SlideShare ist ein Scribd-Unternehmen logo

DE - Module 4 - Data as a business model driver

Data as a business model driver

1 von 36
Downloaden Sie, um offline zu lesen
D: DRIVE
Wie arbeitet man datengesteuert?
Dieses Programm wurde mit Unterstützung
der Europäischen Kommission finanziert.
Modul 4: Daten als Geschäftsmodell
Smart Data Smart Region | www.smartdata.how
Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Der Autor
ist allein verantwortlich für diese Veröffentlichung (Mitteilung) und die Kommission übernimmt
keine Verantwortung für die Verwendung der darin enthaltenen Informationen.
Das Ziel dieses Moduls ist es, zu erfahren, welche
Möglichkeiten in der Welt des Datengeschäfts bestehen
und wie traditionelle Geschäftsmodelle mit dieser neuen
Datenmöglichkeit aktualisiert werden.
Nach Abschluss dieses Moduls werden Sie:
- Erfahren Sie, wie Sie die Möglichkeiten erkennen, wo
große Datenmengen Ihrem Unternehmen zugute
kommen können.
- die richtigen Fragen zu Ihrem Unternehmen
beantworten können und gehen dann die Schritte der
Integration der Lösungen in Ihr Unternehmen zu gehen.
- Die Säulen einer datengesteuerten Geschäftsstrategie
zu verstehen
- Erfahren Sie mehr über 6 verschiedene Daten-
Geschäftsmodelle
Dauer des Moduls: ca. 2 - 3 Stunden
Modul 4: Daten als
Geschäftsmodell
1 Erste Schritte auf der großen Datenreise
2
Smart Data Smart Region | www.smartdata.how
Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Der Autor
ist allein verantwortlich für diese Veröffentlichung (Mitteilung) und die Kommission übernimmt
keine Verantwortung für die Verwendung der darin enthaltenen Informationen.
– Fünf Säulen einer datengetriebenen
Strategie
Datengetriebenes Geschäft
– Wo kann Big Data Vorteile in
Ihrem Unternehmen schaffen?
– Schritte der Integration
3
– 6 wichtige datengesteuerte
Geschäftsmodelle
• Produkt-Innovatoren
• System-Innovatoren
• Datenanbieter
• Daten-Broker
• Wertschöpfungsketten-Integratoren
• Mitarbeiter im Liefernetzwerk
– Eine andere Perspektive: Datengestützte
Geschäftsmodell-Innovation
Entwurf von datengesteuerten
Geschäftsmodellen
EINSTIEG IN DIE
GROßE DATENREISE
1. Wo kann Big Data Vorteile in Ihrem
Unternehmen schaffen?
2. Schritte der Integration
Der Aufstieg von „Big Data“ ist eine spannende -
wenn auch teilweise beängstigende - Entwicklung
für Unternehmen. Zusammen mit den sich
ergänzenden technologischen Kräften von Social,
Mobile, Cloud und Unified Communications
bringen große Daten unzählige neue
Möglichkeiten, um mehr über Kunden und ihre
Wünsche und Bedürfnisse zu erfahren. Es bringt
auch das Potenzial für Störungen und
Neuausrichtung mit sich. Unternehmen, die
wirklich große Datenmengen verarbeiten, können
in dieser Zeit des Engagements neue
Möglichkeiten zur strategischen Differenzierung
schaffen. Diejenigen, die sich nicht vollständig
engagieren oder die die Möglichkeiten
missverstehen, können verlieren.
Smart Data Smart Region | www.smartdata.how
Zu verstehen, wo große Daten
einen Wettbewerbsvorteil bringen
können, ist eine wesentliche
Voraussetzung für die Realisierung
ihres Wertes. Für viele
Unternehmen haben die
Erkenntnisse aus “Big Data” bereits
zu profitablem, nachhaltigem
Wachstum in drei Bereichen
geführt:
KUNDENNÄHE
PRODUKTNEUHEIT
BEDIENUNGEN
Smart Data Smart Region | www.smartdata.how

Recomendados

Big data im Marketing
Big data im MarketingBig data im Marketing
Big data im MarketingPeter Gentsch
 
Analytics mit SAS - konkret und praxisnah
Analytics mit SAS - konkret und praxisnahAnalytics mit SAS - konkret und praxisnah
Analytics mit SAS - konkret und praxisnahAstrid Schmitt
 
Big Data in Vertrieb und Marketing für eine klare Kundensicht
Big Data in Vertrieb und Marketing für eine klare KundensichtBig Data in Vertrieb und Marketing für eine klare Kundensicht
Big Data in Vertrieb und Marketing für eine klare KundensichtMichael Gisiger
 
Digital Data Insights 2018
Digital Data Insights 2018Digital Data Insights 2018
Digital Data Insights 2018Jürgen Seitz
 
e-Commerce Magazin - Herausforderungen in der digitalen Transformation in der...
e-Commerce Magazin - Herausforderungen in der digitalen Transformation in der...e-Commerce Magazin - Herausforderungen in der digitalen Transformation in der...
e-Commerce Magazin - Herausforderungen in der digitalen Transformation in der...Roger Lay
 
BVDW Realtime Advertising Kompass
BVDW Realtime Advertising KompassBVDW Realtime Advertising Kompass
BVDW Realtime Advertising KompassSpree7 GmbH
 
Challenges of Managing a D2C Business
Challenges of Managing a D2C Business Challenges of Managing a D2C Business
Challenges of Managing a D2C Business Moritz Koch
 

Más contenido relacionado

Was ist angesagt?

Kompass realtime advertising 2014 / 2015
Kompass realtime advertising 2014 / 2015Kompass realtime advertising 2014 / 2015
Kompass realtime advertising 2014 / 2015Spree7 GmbH
 
eStrategy-Magazin - Ausgabe 03/2020
eStrategy-Magazin - Ausgabe 03/2020eStrategy-Magazin - Ausgabe 03/2020
eStrategy-Magazin - Ausgabe 03/2020TechDivision GmbH
 
Datentreiber - Wir treiben Ihr Unternehmen voran.
Datentreiber - Wir treiben Ihr Unternehmen voran.Datentreiber - Wir treiben Ihr Unternehmen voran.
Datentreiber - Wir treiben Ihr Unternehmen voran.Martin Szugat
 
Die Rolle des Einkaufs in der digitalen Transformation
Die Rolle des Einkaufs in der digitalen TransformationDie Rolle des Einkaufs in der digitalen Transformation
Die Rolle des Einkaufs in der digitalen TransformationSven Hellmann
 
Erfolgreich B2B Kunden gewinnen
Erfolgreich B2B Kunden gewinnenErfolgreich B2B Kunden gewinnen
Erfolgreich B2B Kunden gewinnenmarkenfaktur
 
AI Gamechanger for Marketing
AI Gamechanger for Marketing AI Gamechanger for Marketing
AI Gamechanger for Marketing Peter Gentsch
 
Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Michael Schmitt
 
Call Center Experts Fachartikel Aug2012
Call Center Experts Fachartikel Aug2012Call Center Experts Fachartikel Aug2012
Call Center Experts Fachartikel Aug2012Anja Bonelli
 
Tante Emma Reloaded 2019
Tante Emma Reloaded 2019Tante Emma Reloaded 2019
Tante Emma Reloaded 2019Peter Gentsch
 
Die digitale Revolution - Neue Geschäftsmodelle statt (nur) neue Kommunikation
Die digitale Revolution - Neue Geschäftsmodelle statt (nur) neue KommunikationDie digitale Revolution - Neue Geschäftsmodelle statt (nur) neue Kommunikation
Die digitale Revolution - Neue Geschäftsmodelle statt (nur) neue KommunikationBloom Partners GmbH
 
Online-Handel 2010 - Fakten, Trends und Prognosen
Online-Handel 2010 - Fakten, Trends und PrognosenOnline-Handel 2010 - Fakten, Trends und Prognosen
Online-Handel 2010 - Fakten, Trends und PrognosenTrusted Shops
 
Praxisleitfaden_Social_Commerce_2012
Praxisleitfaden_Social_Commerce_2012Praxisleitfaden_Social_Commerce_2012
Praxisleitfaden_Social_Commerce_2012Marcus Carpenter
 
Kundenkarten und Machine Learning @MediaMarktSaturn
Kundenkarten und Machine Learning @MediaMarktSaturnKundenkarten und Machine Learning @MediaMarktSaturn
Kundenkarten und Machine Learning @MediaMarktSaturnStefan Kirschnick
 
Microsoft das neue Arbeiten und Marketing Sales
Microsoft das neue Arbeiten und Marketing SalesMicrosoft das neue Arbeiten und Marketing Sales
Microsoft das neue Arbeiten und Marketing SalesMicrosoft Österreich
 
Quadient - Whitepaper für hervorragende Kundenerlebnisse (CX)
Quadient  - Whitepaper für hervorragende Kundenerlebnisse (CX)Quadient  - Whitepaper für hervorragende Kundenerlebnisse (CX)
Quadient - Whitepaper für hervorragende Kundenerlebnisse (CX)Sylke Will
 
Goldmedia Trendmonitor 2015
Goldmedia Trendmonitor 2015Goldmedia Trendmonitor 2015
Goldmedia Trendmonitor 2015Robert Koch
 
Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...
Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...
Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...Axel Oppermann
 

Was ist angesagt? (19)

Kompass realtime advertising 2014 / 2015
Kompass realtime advertising 2014 / 2015Kompass realtime advertising 2014 / 2015
Kompass realtime advertising 2014 / 2015
 
eStrategy-Magazin - Ausgabe 03/2020
eStrategy-Magazin - Ausgabe 03/2020eStrategy-Magazin - Ausgabe 03/2020
eStrategy-Magazin - Ausgabe 03/2020
 
Datentreiber - Wir treiben Ihr Unternehmen voran.
Datentreiber - Wir treiben Ihr Unternehmen voran.Datentreiber - Wir treiben Ihr Unternehmen voran.
Datentreiber - Wir treiben Ihr Unternehmen voran.
 
