irgendein AFD-Politiker oder Hashtag, wie #afd oder #traudichdeutschland erwähnt wird. Die CDU dahinter wird dicht von der SPD verfolgt, obwohl die CDU den Vorteil des #merkel Hashtags hat, der für sie gezählt wird. Hier kann man nun gespannt sein, wie sich dies die nächsten Tage entwickelt. Die Grünen schlagen in der Gesamtansicht die digitale FDP, obwohl Cem Özdemir schlechter performte als c_lindner.
Anmerkung: In den Partei-Berichten von FDP und Grünen findet man Details, warum dies so ist.

Unten links

Der untere Teil der Grafik widmet sich nicht mehr den absoluten Tweets, sondern den erreichten Benutzern, um zu sehen, ob die absolute Performance sich auch im Erreichen verschiedener Benutzer nachhaltig wiederspiegelt.
Wie man hier sieht, wurden zwar sehr viele Tweets über die AFD und SPD abgesetzt, aber die meisten der verschiedenen Benutzer erreicht an diesem Tag die CDU. Interessant ist vor allem aber der Wert bei den Grünen. Denn obwohl die Tweet Verteilung nicht rein auf Cem Özdemir, sondern auf mehrere Personen gerichtet ist, die rechts oben zu sehen ist, zahlt sich das nun durch das Erreichen von mehr Benutzern gegenüber der FDP aus.

Unten rechts

Letztendlich ist diese Grafik die Kombination aus rechts oben und links unten. In X Richtung ist die Tweet Anzahl gegeben und in der Y Achse die Anzahl der Benutzer. Hier kann man deutlich sehen, dass die CDU an diesem Tag mehr Tweets und zugleich mehr Benutzer erreicht hat, als die SPD. Die AFD hingegen liegt auf Platz drei der erreichten Benutzer, benötigte aber um ihre „Benutzermasse“ zu erreichen, eine wesentlich höhere Tweet Anzahl.

Twitter-Partei Trend

(19:30 Tage/ 13:30 Stunden)

Jeden Tag um ca. 19:30 Uhr wird ein Trendreport der letzten 9 Tage veröffentlicht:

Ca. 19:00 Uhr – Tages Trend

Ca. 13:30 – Stunden basierter Trend

In diesem Twitter Trend wird die Twitter Performance der Partei Symbole wie folgt berechnet:

(Positive Tweets/Alle Tweets) * Tweetende Benutzer = Trend  in %

Folgendes ist der Grund für diese Formel: Je größer die Anzahl der positiven Tweets im Verhältnis zu allen Tweets ist, desto besser die Stimmung der Benutzer, die über die Partei tweeten. Hierbei werden alle Parteisymbole wie Hashtags und Accounts beachtet. Dieser Indikator wird dann mit der Anzahl der Benutzer, die über die Partei getweetet haben, multipliziert, um einen vergleichbaren Trend zwischen den Parteien in % zu berechnen.

Da sich oftmals die Frage stellt, ob Ereignisse während eines Tages einen Einfluss haben, wird der Trend zum einen stundeweise berechnet, so werden die verschiedenen Benutzer in einer Stunde gezählt und zum anderen der Trend für die Tage. Im Tagestrend werden dabei die verschiedenen Benutzer eines Tages gezählt.

Der Tagestrend erscheint dabei um 19:00 Uhr und zeigt den Verlauf der letzten 9 Tage bis zum Veröffentlichungszeitpunkt. Der Stundentrend erscheint um 13:30 und zeigt den Stundenverlauf bis Mitternacht des letzten Tages.

In den folgenden Grafiken sieht man besonders gut, wie sich die Gewichtung auf verschiedene Benutzer auf Stunden und Tage unterschiedlich auswirkt, denn stark tweetende Benutzer wirken sich in Stunden stärker aus, da sie jede Stunde neu gezählt werden. Jedoch zeigt die Grafik auch, dass sich eine generelle starke Aktivität am Ende auf die Parteien niederschlägt, die zumeist die stärksten Stundenaktivitäten haben.

Spitzenkandidatenperformance (12:00)

Um den Endspurt des Wahlkampfs noch spannender zu machen, wird ein „Highnoon“ chart um 12:00 Uhr mittags veröffentlicht.

Dieser Chart zeigt die Spitzenkandidaten im direkten Vergleich anhand von Hashtags und deren Twitter Account (bis 6.9.). Da kein Spitzenkandidatenhashtag eine bessere Performance zeigte, wie die Accounts der Kandidaten, außer bei Martin Schulz, wurden nur die Accounts in die Grafik aufgenommen. Da der Hashtag von Herrn Schulz besser performte als sein Account, wurde auch dieser aufgenommen. Für die anderen Spitzenkandidaten scheint sich auszuzahlen, einen Twitter Account zu betreiben, da Sie so mehr Benutzer erreichen, wie mit zugehörigen Hashtags.

Frau Merkel, Herr Gauland und Herr Hermann betreiben keine Twitter Accounts und daher wurden deren Hashtags aufgenommen.

Das Besondere dieser Endspurt Grafik ist, dass nur Twitter Benutzer gezählt werden, die einen Spitzenkandidatenaccount oder einen Hashtag erwähnen. Jeden Tag um 12:00 Uhr wird dann der neue Stand veröffentlicht. Der Startzeitpunkt der Messung ist dabei das TV Duell zwischen Frau Merkel und Herrn Schulz, da am nächsten Tag der Fünfkampf den kleineren Parteien eine ähnliche Präsentationsbühne zur Verfügung stellte. Kurzum man kann bis zum 24.9.2017 jeden Mittag um 12:00 Uhr abprüfen, wie viele Personen die Spitzenkandidaten dazu angeregt haben, über sie nachzudenken und zu tweeten.

Zum Vergleich hier sieht man hier die Weiterentwicklung hin zum 12.9. im Gegensatz zu der vorherigen Grafik vom 6.9.

Top-Account Rating (7:30, 15:30, 22:30)

Täglich werden Berichte veröffentlicht, die die Top erwähnten Accounts des letzten Tages darstellen. Hierbei werden die Top Accounts anhand der Erwähnungen in Tweets bestimmt. Der Bericht enthält dabei offizielle Partei Accounts, sowie auch Politiker. Um auch aktuelle, während des Tages aufkommende Ereignisse abzubilden, werden zudem mehrmals am Tag Zwischenstände der Anzahl der Erwähnungen in Tweets veröffentlicht. So kann man z.B. oftmals im abendlichen Bericht sehen, wie stark die Erwähnungen eines Politikers sich durch eine Talkshow vermehren. Die Legende ist dabei Top-Down den Balken von links nach rechts zugeordnet.

Top Accounts – Daily

Top Accounts: Inner day

Partei Stundensieger (Je Stunde)

Um eine gewisse Gamefication der Analysen zu erreichen, und auch kleineren Parteien die Chance zu geben, ihre Erfolge zu verwerten, gibt es in regelmäßigen Abständen Berichte, die nur rein eine Stunde auswerten. Diese Berichte erscheinen mehrmals am Tag.

Im Pie Chart Bericht werden die Prozentzahlen dargestellt, wie oft in einer Stunde über Parteisymbole und Accounts getweetet wurde. Hier sieht man, dass die Piraten oder auch DiePartei, Freienwähler es schaffen aufzutauchen und nicht von der puren Masse in Tweets bei TV Sendungen ausgenommen werden.

Der zweite Stundenbericht ist etwas detaillierter. Hierbei werden verschiedene Metriken dargestellt. Links sind immer die verschiedenen Benutzer, die in der Stunde getweetet haben, gelistet. In der Mitte (Alle) ist die Anzahl aller Tweets zu sehen. Rechts daneben findet sich Aufschluss, wie viele Tweets es gab, wenn Retweets nicht gezählt werden. Ist also der Mittlere Balken doppelt so hoch, wie der rechte Balken, so sind 50% alle Tweets in dieser Stunde reine Retweets und 50 % neue Inhalte gewesen.