Die Rolle des Einkaufs in der digitalen Transformation
Die Rolle des Einkaufs in der digitalen TransformationDie Rolle des Einkaufs in der digitalen Transformation
Die Rolle des Einkaufs in der digitalen Transformation
 
Erfolgreich B2B Kunden gewinnen
Erfolgreich B2B Kunden gewinnenErfolgreich B2B Kunden gewinnen
Erfolgreich B2B Kunden gewinnen
 
AI Gamechanger for Marketing
AI Gamechanger for Marketing AI Gamechanger for Marketing
AI Gamechanger for Marketing
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
 
Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.
 
Digital Shopping. Konsumwelten der Zukunft
Digital Shopping. Konsumwelten der ZukunftDigital Shopping. Konsumwelten der Zukunft
Digital Shopping. Konsumwelten der Zukunft
 
Call Center Experts Fachartikel Aug2012
Call Center Experts Fachartikel Aug2012Call Center Experts Fachartikel Aug2012
Call Center Experts Fachartikel Aug2012
 
Tante Emma Reloaded 2019
Tante Emma Reloaded 2019Tante Emma Reloaded 2019
Tante Emma Reloaded 2019
 
Die digitale Revolution - Neue Geschäftsmodelle statt (nur) neue Kommunikation
Die digitale Revolution - Neue Geschäftsmodelle statt (nur) neue KommunikationDie digitale Revolution - Neue Geschäftsmodelle statt (nur) neue Kommunikation
Die digitale Revolution - Neue Geschäftsmodelle statt (nur) neue Kommunikation
 
Online-Handel 2010 - Fakten, Trends und Prognosen
Online-Handel 2010 - Fakten, Trends und PrognosenOnline-Handel 2010 - Fakten, Trends und Prognosen
Online-Handel 2010 - Fakten, Trends und Prognosen
 
Praxisleitfaden_Social_Commerce_2012
Praxisleitfaden_Social_Commerce_2012Praxisleitfaden_Social_Commerce_2012
Praxisleitfaden_Social_Commerce_2012
 
Kundenkarten und Machine Learning @MediaMarktSaturn
Kundenkarten und Machine Learning @MediaMarktSaturnKundenkarten und Machine Learning @MediaMarktSaturn
Kundenkarten und Machine Learning @MediaMarktSaturn
 
Microsoft das neue Arbeiten und Marketing Sales
Microsoft das neue Arbeiten und Marketing SalesMicrosoft das neue Arbeiten und Marketing Sales
Microsoft das neue Arbeiten und Marketing Sales
 
Quadient - Whitepaper für hervorragende Kundenerlebnisse (CX)
Quadient  - Whitepaper für hervorragende Kundenerlebnisse (CX)Quadient  - Whitepaper für hervorragende Kundenerlebnisse (CX)
Quadient - Whitepaper für hervorragende Kundenerlebnisse (CX)
 
Goldmedia Trendmonitor 2015
Goldmedia Trendmonitor 2015Goldmedia Trendmonitor 2015
Goldmedia Trendmonitor 2015
 
Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...
Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...
Denkhandwerker No.5 - (Digitales) Marketing: Schnittmenge aus Medien, Botscha...
 

Ähnlich wie DE - Module 4 - Data as a business model driver

DE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own dataDE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own datacaniceconsulting
 
Big data mc_05_2014_long
Big data mc_05_2014_longBig data mc_05_2014_long
Big data mc_05_2014_longAxel Poestges
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Peter Gentsch
 
Whitepaper Digital Business Transformation
Whitepaper Digital Business TransformationWhitepaper Digital Business Transformation
Whitepaper Digital Business TransformationTWT
 
Digitale Transformation in der Finanzbranche
Digitale Transformation in der FinanzbrancheDigitale Transformation in der Finanzbranche
Digitale Transformation in der FinanzbrancheTWT
 
Lieferantenintegration: Aktueller Stand und Entwicklungsmöglichkeiten
Lieferantenintegration: Aktueller Stand und EntwicklungsmöglichkeitenLieferantenintegration: Aktueller Stand und Entwicklungsmöglichkeiten
Lieferantenintegration: Aktueller Stand und EntwicklungsmöglichkeitenMittelstand 4.0-Agentur Kommunikation
 
DE - Module 6 - The future of Smart Data
DE - Module 6 - The future of Smart DataDE - Module 6 - The future of Smart Data
DE - Module 6 - The future of Smart Datacaniceconsulting
 
White Paper: Web-Strategie erfolgreich planen und umsetzen
White Paper: Web-Strategie erfolgreich planen und umsetzenWhite Paper: Web-Strategie erfolgreich planen und umsetzen
White Paper: Web-Strategie erfolgreich planen und umsetzenJustRelate
 
Big Data ganz einfach: So rollen Sie mit Erkenntnis den Markt auf
Big Data ganz einfach: So rollen Sie mit Erkenntnis den Markt aufBig Data ganz einfach: So rollen Sie mit Erkenntnis den Markt auf
Big Data ganz einfach: So rollen Sie mit Erkenntnis den Markt aufJan Schoenmakers
 
Mit system digital transformieren
Mit system digital transformierenMit system digital transformieren
Mit system digital transformierenPeter Gentsch
 
Vom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum DatentreiberVom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum DatentreiberDatentreiber
 
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014Tableau Software
 
Neue Geschäftsmodelle mit Künstlicher Intelligenz
Neue Geschäftsmodelle mit Künstlicher IntelligenzNeue Geschäftsmodelle mit Künstlicher Intelligenz
Neue Geschäftsmodelle mit Künstlicher IntelligenzBirgitObermeier
 
Apttus - Die von Kunden initiierte Revolution
Apttus - Die von Kunden initiierte RevolutionApttus - Die von Kunden initiierte Revolution
Apttus - Die von Kunden initiierte RevolutionSalesforce Deutschland
 
Apttus wp led revolution-webversion
Apttus wp led revolution-webversionApttus wp led revolution-webversion
Apttus wp led revolution-webversionMullrich1012
 
Asw whitepaper praxisleitfaden_digitale transformation
Asw whitepaper praxisleitfaden_digitale transformationAsw whitepaper praxisleitfaden_digitale transformation
Asw whitepaper praxisleitfaden_digitale transformationNina Kalmeyer M.A.
 
Keynote Cross Channel Marketing – Cross Channel Marketing Forum
Keynote Cross Channel Marketing – Cross Channel Marketing Forum Keynote Cross Channel Marketing – Cross Channel Marketing Forum
Keynote Cross Channel Marketing – Cross Channel Marketing Forum Nico Zorn
 
Social Media Daten effektiv nutzen
Social Media Daten effektiv nutzenSocial Media Daten effektiv nutzen
Social Media Daten effektiv nutzenRaimund Simons
 

Ähnlich wie DE - Module 4 - Data as a business model driver (20)

DE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own dataDE- Module 2 - Improving your business model using your own data
DE- Module 2 - Improving your business model using your own data
 
Big data mc_05_2014_long
Big data mc_05_2014_longBig data mc_05_2014_long
Big data mc_05_2014_long
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016
 
Whitepaper Digital Business Transformation
Whitepaper Digital Business TransformationWhitepaper Digital Business Transformation
Whitepaper Digital Business Transformation
 
Digitale Transformation in der Finanzbranche
Digitale Transformation in der FinanzbrancheDigitale Transformation in der Finanzbranche
Digitale Transformation in der Finanzbranche
 
Lieferantenintegration: Aktueller Stand und Entwicklungsmöglichkeiten
Lieferantenintegration: Aktueller Stand und EntwicklungsmöglichkeitenLieferantenintegration: Aktueller Stand und Entwicklungsmöglichkeiten
Lieferantenintegration: Aktueller Stand und Entwicklungsmöglichkeiten
 
DE - Module 6 - The future of Smart Data
DE - Module 6 - The future of Smart DataDE - Module 6 - The future of Smart Data
DE - Module 6 - The future of Smart Data
 
White Paper: Web-Strategie erfolgreich planen und umsetzen
White Paper: Web-Strategie erfolgreich planen und umsetzenWhite Paper: Web-Strategie erfolgreich planen und umsetzen
White Paper: Web-Strategie erfolgreich planen und umsetzen
 
Big Data ganz einfach: So rollen Sie mit Erkenntnis den Markt auf
Big Data ganz einfach: So rollen Sie mit Erkenntnis den Markt aufBig Data ganz einfach: So rollen Sie mit Erkenntnis den Markt auf
Big Data ganz einfach: So rollen Sie mit Erkenntnis den Markt auf
 
Mit system digital transformieren
Mit system digital transformierenMit system digital transformieren
Mit system digital transformieren
 
Vom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum DatentreiberVom datengetriebenen Unternehmen zum Datentreiber
Vom datengetriebenen Unternehmen zum Datentreiber
 
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014
 
Neue Geschäftsmodelle mit Künstlicher Intelligenz
Neue Geschäftsmodelle mit Künstlicher IntelligenzNeue Geschäftsmodelle mit Künstlicher Intelligenz
Neue Geschäftsmodelle mit Künstlicher Intelligenz
 
Apttus - Die von Kunden initiierte Revolution
Apttus - Die von Kunden initiierte RevolutionApttus - Die von Kunden initiierte Revolution
Apttus - Die von Kunden initiierte Revolution
 
Apttus wp led revolution-webversion
Apttus wp led revolution-webversionApttus wp led revolution-webversion
Apttus wp led revolution-webversion
 
Asw whitepaper praxisleitfaden_digitale transformation
Asw whitepaper praxisleitfaden_digitale transformationAsw whitepaper praxisleitfaden_digitale transformation
Asw whitepaper praxisleitfaden_digitale transformation
 
Think-Tank-Report: Schweizer KMU – Digitalisierung und IT
Think-Tank-Report: Schweizer KMU – Digitalisierung und ITThink-Tank-Report: Schweizer KMU – Digitalisierung und IT
Think-Tank-Report: Schweizer KMU – Digitalisierung und IT
 
Keynote Cross Channel Marketing – Cross Channel Marketing Forum
Keynote Cross Channel Marketing – Cross Channel Marketing Forum Keynote Cross Channel Marketing – Cross Channel Marketing Forum
Keynote Cross Channel Marketing – Cross Channel Marketing Forum
 
Social Media Daten effektiv nutzen
Social Media Daten effektiv nutzenSocial Media Daten effektiv nutzen
Social Media Daten effektiv nutzen
 