Benutzer-Tweet-Engagement (20:00)

Grafik ist die Antwort auf die Frage: „Wie verhalten sich die Partei XY-Tweeter?“

Das Benutzer-Tweet Engagement zeigt das „Innenverhältnis“ von Tweetern einer Partei. Die Grafik ist somit keine Cross-Party Performance Bewertung. Viel mehr zeigt sie Details über das Benutzerverhalten innerhalb der Personengruppe, die eine spezielle Partei erwähnt hat. Dies bedeutet: Grundlage für die Balken einer Partei sind immer nur Tweets über die Partei bzw. deren Politiker.

Ein Beispiel anhand der AfD, da deren Balkenhöhen recht stark von den restlichen abweichen:

Linker Balken

30% Retweets von allen Tweets. D.h. 70% aller Tweets, wenn über die AfD gesprochen wird, sind einzelne und unterschiedliche Tweets (D.h. Sie haben viele unterschiedliche Tweets verschiedenster Inhalte und ihre Popularität kommt nur sehr wenig aus Retweets). Bei den Freien Wählen sieht man z.B., dass es genau umgekehrt ist. D.h. fast alle Tweets über die Freien Wähler an diesem Tag sind Retweets.

Mittlerer Balken  

Benutzer/Tweets 33%.

D.h. jeder  Benutzer hat ca. drei Mal im Schnitt über die AfD getweetet. Dies deutet auf sehr engagierte Fans/Accounts hin, die die AfD erwähnen. Allerdings können diese Werte auch durch Personen entstehen, die gegen die AfD sind und ihre Meinung öfters kundtun.

Achtung!

Es ist statistisch nicht ganz sauber, diesen Schluss zu ziehen, da man eine Frequenz mit/oder ein Histogramm erzeugen und dann ggf. Ausreißer (Outlier)  bestimmen müsste. Jedoch ist das reine Verhältnis unseres Erachtens für einen ersten Blick ausreichend.

Unsere Interpretation wäre hier: AfD Tweeter tweeten häufiger als Tweeter fast aller anderen Parteien. Vermutlich spielen auch „Gegentweets“ eine starke Rolle. Sofern wir dem zugeschriebenen Spruch, “There’s no such thing as bad publicity“ , von Phineas T folgen, könnte man folgenden Schluss ziehen: Gemessen an der Gesamtanzahl der Accounts, scheint die AfD eine Dissonanz zu erzeugen, die ihr zu starker Publicity in verschiedene Richtungen verhilft.

Vergleichen wir dies mit der CDU:

Hier Tweetet jeder im Schnitt zwei Mal pro Tag über die Partei. Die AfD erreicht hier ein höheres Engagement. Die Frage ist nun, ob dies ein erklärtes Ziel der Partei ist oder eine Partei lieber Benutzer und weniger Tweets im Schnitt erreichen möchte? Doch die Frage der Werbeziele einer Partei, kann vermutlich nur von ihr selbst beantwortet werden.

Was wir an dieser Stelle jedoch beschreiben können, ist die Auswirkung dieses Engagements: Das hohe Engagement führt dazu, dass im täglichen Parteivergleich die AfD in der X Achse die meisten Tweets hat. Aber im Komplettvergleich in Y nicht ganz so viele Personen erreicht, die über die AfD tweeten, wie SPD & CDU.

Beispiel:

Die neusten Reports deuten jedoch darauf hin, dass sich diese Strategie, generell die höchste Aktivität zu haben, auch auf Dauer auszahlen könnte, um die meisten Benutzer zu erreichen.

Beispiel:

Rechter Balken

Anzahl Benutzer/Retweets: Ähnlich wie der linke Balken, jedoch darauf bezogen, wie retweetfreudig die User sind.

Beispiel:

Zwei verschiedene Benutzer machen jeweils 2 Retweets mit AfD Inhalten:

2 Benutzer/ 4 Retweets = 50%

D.h. je höher die % Zahl ist desto weniger retweeten die Benutzer

Man kann sich jetzt überlegen, was ein erstrebenswerter Wert für eine Parteikampagne ist. Will man viele retweetende Benutzer haben oder eher viele verschiedene Tweets – diese Ziele muss eine Partei für sich festlegen. Alles was wir an dieser Stelle sagen können ist Folgendes:

AfD Benutzer retweeten häufig. In Kombination mit dem linken Balken der aussagt, dass nicht übermäßig viel geretweetet wird, ist dies unseres Erachtens nach noch „gesund“.  Wenn wir nun den AfD Wert mit CDU, FDP und Grüne vergleichen, dann haben diese wesentlich weniger Retweets.
Eine weitere Untersuchung müsste also bestimmen, woher dieser höhere Retweetfaktor kommt. Eine Erklärung könnten hier stark retweetende und engagierte Accounts liefern. Eine weitere Erklärung könnte bei der Anzahl der Inhalte liegen, die von der Partei selbst eingestellt werden. Je mehr eine Partei oder Politiker an Inhalten selbst teilen und Interaktionen mit den Benutzern betreiben, desto höher fällt natürlich die Wahrscheinlichkeit aus, das Inhalte „geretweetet“ werden. Weiterhin ist der Retweetfakor nur ein Daumenwert, und eine genauere statistische Untersuchung, die auch Frequenzen und längere Zeiträume beachten würde, könnte hier tiefergehende Einblicke geben.

Letztendlich haben wir gezeigt, welche Wert berechnet werden, und wie diese interpretiert werden können. Was optimale Werte sind, werden die Wahlergebnisse zeigen. Bis dahin müssen die Socialmedia Manager der Parteien entscheiden, ob die dargestellten Kennzahlen den Parteizielen dienen. Sie als Leser können interpretieren, welche Werte sie als positiv erachten, oder wie sie diese Werte interpretieren. Wir würden uns hier über verschiedene Meinungen und Interpretationen freuen.

Zusammenfassung

Es wurde ein Überblick über die täglichen veröffentlichten Berichte gegeben. Am Anfang wurden die Parteispezifischen #Bigdata Berichte am Beispiel der Grünen erläutert. Danach wurde der tägliche Partei Vergleichsbericht diskutiert. Hierbei wurden die Unterschiede zwischen der Anzahl von tweetenden Benutzern und Anzahl Tweets in den verschiedenen Berichten beschrieben.

Anschließend erfolgten Beschreibungen über den „Bundestagswahl Twitter Trend“ und die Spitzenkandidaten Performance, die seit dem TV Duell und Fünfkampf gemessen wird. Fortlaufend wurde von den reinen Spitzenkandidaten auf die Top Performing Accounts übergegangen und es wurde gezeigt, wie die Top Accounts durch den Tag hinweg und in einer Tageszusammenfassung bestimmt werden.

Die Stundensieger Berichte zeigten dann wie eine stundeweise Performance gemessen werden kann, und wie diese zur „Gamification“ der Berichte beiträgt.

Zuletzt zeigte noch eine kurze Diskussion über das Tweet- Retweet- und Benutzerverhältnis innerhalb der Partei-Fans signifikante Unterschiede, wie sich die Partei-Anhänger verhalten. Besonders auffällig zu den restlichen Parteien zeigt sich dabei die Performance der AFD-Anhänger und deren starke Bindung. Dies ist ein erster Hinweis darauf, wie es die AFD schafft, die anderen Parteien in unseren Twitter Analysen oftmals zu überholen.

Sämtliche Berichte finden sich in tageaktueller Form bis zum Tag der Wahl täglich auf http://twitter.com/btwanalyse

Wir haben in diesem Artikel für Sie die Kennzahlen und deren Berechnung beschrieben und würden uns über Kommentare in Bezug auf die Interpretation der Berichte freuen.

Update (29th April 2021): Check out our latest project, Fahrbar!

Fahrbar: Just What We Need For Public Transport Crowding

Get in touch with us

If you are interested in Fahrbar or want to find out how we can help you leverage your data

Contact us

Let us know your challenges or support us by sharing the article

Check iunera.com to learn more about what we do!

Categories:

Our Projects

Tags:

architectureelectionAnalyticsrealtimesocialMediaAnalyticsstreamingAnalyticstimeSeriestwitteranalyticsuseCase