Big Data und Business Intelligence
Big Data und Business IntelligenceBig Data und Business Intelligence
Big Data und Business Intelligence
 

Mehr von caniceconsulting

PROSPER - Module 4 Unit 3 (v2).pptx
PROSPER - Module 4 Unit 3 (v2).pptxPROSPER - Module 4 Unit 3 (v2).pptx
PROSPER - Module 4 Unit 3 (v2).pptxcaniceconsulting
 
PROSPER - Module 4 Unit 2(v2).pptx
PROSPER - Module 4 Unit 2(v2).pptxPROSPER - Module 4 Unit 2(v2).pptx
PROSPER - Module 4 Unit 2(v2).pptxcaniceconsulting
 
PROSPER - Module 4 Unit 1(v2).pptx
PROSPER - Module 4 Unit 1(v2).pptxPROSPER - Module 4 Unit 1(v2).pptx
PROSPER - Module 4 Unit 1(v2).pptxcaniceconsulting
 
PROSPER - Module 2 - Unit 3.pptx
PROSPER - Module 2 - Unit 3.pptxPROSPER - Module 2 - Unit 3.pptx
PROSPER - Module 2 - Unit 3.pptxcaniceconsulting
 
PROSPER - Module 2 - Unit 2_IT.pptx
PROSPER - Module 2 - Unit 2_IT.pptxPROSPER - Module 2 - Unit 2_IT.pptx
PROSPER - Module 2 - Unit 2_IT.pptxcaniceconsulting
 
PROSPER - Module 2 - Unit 1_IT.pptx
PROSPER - Module 2 - Unit 1_IT.pptxPROSPER - Module 2 - Unit 1_IT.pptx
PROSPER - Module 2 - Unit 1_IT.pptxcaniceconsulting
 
PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...
PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...
PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...caniceconsulting
 
PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...
PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...
PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...caniceconsulting
 
PROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptx
PROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptxPROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptx
PROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptxcaniceconsulting
 
PROSPER - Module 3 - Unit 1_IT.pptx
PROSPER - Module 3 - Unit 1_IT.pptxPROSPER - Module 3 - Unit 1_IT.pptx
PROSPER - Module 3 - Unit 1_IT.pptxcaniceconsulting
 
PROSPER - Module 2 - Unit 4.pptx
PROSPER - Module 2 - Unit 4.pptxPROSPER - Module 2 - Unit 4.pptx
PROSPER - Module 2 - Unit 4.pptxcaniceconsulting
 
PROSPER - Modulo 1 - Unità 5_IT.pptx
PROSPER - Modulo 1 - Unità 5_IT.pptxPROSPER - Modulo 1 - Unità 5_IT.pptx
PROSPER - Modulo 1 - Unità 5_IT.pptxcaniceconsulting
 
PROSPER - Modulo 1 - Unità 4_IT.pptx
PROSPER - Modulo 1 - Unità 4_IT.pptxPROSPER - Modulo 1 - Unità 4_IT.pptx
PROSPER - Modulo 1 - Unità 4_IT.pptxcaniceconsulting
 
PROSPER - Modulo 1 - Unità 3_IT.pptx
PROSPER - Modulo 1 - Unità 3_IT.pptxPROSPER - Modulo 1 - Unità 3_IT.pptx
PROSPER - Modulo 1 - Unità 3_IT.pptxcaniceconsulting
 
PROSPER - Modulo 1 - Unit 2_IT.pptx
PROSPER - Modulo 1 - Unit 2_IT.pptxPROSPER - Modulo 1 - Unit 2_IT.pptx
PROSPER - Modulo 1 - Unit 2_IT.pptxcaniceconsulting
 
PROSPER - Modulo 1 - Unità 1_IT.pptx
PROSPER - Modulo 1 - Unità 1_IT.pptxPROSPER - Modulo 1 - Unità 1_IT.pptx
PROSPER - Modulo 1 - Unità 1_IT.pptxcaniceconsulting
 
BG PROSPER - Module 4 - Unit 3.pptx
BG PROSPER - Module 4 - Unit 3.pptxBG PROSPER - Module 4 - Unit 3.pptx
BG PROSPER - Module 4 - Unit 3.pptxcaniceconsulting
 
BG PROSPER - Module 4 - Unit 1.pptx
BG PROSPER - Module 4 - Unit 1.pptxBG PROSPER - Module 4 - Unit 1.pptx
BG PROSPER - Module 4 - Unit 1.pptxcaniceconsulting
 
BG PROSPER - Module 3 - Unit 4 bg.pptx
BG PROSPER - Module 3 - Unit 4 bg.pptxBG PROSPER - Module 3 - Unit 4 bg.pptx
BG PROSPER - Module 3 - Unit 4 bg.pptxcaniceconsulting
 
BG PROSPER - Module 3 - Unit 3.pptx
BG PROSPER - Module 3 - Unit 3.pptxBG PROSPER - Module 3 - Unit 3.pptx
BG PROSPER - Module 3 - Unit 3.pptxcaniceconsulting
 

Mehr von caniceconsulting (20)

PROSPER - Module 4 Unit 3 (v2).pptx
PROSPER - Module 4 Unit 3 (v2).pptxPROSPER - Module 4 Unit 3 (v2).pptx
PROSPER - Module 4 Unit 3 (v2).pptx
 
PROSPER - Module 4 Unit 2(v2).pptx
PROSPER - Module 4 Unit 2(v2).pptxPROSPER - Module 4 Unit 2(v2).pptx
PROSPER - Module 4 Unit 2(v2).pptx
 
PROSPER - Module 4 Unit 1(v2).pptx
PROSPER - Module 4 Unit 1(v2).pptxPROSPER - Module 4 Unit 1(v2).pptx
PROSPER - Module 4 Unit 1(v2).pptx
 
PROSPER - Module 2 - Unit 3.pptx
PROSPER - Module 2 - Unit 3.pptxPROSPER - Module 2 - Unit 3.pptx
PROSPER - Module 2 - Unit 3.pptx
 
PROSPER - Module 2 - Unit 2_IT.pptx
PROSPER - Module 2 - Unit 2_IT.pptxPROSPER - Module 2 - Unit 2_IT.pptx
PROSPER - Module 2 - Unit 2_IT.pptx
 
PROSPER - Module 2 - Unit 1_IT.pptx
PROSPER - Module 2 - Unit 1_IT.pptxPROSPER - Module 2 - Unit 1_IT.pptx
PROSPER - Module 2 - Unit 1_IT.pptx
 
PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...
PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...
PROSPER - Module 3 - Unit 4 - Approcci creativi per una migliore inclusività ...
 
PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...
PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...
PROSPER - Module 3 - Unit 3 - Sviluppare senso di appartenenza nel mondo ibri...
 
PROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptx
PROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptxPROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptx
PROSPER - Module 3 - Unit 2 Misurare l_appartenenza digitale_IT.pptx
 
PROSPER - Module 3 - Unit 1_IT.pptx
PROSPER - Module 3 - Unit 1_IT.pptxPROSPER - Module 3 - Unit 1_IT.pptx
PROSPER - Module 3 - Unit 1_IT.pptx
 
PROSPER - Module 2 - Unit 4.pptx
PROSPER - Module 2 - Unit 4.pptxPROSPER - Module 2 - Unit 4.pptx
PROSPER - Module 2 - Unit 4.pptx
 
PROSPER - Modulo 1 - Unità 5_IT.pptx
PROSPER - Modulo 1 - Unità 5_IT.pptxPROSPER - Modulo 1 - Unità 5_IT.pptx
PROSPER - Modulo 1 - Unità 5_IT.pptx
 
PROSPER - Modulo 1 - Unità 4_IT.pptx
PROSPER - Modulo 1 - Unità 4_IT.pptxPROSPER - Modulo 1 - Unità 4_IT.pptx
PROSPER - Modulo 1 - Unità 4_IT.pptx
 
PROSPER - Modulo 1 - Unità 3_IT.pptx
PROSPER - Modulo 1 - Unità 3_IT.pptxPROSPER - Modulo 1 - Unità 3_IT.pptx
PROSPER - Modulo 1 - Unità 3_IT.pptx
 
PROSPER - Modulo 1 - Unit 2_IT.pptx
PROSPER - Modulo 1 - Unit 2_IT.pptxPROSPER - Modulo 1 - Unit 2_IT.pptx
PROSPER - Modulo 1 - Unit 2_IT.pptx
 
PROSPER - Modulo 1 - Unità 1_IT.pptx
PROSPER - Modulo 1 - Unità 1_IT.pptxPROSPER - Modulo 1 - Unità 1_IT.pptx
PROSPER - Modulo 1 - Unità 1_IT.pptx
 
BG PROSPER - Module 4 - Unit 3.pptx
BG PROSPER - Module 4 - Unit 3.pptxBG PROSPER - Module 4 - Unit 3.pptx
BG PROSPER - Module 4 - Unit 3.pptx
 
BG PROSPER - Module 4 - Unit 1.pptx
BG PROSPER - Module 4 - Unit 1.pptxBG PROSPER - Module 4 - Unit 1.pptx
BG PROSPER - Module 4 - Unit 1.pptx
 
BG PROSPER - Module 3 - Unit 4 bg.pptx
BG PROSPER - Module 3 - Unit 4 bg.pptxBG PROSPER - Module 3 - Unit 4 bg.pptx
BG PROSPER - Module 3 - Unit 4 bg.pptx
 
BG PROSPER - Module 3 - Unit 3.pptx
BG PROSPER - Module 3 - Unit 3.pptxBG PROSPER - Module 3 - Unit 3.pptx
BG PROSPER - Module 3 - Unit 3.pptx
 

DE - Module 4 - Data as a business model driver

  • 1. D: DRIVE Wie arbeitet man datengesteuert? Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Modul 4: Daten als Geschäftsmodell
  • 2. Smart Data Smart Region | www.smartdata.how Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Der Autor ist allein verantwortlich für diese Veröffentlichung (Mitteilung) und die Kommission übernimmt keine Verantwortung für die Verwendung der darin enthaltenen Informationen. Das Ziel dieses Moduls ist es, zu erfahren, welche Möglichkeiten in der Welt des Datengeschäfts bestehen und wie traditionelle Geschäftsmodelle mit dieser neuen Datenmöglichkeit aktualisiert werden. Nach Abschluss dieses Moduls werden Sie: - Erfahren Sie, wie Sie die Möglichkeiten erkennen, wo große Datenmengen Ihrem Unternehmen zugute kommen können. - die richtigen Fragen zu Ihrem Unternehmen beantworten können und gehen dann die Schritte der Integration der Lösungen in Ihr Unternehmen zu gehen. - Die Säulen einer datengesteuerten Geschäftsstrategie zu verstehen - Erfahren Sie mehr über 6 verschiedene Daten- Geschäftsmodelle Dauer des Moduls: ca. 2 - 3 Stunden Modul 4: Daten als Geschäftsmodell
  • 3. 1 Erste Schritte auf der großen Datenreise 2 Smart Data Smart Region | www.smartdata.how Dieses Programm wurde mit Unterstützung der Europäischen Kommission finanziert. Der Autor ist allein verantwortlich für diese Veröffentlichung (Mitteilung) und die Kommission übernimmt keine Verantwortung für die Verwendung der darin enthaltenen Informationen. – Fünf Säulen einer datengetriebenen Strategie Datengetriebenes Geschäft – Wo kann Big Data Vorteile in Ihrem Unternehmen schaffen? – Schritte der Integration 3 – 6 wichtige datengesteuerte Geschäftsmodelle • Produkt-Innovatoren • System-Innovatoren • Datenanbieter • Daten-Broker • Wertschöpfungsketten-Integratoren • Mitarbeiter im Liefernetzwerk – Eine andere Perspektive: Datengestützte Geschäftsmodell-Innovation Entwurf von datengesteuerten Geschäftsmodellen
  • 4. EINSTIEG IN DIE GROßE DATENREISE 1. Wo kann Big Data Vorteile in Ihrem Unternehmen schaffen? 2. Schritte der Integration
  • 5. Der Aufstieg von „Big Data“ ist eine spannende - wenn auch teilweise beängstigende - Entwicklung für Unternehmen. Zusammen mit den sich ergänzenden technologischen Kräften von Social, Mobile, Cloud und Unified Communications bringen große Daten unzählige neue Möglichkeiten, um mehr über Kunden und ihre Wünsche und Bedürfnisse zu erfahren. Es bringt auch das Potenzial für Störungen und Neuausrichtung mit sich. Unternehmen, die wirklich große Datenmengen verarbeiten, können in dieser Zeit des Engagements neue Möglichkeiten zur strategischen Differenzierung schaffen. Diejenigen, die sich nicht vollständig engagieren oder die die Möglichkeiten missverstehen, können verlieren. Smart Data Smart Region | www.smartdata.how
  • 6. Zu verstehen, wo große Daten einen Wettbewerbsvorteil bringen können, ist eine wesentliche Voraussetzung für die Realisierung ihres Wertes. Für viele Unternehmen haben die Erkenntnisse aus “Big Data” bereits zu profitablem, nachhaltigem Wachstum in drei Bereichen geführt: KUNDENNÄHE PRODUKTNEUHEIT BEDIENUNGEN Smart Data Smart Region | www.smartdata.how
  • 7. Smart Data Smart Region | www.smartdata.how KUNDE INTIMIERUNG “Big Data” stellt den Kunden in den Mittelpunkt der Unternehmensstrategie. Unternehmen werden mit Kundendaten aus interaktiven Websites, Online- Communities sowie Datenbanken von Behörden und Drittanbietern überschwemmt. Informationen auf Social-Media-Plattformen wie Facebook sind besonders aufschlussreich, denn die Nutzer teilen täglich fast 30 Milliarden Inhalte. Gleichzeitig ist es nun möglich, Social-Media-Feeds mit unterschiedlichen Quellen wie Wetterdaten, kulturellen Ereignissen und internen Daten wie Kundenkontaktinformationen zusammenzuführen. Darüber hinaus ermöglichen fortschrittliche Analysewerkzeuge eine schnellere, effektivere und kostengünstigere Verarbeitung und schaffen das Potenzial zur schnellen Entwicklung neuer Erkenntnisse. 1
  • 8. Smart Data Smart Region | www.smartdata.how PRODUKTNEUHEIT Crowdsourcing und andere soziale Produktinnovationstechniken werden durch “Big Data” ermöglicht. Es ist jetzt möglich, Hunderte von Millionen von Tweets, eine Kakophonie unstrukturierter Daten, in Einblicke in Produkte und Dienstleistungen umzuwandeln, die beim Verbraucher ankommen. Im Mittelpunkt dieser Arbeit steht die Fähigkeit, mit Hilfe einer ausgefeilten maschinenbasierten Computerlinguistik eine zeitliche Stimmungsanalyse des Produktportfolios eines Unternehmens und seiner Kunden durchzuführen. Der daraus resultierende Output informiert über Produktmarketing- und Produktinnovationsstrategien. Daten und die dazugehörige Analyse werden ebenfalls zu einem eigenständigen Produkt. Technologie- und Analysefirmen haben sich herausgebildet, um reichhaltige Erkenntnisse aus Daten zu gewinnen - zum Beispiel bei der Zusammenstellung und Analyse von Transaktionsdaten zwischen Einzelhändlern und ihren Lieferanten. Einzelhändler, die diese Daten und vor allem die Analysen besitzen, können diese nutzen, um den Betrieb zu verbessern, den Kunden zusätzliche Dienstleistungen anzubieten und sogar Drittunternehmen zu ersetzen, die diese Dienstleistungen bereitstellen, wodurch völlig neue Einnahmequellen entstehen. Stellen Sie sich schließlich vor, dass die potenziell großen Daten zu laufenden Experimenten führen, indem Sie ein Geschäftsproblem oder eine Hypothese aufnehmen und mit “Big Data” arbeiten, um zu modellieren, zu integrieren, zu analysieren und zu bestimmen, was funktioniert und was nicht, den Prozess zu verfeinern und zu wiederholen. 2
  • 9. Intelligente Daten Intelligente Region | www.smartdata.how BEDIENUNGEN Daten aus Lieferketten bieten eine Vielzahl von informationsreichen Interaktionen, einschließlich physischer Produktbewegungen, die durch Radiofrequenz- Identifikation (RFID) und Mikrosensoren erfasst werden. Der Anwendungsbereich erstreckt sich über Lieferanten, Produktionsstätten, Kunden und Servicepartner und führt zu reduzierten Beständen, verbesserter Produktivität und niedrigeren Kosten. Solche Möglichkeiten sind denen vorbehalten, die verstehen, dass Daten ein Vermögenswert sind, der es zu nutzen gilt. Kundeninformationen in einem Lagerbereich stagnieren zu lassen, ist eine verpasste Gelegenheit. Und der Wert aller Daten ist nicht so sehr die erfasste Information, sondern wie die Information aus der Sicht des Kunden betrachtet wird. Das bedeutet, nicht nur die Auswirkungen auf den Gewinn zu berücksichtigen, sondern auch, wie sich veränderte Kundenpräferenzen auf den Markt auswirken. Wenn man beispielsweise die Wirkung einer Produktwerbung betrachtet, kann die Erhebung von Daten über die Werbeaktionen der Wettbewerber, insbesondere über Ersatzprodukte, aufzeigen, wie sich die Kundenpräferenzen entwickelt haben. 3
  • 10. Die Transformation von analytischen Fähigkeiten und großen Datenplattformen beginnt mit einem durchdachten, dreigliedrigen Ansatz. INTEGRATIONSSTUFEN Identifizieren Sie, wo große Daten ein Spielwechsler sein können. •Welche geschäftlichen und funktionalen Schlüsselkompetenzen sind erforderlich? •Welche IT-Fähigkeiten werden benötigt, um das Unternehmen zu unterstützen und auszubauen? •Wo sind die wichtigsten Kapazitäten zur Unterstützung des Unternehmens? Erstellung von Zukunftsszenarien für die Zustandsfähigkeit •Was sind die Optionen für zukünftige Geschäftsmöglichkeiten und Technologien? •Wie sehen die Optionen im Vergleich zu den Möglichkeiten, den Kosten, dem Risiko und der Flexibilität aus? •Welche funktionalen, analytischen und technologischen Entscheidungen sind erforderlich, um diese Fähigkeiten zu unterstützen? Leistungen und Fahrplan definieren •Wie hoch ist die Amortisationszeit der Investitionen? •Wie sieht der Umsetzungsfahrplan aus? •Was sind die wichtigsten Meilensteine? •Welche Fähigkeiten werden benötigt? Wo sind die Talentlücken? •Was sind die Risiken? •Wie sieht die Strategie für das Engagement von Drittanbietern aus? Intelligente Daten Intelligente Region | www.smartdata.how Schritte zur Integration von Big Data in das eigene Unternehmen in Übung 2 Workbook #4
  • 11. Ein traditionelles Einzelhandelsunternehmen hatte seit Jahren keine positiven Umsätze im gleichen Geschäft mehr verzeichnet, und der Markt wurde immer wettbewerbsfähiger. Ein Mitglied der Geschäftsleitung beschwerte sich, dass "Online-Händler unser Mittagessen essen". Schlechte wirtschaftliche Rahmenbedingungen, sich änderndes Konsumverhalten, neue Wettbewerber, mehr Kanäle und mehr Daten wirkten sich aus. Es gab einen starken Drang, aggressiv in den E-Commerce und die Online-Kanäle vorzudringen. Der Einzelhändler hatte Millionen von Dollar für einmalige Projekte ausgegeben, um die Probleme zu beheben, aber nichts funktionierte. Mehrere Faktoren haben das Unternehmen dazu veranlasst, im Bereich der Analytik zu konkurrieren, von den Investitionen der Wettbewerber und einem starken Anstieg der strukturierten und unstrukturierten Daten zu einem Bedarf an aufschlussreicheren Daten. Wie hat ein großer Kartonhändler diese Schritte genutzt? Smart Data Smart Region | www.smartdata.how
  • 12. Identifizieren Sie, wo große Daten ein Spielwechsler sein können. Intelligente Daten Intelligente Region | www.smartdata.how Für den Kartonhändler waren neue Fähigkeiten erforderlich, wenn das Unternehmen die Chance haben sollte, sich aus seiner derzeitigen Misere zurückzuziehen und einen Wettbewerbsvorteil zu erlangen, der trotz der Auswirkungen der sich ständig verändernden, volatilen Märkte und des verschärften Wettbewerbs anhalten würde. Das Team engagierte alle Bereiche des Unternehmens, vom Merchandising über die Prognose und den Einkauf bis hin zum Vertrieb und Transport, um zu verstehen, wo Analytik die Ergebnisse verbessern könnte. Der Schwerpunkt lag auf der prädiktiven Analyse und nicht auf dem reaktiven Datenzugriff. Anstatt also zu beantworten, warum der Absatz von Lieferpizza rückläufig ist, konzentrierte sich der Einzelhändler auf die Vorhersage von Umsatzrückgängen und Volumenverschiebungen in der Kategorie Lieferpizza im Laufe der Zeit und über geografische Regionen hinweg. In einem anderen Beispiel wollte das Unternehmen von der Reaktion auf Sicherheitsprobleme zu deren Vorhersage übergehen. Der Einzelhändler wollte mit Hilfe von Social Media-Daten auf Probleme "hören", was das Unternehmen nicht nur kundenorientierter machen würde, sondern auch einen Schutz vor zukünftigen Krisen bieten würde. Geplant war der Aufbau einer Wirtschaftsinformationsorganisation mit vier Zielen: 1. Bereitstellung von Informationen, die auf die spezifischen Anforderungen im gesamten Unternehmen zugeschnitten sind. 2. Bauen Sie die Fähigkeiten auf, die Sie brauchen, um dem Wettbewerb heute und morgen gerecht zu werden. 3. Schaffung einer unternehmensweiten kollaborativen Analyseplattform. 4. Verschaffen Sie sich einen konsistenten Überblick darüber, was über alle Kanäle und Regionen hinweg verkauft wird.
  • 13. Erstellung von Zukunftsszenarien für die Zustandsfähigkeit Smart Data Smart Region | www.smartdata.how Der Einzelhändler war bestrebt, Szenarien für die Zukunftsfähigkeit zu entwickeln, die im Hinblick auf Gesamtkosten, Risiken und Flexibilität bewertet und im Rahmen der Unternehmenskultur festgelegt wurden. Ist das Unternehmen zum Beispiel datengetrieben, oder ist das Unternehmen mit hypothesenbasiertem Denken und Experimentieren zufrieden? Beides ist die Essenz von “Big Data” . Er hat auch Zielkonflikte für jedes Szenario ermittelt, einschließlich eines Vergleichs der Fähigkeiten, der Migrationsprioritäten und der Zeitschätzungen. Was ist zum Beispiel am effektivsten: eine globale Datentopologie in der Zentrale oder eine lokal-regional-globale Kombination? Was sind die Kompromisse bei der Verwendung von Hadoop im Vergleich zu Cassandra? Diese wurden im Zusammenhang mit entscheidenden Chancen bewertet, wie der Nutzung von Spitzentechnologien und der Bereitstellung einer Kollaborationsplattform, der Integration fortschrittlicher Analytik in bestehende und zukünftige Architekturen und dem Aufbau einer skalierbaren Plattform für mehrere Analysetypen. Diese Technologie würde fünf Schlüsselfähigkeiten ermöglichen und als Basis für zukünftige Vorteile dienen: – Prognostizieren Sie das Kaufverhalten Ihrer Kunden. – Entwicklung maßgeschneiderter Preise, Flächen und Sortimente in den Filialen. – Identifizieren und nutzen Sie Elastizitäten, Affinitäten und Neigungen, die bei der Preisgestaltung verwendet werden. – Optimieren Sie die globale Beschaffung von mehreren Standorten und Geschäftseinheiten aus. – Entwickeln Sie Modelle, um Wege zur Reduzierung des Energieverbrauchs und der Kohlendioxidemissionen aufzuzeigen.
  • 14. Leistungen und Roadmap definieren Intelligente Daten Intelligente Region | www.smartdata.how Bewaffnet mit diesen Fähigkeiten drehten sich die nächsten Fragen um Ressourcen. War es finanziell sinnvoll, interne Ressourcen einzusetzen? Oder wäre es kostengünstiger, wenn externe Ressourcen die große Datenanalyse zumindest anfänglich bereitstellen würden? Natürlich hängt die Entscheidung von den Fähigkeiten des Unternehmens ab. Der Technologiebedarf wurde aus zwei Perspektiven geplant: Daten und Architektur. Ein Datenplan wurde von der Erfassung über die Speicherung bis hin zur Präsentation in einer Self-Service- Umgebung für strukturierte und unstrukturierte Daten erstellt. Die Systemarchitektur, die eine Hadoop-basierte Integration beinhalten kann, wurde vor dem Hintergrund der bestehenden IT-Architektur geplant, die stark auf relationale Data Warehouses mit Teradata- und Oracle-Plattformen angewiesen war. Eine Roadmap skizzierte einen Multi-Millionen-Dollar-Investitionsplan, der sich in weniger als fünf Jahren positiv auszahlen würde. Das Unternehmen ist nun in der Lage, vier wesentliche Vorteile seiner großen Datenstrategie zu realisieren: – Liefern Sie konsistente Informationen schneller und mit weniger Aufwand. – Fassen Sie Informationen zusammen und verteilen Sie sie effektiver im gesamten Unternehmen, um die Leistung und die Möglichkeiten zur Nutzung der globalen Organisation besser zu verstehen. – Entwickeln Sie wiederholbare BI und Analysen, anstatt dass jede Gruppe das Rad neu erfindet, um ähnliche Fragen zu beantworten. – Generieren Sie wertschöpfende Erkenntnisse, die noch nicht durch fortgeschrittene Analysen entdeckt wurden.
  • 15. DATENGETRIEBENES GESCHÄFT 1. Fünf Säulen einer datengetriebenen Strategie
  • 16. Unternehmen benötigen keine Big Data Strategie, sondern eine Geschäftsstrategie, die Big Data beinhaltet. Bill Schmarzo
  • 17. Daten sind schnell zu einem der wichtigsten Aspekte geworden, um einen Wettbewerbsvorteil im Unternehmen zu erzielen. Ein Unternehmen zu schaffen, in dem Daten genutzt werden, um echten Mehrwert zu schaffen, ist das ultimative Ziel. Eine datengetriebene Strategie ist eine Strategie, bei der Daten eine Grundvoraussetzung für das Geschäft sind, ein Wertgenerator und nicht eine Kostenposition in der Bilanz. Es gibt fünf Säulen eines datengetriebenen Unternehmens, die als Rahmen für die Schaffung von echtem Mehrwert aus Geschäftsdaten dienen. Smart Data Smart Region | www.smartdata.how
  • 18. Smart Data Smart Region | www.smartdata.how Formulieren Sie eine Datenstrategie, die den strategischen Imperativen des Unternehmens dient. SÄULE 1 Die Zukunftsvision für ein Unternehmen sollte im Vordergrund stehen, wenn es darum geht zu definieren, wie Daten zur Wertschöpfung genutzt werden. Eine klar definierte Datenstrategie muss mit der Geschäftsstrategie beginnen. Die Verknüpfung einer Datenstrategie mit den wichtigsten Unternehmensinitiativen ermöglicht es dem Unternehmen, seine fortschrittlichen Analysebemühungen und Technologieentscheidungen auf die Bereiche zu konzentrieren, die für das Unternehmen den größten Nutzen bringen. Eine Datenstrategie ermöglicht datengetriebene Entscheidungen mit Hilfe von Technologien und Anwendungen, die einem Unternehmen helfen, seine strategischen Ziele zu erreichen. Die Datenstrategie muss vom Unternehmen und nicht von der Technologie gesteuert werden, die das Unternehmen bedient. Konzentrieren Sie sich zuerst auf das, was Ihr Unternehmen antreibt, und definieren Sie dann die taktischen Elemente der Datenstrategie. Die Datenstrategie muss klar formuliert und den Mitarbeitern auf allen Ebenen des Unternehmens kommuniziert werden, damit Ihr Unternehmen als Ganzes die Bedeutung Ihrer Daten für die Wertschöpfung verstehen kann. Die Datenstrategie sollte auf messbaren Ergebnissen und Meilensteinen basieren. Klare Schritte mit Zeitrahmen, um vom Ist-Zustand zu den gewünschten Ergebnissen zu gelangen, werden im gesamten Unternehmen ausgelegt und kommuniziert. Wenn Sie keinen klaren Weg zur Ausführung der Strategie definieren können, dann haben Sie nicht den richtigen.
  • 19. Smart Data Smart Region | www.smartdata.how Förderung, Schulung und Durchsetzung einer Kultur der "Datengetriebenheit" SÄULE 2 Die erfolgreichsten Unternehmen schaffen eine Datenkultur, in der Daten die Entscheidungsfindung bestimmen. Sie schaffen eine auf Daten und Analysen basierende Mess- und Abgleichkultur. Die Kultur ist darauf ausgerichtet, die gesamte Organisation dazu zu erziehen, den Wert zu schätzen, der durch Daten generiert werden kann. Unternehmen lehren ihre Mitarbeiter, die richtigen Fragen zu stellen, um zu verstehen, wie sich die Daten auf bestimmte Aufgaben und Ziele beziehen. Ein gemeinsames Verständnis von Daten und ihrem Wert hilft, Konsens und Konsistenz zu schaffen und verhindert, dass analytische Ergebnisse vom Unternehmen skeptisch betrachtet werden. Die Kultur der Entscheidungsfindung basiert auf fortschrittlicher Analytik. Unternehmen sollten einen kontinuierlichen Zyklus zur Bewertung der Auswirkungen und Veränderungen auf der Grundlage der Daten und Ergebnisse schaffen. Die Kultur der Vorhersage von Ergebnissen und Ergebnissen durch prädiktive Analytik wird zur Norm. Die kontinuierliche Verbesserung beinhaltet die Rückführung von Vorhersagefehlern in Vorhersagemodelle zur kontinuierlichen Verfeinerung. Die Kultur wird zu einer Denkweise, die aus kontinuierlichem Testen, kontinuierlicher Verbesserung, Abwägen und Priorisieren von Entscheidungen, dem Austausch von Daten mit anderen in der Organisation und dem Einsatz von Analysen zur Information und Beeinflussung anderer besteht.
  • 20. Intelligente Daten Intelligente Region | www.smartdata.how Den Realitäten des Human- und Technik- Kapitalbedarfs Rechnung tragen. SÄULE 3 Eine ehrliche Anerkennung der Fähigkeiten eines Unternehmens, echten Wert aus Daten zu generieren, ist unerlässlich, um ein datengetriebenes Unternehmen zu werden. Ein Unternehmen muss Stärken nutzen, Fähigkeiten anpassen und Lücken schließen. Dazu gehören sowohl das Humankapital (Fähigkeiten und Know-how) als auch das technische Kapital (Technologie, Systeme und Infrastruktur). Humankapital-Fähigkeiten Die Sicherstellung des richtigen Humankapitals ist von größter Bedeutung. Es macht wenig Sinn, Geld für teure Systeme auszugeben, ohne das Talent zu haben, aus diesen Systemen einen wesentlichen Wert abzuleiten. • Während Unternehmen oft die Notwendigkeit erkennen, mehr Fachwissen einzubringen, kämpfen sie damit, die Fähigkeiten zu identifizieren, die bei der Einstellung und Ausbildung am wichtigsten sind. Ein Unternehmen sollte die Anforderungen an die Fähigkeiten auf der Datenstrategie-Roadmap aufbauen und die für die Ausführung kritischen Fähigkeiten ermitteln. • Ein Hauptziel für das Unternehmen sollte es sein, eine breite Bank von analytischen Fachleuten in der gesamten Organisation aufzubauen. Profis sollten nicht nur wissen, wie man Analysen durchführt und die ihnen zur Verfügung stehenden Analysewerkzeuge einsetzt, sondern auch in der Lage sein, kritisch über geschäftliche Themen nachzudenken und Werkzeuge und Methoden auf anspruchsvolle und manchmal abstrakte Fragen anzuwenden. • Menschliche Fähigkeiten und Fertigkeiten müssen durch kontinuierliche Aus- und Weiterbildung unterstützt werden. Technische Möglichkeiten Neue Technologielösungen können erforderlich sein, um die derzeitigen IT- und Kommunikationsmöglichkeiten zu verbessern. Unternehmen sollten offen für Investitionen sein, wenn festgestellt wird, dass neue Technologien auf die Datenstrategie abgestimmt sind und Wert schaffen. • Unternehmen sollten die Implementierung anspruchsvoller IT-Systeme vermeiden, bis das Unternehmen bereit ist, die von den Systemen bereitgestellten Funktionen zu nutzen. Dazu gehören die erforderliche Datenstrategie, analytisches Talent, institutioneller Wille und Datenbeschaffung, damit das Unternehmen den Wert, den die Technologie bieten kann, erkennen kann. • Nicht nur die Back-End-Infrastruktur, sondern auch Datenreporting-, Kommunikations- und Visualisierungstools sollten berücksichtigt werden. Effektive Reporting-Tools sollten die Datenerfassung rationalisieren und gleichzeitig die Abfragefunktionalität vereinfachen, so dass die Mitarbeiter leichter auf bestimmte Daten zugreifen und darauf zugreifen können. • Die Eliminierung von Datensilos und die Zentralisierung von Daten sollte in Betracht gezogen werden. Daten werden immer leistungsfähiger, da sie mit anderen Daten zusammengeführt werden, was die Türen zu den heutigen fortschrittlichen Analysemethoden öffnet.
  • 21. Intelligente Daten Intelligente Region | www.smartdata.how Erhalten Sie Ihre Kreativität bei der Beschaffung, Auswahl und Priorisierung von Datentypen. SÄULE 4 Um optimale Ergebnisse aus Daten zu erzielen, müssen Unternehmen leistungsstarke Datenkombinationen erstellen und auswählen. Die Beschaffung von externen Daten in Kombination mit internen Daten kann zu wirkungsvollen Analysen führen. Es ist besonders wichtig, interne Datenquellen nicht zu übersehen, die neue und proprietäre Erkenntnisse liefern können. Ein Prozess zur Bestimmung und Sicherstellung der Genauigkeit, Aktualität und Sicherheit der Daten ist entscheidend. Ohne die Gewissheit, dass die Daten korrekt sind, werden die gewonnenen Erkenntnisse in Frage gestellt. Sammeln Sie die richtigen Daten, um die Anforderungen der Dateninitiativen des Unternehmens zu erfüllen. Die Auswahl der Daten auf der Grundlage des Datenbedarfs von Initiativen bietet mehrere Vorteile: Interessante Daten sind nicht immer die nützlichsten. Die Erdung der Datenquellen in den Initiativen erleichtert die Unterscheidung zwischen den beiden. Es gibt nahezu unbegrenzte Datenquellen, so dass die Konzentration auf die Daten, die den Bedürfnissen spezifischer Initiativen entsprechen, es dem Unternehmen ermöglicht, sich auf wertschöpfende Aktivitäten zu konzentrieren. Die derzeit gesammelten Daten sind möglicherweise nicht die besten Daten für die Geschäftsanforderungen. Das Verständnis, wie die aktuellen Daten mit den Datenanforderungen in Einklang gebracht werden, ermöglicht es dem Unternehmen, die zu erhebenden Daten und die Art und Weise, wie sie erfasst werden, anzupassen. Übersehen Sie nicht den potenziellen Wert von unstrukturierten Daten wie Text, Sprache und anderen ungenutzten Datentypen. Fortschrittliche Data-Mining-Techniken, natürliche Sprachverarbeitung und Textanalyse ermöglichen es, diese Informationen auf leistungsfähige Weise zu nutzen. Berücksichtigen Sie die Stärke von Daten aus unkonventionellen Quellen in Kombination mit eigenen Daten. Sensor-Daten von Smart Devices oder Daten aus dem Web und Social Media sind Beispiele für potenziell nützliche Daten, die die Datenstrategie eines Unternehmens und die damit verbundenen Analyse-Initiativen sinnvoll ergänzen könnten.
  • 22. Intelligente Daten Intelligente Region | www.smartdata.how Maximieren Sie den Wert Ihrer Daten bei gleichzeitig hoher Datensicherheit, Qualität und Agilität. SÄULE 5 Unternehmen erkennen oft die Notwendigkeit, Daten zu nutzen, haben aber Schwierigkeiten, wenn es um die Umsetzung einer unternehmensweiten Datenstrategie geht. Dies resultiert oft aus einer schlecht definierten Datenverwaltungs-Struktur. Es ist einfach für ein Unternehmen, in eines von zwei Lagern zu fallen: 1) Daten- und Analyseinitiativen werden strukturell vom laufenden Betrieb des Unternehmens getrennt, oft in ihrer eigenen Abteilung oder Abteilung, was die Fähigkeit des Unternehmens behindert, eine Kultur der "Datengetriebenheit" zu schaffen; oder 2) alle Daten und Systeme sind unternehmensweit offen, was zu Datenqualitäts- und Sicherheitsproblemen führt. Daten und Analysen sollten nicht allein den Datenwissenschaftlern und IT-Abteilungen überlassen werden - sie erfordern technisches Geschick und organisatorische Koordination. Um erfolgreich zu sein, müssen Unternehmen Daten und Analysen tief in ihr Unternehmen einbetten, um sicherzustellen, dass Informationen und Erkenntnisse über Geschäftseinheiten und Funktionen hinweg ausgetauscht werden. Unternehmen sollten erkennen, wie analytische Entscheidungen derzeit getroffen werden. Prüfen Sie, wie dieser Entscheidungsprozess durch Daten und Feedback verstärkt und verändert werden kann. Es sollte klar sein, wer dafür verantwortlich ist, eine bestimmte Analyse zu erleichtern und ihre Erkenntnisse zu nutzen. Von der Führungsebene bis zum Analysten sollte es keine Eigentumsfragen geben. Unternehmen müssen das Angebot und die Nachfrage nach Analysedienstleistungen im gesamten Unternehmen effektiv managen. Dies kann die Nachverfolgung von Abteilungen oder Einheiten umfassen, die die Analysefähigkeiten konsequent nicht ausnutzen, was die Bereiche aufdecken wird, die möglicherweise hinterherhinken, um datengesteuert zu werden. Der Abbau von organisatorischen Mauern zwischen Initiativen, Workflows und Mitarbeitern kann der Schlüssel zu einer leistungsstarken Kombination von Daten sein. Datensilos werden oft von Abteilungen oder Einheiten erstellt, die ihre Daten nicht nur technisch, sondern auch strukturell getrennt halten. Achten Sie auf regulatorische und Compliance-Anforderungen, sowohl um branchenspezifische Anforderungen zu erfüllen als auch um sicherzustellen, dass die Daten auf individueller Ebene den Anforderungen des Unternehmens - Kunden/Kundenerwartungen - entsprechen.
  • 23. Der Aufbau eines datengesteuerten Unternehmens erfordert einen erheblichen Vorlauf und kontinuierliche Anstrengungen. Dieser Aufwand hat sich immer wieder bewährt, um einen Nutzen zu erzielen, der die Kosten bei weitem übertrifft. Die fünf Säulen, die hier beschrieben werden, bilden den Rahmen für diese Art von Erfolg, aber die konkrete Anwendung hängt von der Branche, der Branche und dem Kontext ab. Smart Data Smart Region | www.smartdata.how
  • 24. GESTALTUNG VON DATEN- GESCHÄFTSMODELLEN 1. 6 wichtige datengesteuerte Geschäftsmodelle – Produkt-Innovatoren – System-Innovatoren – Datenanbieter – Daten-Broker – Wertschöpfungsketten- Integratoren – Mitarbeiter im Liefernetzwerk 2. Eine andere Perspektive: Datengestützte Geschäftsmodell-Innovation
  • 25. Situation • Kostenlose Technologien wie vernetzte Geräte, mobile, kostengünstige Datenspeicherung und Datenanalyse bieten Unternehmen unzählige Möglichkeiten, sich über die Wünsche und Bedürfnisse ihrer Kunden zu informieren und ihre Produkte zu diversifizieren. • Die Datenexplosion bietet auch die Möglichkeit, mit diesen Assets neue Geschäftsmodelle zu schaffen. • Organisationen, die große Datenmengen verarbeiten, können neue Möglichkeiten zur strategischen Differenzierung schaffen. Komplikation • Organisationen, die nicht direkt im Datengeschäft sind, haben Probleme damit die Möglichkeiten ihrer Daten mit ihren aktuellen Produkten und Dienstleistungen zu verbinden. • Dies wird in der Regel durch mangelnde Strategie, fehlende Fähigkeiten oder unterstützende Prozesse und Systeme verursacht. • Dies führt oft zum Scheitern großer Datenprojekte oder zu Schwierigkeiten bei der Einleitung neuer Initiativen aufgrund von Skepsis. Frage • Um Unternehmen bei der Definition einer datengetriebenen Strategie zu unterstützen, müssen die folgenden Fragen beantwortet werden: • Welche datengetriebenen Geschäftsmodelle entstehen heute auf dem Markt? • Welchen Wert kann man mit Daten für ein neues Geschäftsmodell mit Daten schaffen? • Wie wird ein neues Geschäftsmodell mit Daten erstellt und umgesetzt? • Welche Aspekte muss eine Organisation berücksichtigen, um ein neues Geschäftsmodell mit Daten umzusetzen? Smart Data Smart Region | www.smartdata.how Unternehmen sind bestrebt, den Wert der Daten, die sie erzeugen, verarbeiten oder erwerben, zu nutzen.
  • 26. Intelligente Daten Intelligente Region | www.smartdata.how Datenfähige Differenzierung Datenvermittlung Datenbasierte Liefernetzwerke • Das Produkt ist nach wie vor die primäre Wertquelle, aber Daten über Produkt werden verwendet, um das Produkt- oder Dienstleistungsangebot zu verbessern. • Datenbasierte Differenzierung ist in der Regel eine Einmalchance - Produkte eines einzigen Anbieters sind das dominierende Tor zur Chance. • Es gibt Situationen, in denen Unternehmensdaten nur dann einen ausreichenden Wert liefern, wenn sie mit anderen Quellen kombiniert werden oder das Unternehmen nicht in der Lage ist, die Chance allein zu nutzen. • Wenn die Chance nicht von einem einzigen Anbieter mit einem einzigen Produkt genutzt werden kann, ergeben sich Datenvermittlungsmöglichkeiten. • Mehrere Unternehmen arbeiten zusammen und tauschen Daten aus, um Datenmöglichkeiten zu nutzen. • Unternehmen spezialisieren sich auf eine oder zwei Funktionen, die für die Bereitstellung des Netzwerks erforderlich sind. Solo-Möglichkeiten Möglichkeiten der Zusammenarbeit 1. Produkt-Innovatoren ihre Produkte und Dienstleistungen mit Daten zu erweitern. 2. System-Innovatoren Verwendung von Daten zur Integration mehrerer Produkttypen 3. Datenanbieter Sammeln und Verkaufen von Rohdaten ohne zu viel Wertzuwachs 4. Daten-Broker Sammeln und Kombinieren von Daten aus verschiedenen Quellen, Schaffen von zusätzlichem Wert durch Analysen und Verkaufen von Erkenntnissen. 5. Wertschöpfungsketten- Integratoren Daten mit Systemintegratoren austauschen, um das Produktangebot zu erweitern oder Kosten zu senken. 6. Mitarbeiter im Liefernetzwerk Daten auszutauschen, um Geschäfte zu tätigen, Marktplätze zu fördern und Werbung zu ermöglichen. 6 WESENTLICHE DATENGESTEUERTE GESCHÄFTSMODELLE
  • 27. Ein Format zur Erläuterung der folgenden Geschäftsmodelle Geschäftsmodell Schematische Darstellung der wichtigsten Elemente des Geschäftsmodells anhand der Geschäftsmodell-Leinwand • Tätigkeitsschwerpunkt • Wert-Angebot • Kunden • Daten-Repository • Kanäle • …. Fähigkeitsanforderungen Angabe der notwendigen Fähigkeiten zur Umsetzung des Geschäftsmodells über die vier Stufen der Datenwertschöpfungskette: • Datengenerierung • Datenspeicherung • Datenanalyse • Datenverwendung Eigenschaften Wesentliche Merkmale des Geschäftsmodells Beispiel Beispiel eines Unternehmens, das dieses Geschäftsmodell umgesetzt hat Realisierter Wert Welchen Wert hat das Beispielunternehme n aus dem Geschäftsmodell? BEISPIEL
  • 28. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: Tvilight 1. Produkt-Innovator Tätigkeitsschwerpunkt Daten-Repository Wert-Angebot Kunden Datengenerierung Datenspeicherung Datenanalyse Datenverwendung Nutzungs- oder Verkaufsdaten eines einzelnen Produkttyps eines einzelnen Anbieters werden verwendet, um dem Produkt Funktionen hinzuzufügen, das Serviceangebot zu verbessern oder ein zusätzliches Produkt zu erstellen. Tvilight ist ein niederländisches Start-up-Unternehmen, das ein intelligentes Straßenlampensystem entwickelt hat. Lampen leuchten nur in Anwesenheit einer Person, eines Fahrrads oder eines Autos und bleiben für den Rest der Zeit dunkel. • Haupttätigkeit (1) von Tvilight ist die Entwicklung und Herstellung von eingebetteten Straßenlampensensoren. • Das Hauptwertversprechen (2) ist eine sensorgestützte drahtlose Straßenleuchte, die an Kommunen verkauft wird (3), wodurch der Kunde seine Energiekosten um 80% senken kann. • Die Überwachungsdaten der einzelnen Straßenlampen werden drahtlos an das Data Repository von Tvilight gesendet (4). • Die Daten werden in einem neuen Leistungsversprechen (5) verwendet, das das Serviceangebot verbessert: webbasierte Software zur Fernüberwachung, -verwaltung und -steuerung von Straßenbeleuchtungsinfrastrukturen. Wert realisiert: • Die Funktionalität des Originalproduktes (Straßenleuchte) wird durch Sensoren und drahtlose Kommunikation verbessert. • Nutzungsdaten aus dem Produkt werden zur Erstellung eines zweiten Leistungsversprechens verwendet (Software zur Fernverwaltung). 1 2 3 4 5
  • 29. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: Nike+ 2. System-Innovator Tätigkeitsschw erpunkt Daten-Repository Wert-Angebot Kunde Beziehung Datengenerierung Datenspeicherung Datenanalyse Datenverwendung Blickt über eine einzelne Produktkategorie hinaus auf ein breiteres Angebot an intelligenten Systemen - verschiedene Produkttypen eines einzigen Herstellers sind architektonisch verwandt und können interagieren, um dem Kunden einen Mehrwert zu bieten. Im Jahr 2006 führte Nike eine neue Reihe von Produkten zur Personenortung und -messung ein. • Haupttätigkeit (1) von Nike ist die Herstellung von Sportbekleidung. • Wertversprechen (2) an Kunden (3) ist eine Reihe von verwandten Produkten: Eine laufende App für Handy, netzwerkfähiges Tracking-Armband und Sportuhr. • Produktnutzungsdaten werden per Handy (4) an Nike gesendet und gespeichert (5) • Die Daten werden dem Benutzer über die Nike+ Plattform (6) mitgeteilt, wo der Athlet seine sportlichen Aktivitäten verfolgen, analysieren und mit anderen teilen kann. • Die Nike+ Plattform bietet einen neuen Kanal, um den Produktverkauf kontextspezifisch zu stimulieren oder Werbung von Dritten zu ermöglichen. • Kundenbindung wird durch Community-Building realisiert und ermöglicht es dem Nutzer, seine persönlichen Errungenschaften in Social Media zu teilen. Wert realisiert: • Kundenbindung - Produkte gewinnen an Nutzen, wenn sie kombiniert werden, die Wechselkosten sind hoch. • Kundenbindung - Social Media Integration, Community • Neuer Vertriebskanal für Produkte (Nike+ Plattform) 1 3 5 Kunden Kanal 2 6 4
  • 30. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: Vodafone 3. Datenprovider Tätigkeitsschwerpunkt Daten-Repository Wert-Angebot Kunden Datengenerierung Datenspeicherung Datenanalyse Datenverwendung • Zusätzlich zum Kerngeschäft des Unternehmens werden Rohdaten oder aggregierte Daten aus dem Datenspeicher gegen Entgelt oder Gewinnbeteiligung an einen anderen Geschäftskunden verkauft. • Es werden zwei Typen unterschieden: Rohdatenverkauf und Verkauf von Insights/Benchmarking Seit 2012 verkauft Vodafone anonymisierte Netzwerk-Rohdaten gegen eine Gebühr an ein Partnerunternehmen (Mezuro). • Die Haupttätigkeit (1) von Vodafone ist die Bereitstellung von Telekommunikationsdiensten. • Wertversprechen (2) für Kunden (3) sind Sprachanrufe, Textnachrichten und Internetdienste über das Mobilfunknetz des Unternehmens. • Mobilfunknutzungsdaten (4) werden im Rahmen der Kerntätigkeit des Unternehmens erhoben. • Daten (5) über die geografische Lage der Mobilfunkstandorte des Unternehmens werden zu den Mobilfunknutzungsdaten hinzugefügt. • Der Datensatz wird durch Hashing (6) anonymisiert und gegen eine monatliche Gebühr an ein Partnerunternehmen, Mezuro (7), verkauft. • Mezuro verwendet die Daten zusätzlich zu anderen Quellen, um dem öffentlichen Sektor Massenanalysen zur Verfügung zu stellen und die Nutzungsintensität von Stadtzentren, Bahnhöfen und Straßen abzuschätzen. Wert realisiert: • Vorhersehbare Einnahmequellen durch die Verwendung eines auf Abonnements basierenden Modells zum Verkauf von Daten • Zugang zu einem neuen Markt / Kundensegment 1 2 3 4 5 76
  • 31. Glooko entwickelte ein Blutzuckerspiegel-Logbuch und eine Analyseapplikation, die auf dem vorhandenen Blutzuckerdatenstrom basiert. • Haupttätigkeit (1) von Glooko ist die Verwaltung und Analyse von Datenbanken. • Glooko lizenziert die Datenspezifikationen und Standards von Herstellern von Glukosemessgeräten (2), um das Produkt kompatibel zu machen. • Der erste Teil des Werteversprechen ist ein Link-Kabel (3), das an Diabetes-Patienten verkauft wird (4), um ihr Handy an ihr Blutzuckermessgerät anzuschließen. • Die Blutzuckermessdaten des Patienten (4) werden vom Telefon des Patienten übertragen und in eine Ablesedatenbank (5) aufgenommen. • Der zweite Teil des Werteversprechens(6) ist eine Logbuch- und Inzidenz-Reporting- Lösung, die über eine kostenlose App an Patienten (4) und gegen eine Abonnementgebühr an Krankenhäuser (7) geliefert wird. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: Glooko 4. Daten-Broker Wichtige Partner Daten-Repository Tätigkeitssch werpunkt Wert Vorschlag Datengenerierung Datenspeicherung Datenanalyse Datenverwendung • Unternehmen beziehen Daten von wichtigen Partnern, aus offenen Quellen oder durch Data Mining. • Das Unternehmen Data Brokering setzt auf exzellente Datenanalyse und Datenverwendung und überlässt die Datengenerierung Dritten Wert realisiert: • Kostenlose Produkte werden an den Kunden verkauft - eine mobile App und ein Kabel zur Anbindung von Blutzuckermessgeräten an ein Mobiltelefon. • Eine vorhersehbare Einnahmequelle ist das Angebot eines Abonnements für Krankenhäuser. • Bessere Effektivität für Krankenhäuser und Versicherungen 2 5 Kunden 1 6 3 4 7
  • 32. DuPont und John Deere arbeiten zusammen, um den Landwirten Daten auf Feldebene nahezu in Echtzeit zur Verfügung zu stellen und so die Entscheidungsfindung in Bezug auf Anpflanzung, Feldbewirtschaftung und Ernte zu unterstützen. • John Deere's Haupttätigkeit ist die Herstellung von Landmaschinen (1) • Die Haupttätigkeit von DuPont ist der Verkauf von Saatgut und landwirtschaftliche Beratung (2) • Beide Unternehmen bedienen das gleiche Kundensegment: Landwirte (3) • Das Leistungsversprechen von John Deere sind Landmaschinen mit Sensoren, GPS und drahtloser Übertragungstechnik (4) • John Deere Geräte sammeln Daten über Ernteerträge, Feuchtigkeit und Standort, die drahtlos an einen Datenspeicher von Deere gesendet werden (5). • DuPont integriert die Daten von John Deere (6) in sein Leistungsversprechen(7), eine Precision Farming Software, die feldspezifische Daten zur Unterstützung der Entscheidungsfindung verwendet. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: John Deere & DuPont 5. Wertschöpfungsketten-Integratoren Unternehmen 1: John Deere Datengenerierung Datenspeicherung Datenanalyse Datenverwendung • Unternehmen, die dasselbe Kundensegment bedienen, tauschen Daten mit Distributoren und Systemintegratoren aus, um das bestehende Produktangebot zu erweitern oder Kosten zu senken. • Das Geschäftsmodell ist nicht auf den Verkauf oder die Auslizenzierung von Daten ausgerichtet, sondern auf die Integration zur Optimierung der operativen Ergebnisse. Wert realisiert: • Produkte beider Unternehmen profitieren von der gemeinsamen Nutzung von Daten • Risiken und Erträge werden geteilt und der individuelle Wettbewerbsvorteil verbessert. • Ein Hindernis für den Wettbewerb wird geschaffen, da die Verwendung von produktgenerierten Daten es ermöglicht, Dienstleistungen intelligenter anzubieten als Wettbewerber. 1 7 Kunden 3Unternehmen 2: DuPont 5 4 26
  • 33. Das links abgebildete Liefernetz ist ein Beispiel für Werbung: • KLM (hellblau), eine Fluggesellschaft, (1) verkauft Flüge (2) an Reisende (3) • Buchungsdaten werden in einer Datenbank (4) gespeichert, mit Flugplaninformationen (5) kombiniert und mit einer Werbeagentur geteilt. • Die Werbeagentur (grün) (6) kann den Reisenden durch ein Tracking-Cookie identifizieren und bestimmt Datum und Ziel des Fluges des Reisenden (7). • Hertz (schwarz), eine Autovermietung (8), versucht Mietwagen an Reisende zu vermieten (9) • Hertz teilt Daten über verfügbare Fahrzeuge mit der Werbeagentur, um den Algorithmus zu erweitern (10) • Die Werbeagentur zeigt dann die verfügbaren Mietwagen über Websites, die der Verbraucher besucht (weggelassen), auf die Stadt und das Datum, an dem der Reisende dort ankommen wird. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: John Deere & DuPont 6. Mitarbeiter im Liefernetzwerk (1/2) Datengenerierung Datenspeicherung Datenanalyse Datenverwendung • Stakeholder arbeiten in einem Wertschöpfungsnetzwerk und nicht in einer traditionellen Wertschöpfungskette zusammen. Oft ist unklar, wer der Verkäufer und wer der Kunde oder Konsument ist, alle Beteiligten profitieren. • Unternehmen tauschen Daten aus, um Geschäftsabschlüsse voranzutreiben, Werbung zu ermöglichen und Marktplätze zu fördern. Wert realisiert: • Hertz erhält einen neuen Kanal, um Verbraucher zu erreichen • Eine Gebühr wird von Hertz an die Werbeagentur und an KLM gezahlt, wenn ein Verbraucher auf die Anzeige klickt, um ein Auto zu mieten. 2 Kunden 3 Firma 1: KLM 1 9 Firma 3: Hertz 8 7 Firma 3: Werbeagentur 6 10 5 4
  • 34. Kaggle hat ein Geschäftsmodell für das Liefernetzwerk entwickelt, bei dem Datenprobleme von Unternehmen an eine Gemeinschaft von Datenwissenschaftlern weitergegeben werden. • Die beiden Hauptaktivitäten für Kaggle (dunkelblau) sind die Förderung einer Community für Datenmodellierungswettbewerbe und die Anbindung von Unternehmen an Top- Datenwissenschaftler. • Firma 1 (schwarz) bezahlt Kaggle für die Organisation eines Datenmodellierungswettbewerbs. Es liefert die Rohdaten und die Herausforderung und erhält die gewonnenen Datenmodelle. • Firma 2 (hellblau) zahlt Kaggle für das Matchmaking mit den besten Datenwissenschaftlern der Community. • Kaggles Gemeinschaft von Datenwissenschaftlern (grün) nimmt an Wettbewerben zur Lösung von Datenproblemen teil. Geschäftsmodell Fähigkeitsanforderungen Eigenschaften Beispiel: Kagle 6. Mitarbeiter im Liefernetzwerk (2/2) Datengenerierung Datenspeicherung Datenanalyse Datenverwendung • Stakeholder arbeiten in einem Wertschöpfungsnetzwerk und nicht in einer traditionellen Wertschöpfungskette zusammen. Oft ist unklar, wer der Verkäufer und wer der Kunde oder Konsument ist, alle Beteiligten profitieren. • Unternehmen tauschen Daten aus, um Geschäftsabschlüsse voranzutreiben, Werbung zu ermöglichen und Marktplätze zu fördern. Wert realisiert: • Kaggle - Gebühren durch Wettbewerbe und Matchmaking • Unternehmen 1 - Lösung des Datenproblems • Unternehmen 2 - Findet qualifizierte Datenwissenschaftler • Data Scientist Community - Exposure, Kontakt zu anderen Experten, Preisgeld für die besten Datenforscher Kaagle Corp. Kaagle Gemeinschaft Firma 1 Firma 2 Kaagle Wettbewerb Kaagle Verbinden Daten- Wissenschaftler Gewinnender Modell- Wissenschaftler Top 0,5 %.Belichtung Gebühr Rohdaten + Herausforderung Datenmodelle Sieger- Modell Preisgeld Rohdaten+Briefing, Geld Datenmodell Gebühr Den besten Datenwissenschaftler finden Zugang zur Community
  • 35. Wert Kunden Bestehende Bestehende / neue Angebote Neu Angebot Kategorie Systeme Daten Preisgestaltung Einheitsbasiert Volumenbasiert Aktivitätsbezogen Wertorientiert Kanäle Integrierte Wertschöpfungskette Liefernetzwerk • Deep Sell: Verkauf von mehr aktuellen Angeboten an bestehende Kunden • z.B.: Interne Versorgungsoptimierungen, datengestützte Nachschubplanung • Cross Sell: Datengestützter Verkauf neuer Angebote an bestehende Kunden • Z.B. Amazon, Bol.com, ("andere Kunden haben auch gekauft....") • Neuer Verkauf: datengestützter Verkauf neuer Angebote an neue Kunden • z.B. Versicherungen, Bankdienstleistungen, Online-Händler • Funktionalität zu bestehenden Produktkategorien hinzugefügt • z.B. Smart Metering, intelligente Beleuchtung • Kombinierte Angebotskategorien, potenziell im Ökosystem • z.B. Lifestyle-Geräte (Nike+, iPod mit Itunes, FitBit) • Kommerzialisierung der Daten durch Bereitstellung oder Brokerage • Z.B. Finanzinformationen (Experian); Nutzungsstatistiken (Vodafone) • Dynamische Preisgestaltung pro Einheit basierend auf ökonomischer Modellie • z.B. Flugticketverkauf, Online-Werbung • Preisfindung auf Basis der (erwarteten) Mengen • Z.B. Mengenrabatte (, Freemium-Modelle (Spotify, LinkedIn) • Preise für (erwartete) Zeit & Material • z.B. Ingenieur- und Installationsunternehmen; Dienstleistungsunternehmen • Preisgestaltung auf Basis der (erwarteten) Bewertung des Kunden • z.B. Aktienmärkte; Telekommunikationsunternehmen • Datenfähige Partnerschaften mit erweitertem Angebot • Z.B. Tomtom & Apple; John Deere & DuPont • Datenfähiges Liefernetzwerk zur Verteilung von Inhalten / Produkten • Z.B. KLM & Hertz, Kaggle EINE ANDERE PERSPEKTIVE: Daten haben die Fähigkeit, Geschäftsmodelle auf vielen verschiedenen Ebenen zu transformieren. Datengestützte Geschäftsmodell- Innovation Intelligente Daten Intelligente Region | www.smartdata.how