Datenprodukte
Erfolgsfaktorenam Beispiel eines
Anzeigenportals für Automobile
Dr. Christoph Tempich Karlsruhe, 12.10.2016
Beratungsschwerpunkte
▸ Digitale Transformation und kultureller Wandel
▸ Datenorientierte Geschäftsmodelle
▸ Business-IT-A...
Was darf dieses Auto kosten?
3Quelle: mobile.de
4
Beispiel: KFZ-Preisbewertung
auf einer Online-Automobilplattform
Wie teuer soll ich
mein Auto anbieten?
3mio frühere Ver...
5
Charakteristika von Data Analytics
Qualitätskriterien oft nicht binär
60%
9.000 11.000
95%
12.0008.000
Präzision versus ...
6
WassindDatenprodukte?
DigitaleInsights
DigitaleProdukt-
Anreicherung
Data as a Service
Datenprodukte
Reckit & WebMDNike+...
7
Datenproduktekönnenmit einem einfachen Nutzen starten
Datenprodukt: Kursverlauf
8
Datenproduktekönnensich durch die Benutzungändern
Anreicherndes Datenprodukt: Das Schuh-Erlebnis wird personalisiert
9Quelle: http://www.heise.de/newsticker/meldung/Tesla-bringt-Autopilot-Funktion-per-Software-Update-2848008.html
Tesla „Au...
10http://adage.com/article/news/flu-reckitt-johnson-johnson-a-shot-arm/239156/
ReckittandWebMD.com
“geo-targeted and sympt...
Erfolgsfaktoren
11
12
Community
Markt-
modellierung
Analytics Agilität
Feedback-
loop
Technologie
Analytics
13Bildquelle: http://www.extremetech.com/extreme/226162-ibms-truenorth-artificial-brain-to-watch-learn-from-real...
Community
14
z
Markt
Kunden
Beziehungen
À Kunden
Segmente
Ñ Kanäle
÷
Unternehmen
Á Partner Aktivitäten
Ressourcen
15Der „BusinessModel ...
16* Eric Ries– TheLean Startup
IDEA
BUILD
PRODUCT
MEASURE
DATA
LEARN
Was brauchen unsere Kunden
wirklich?
Lean StartupCycl...
Feedbackloop
17
18
Rückblick Beispiel: KFZ-Preisbewertung
Lernen aus
Analytics:	 Maschinelles	Lernen	über	Preistreiber
Community:	 Angebot...
19Quelle: mobile.de;https://de.wikipedia.org/wiki/AWZ_P70
Datenprodukte sind anders.
Macht etwas daraus!
2700 € im Ursprun...
Vielen Dank
Dr. ChristophTempich
Headof consulting
inovex GmbH
Ludwig-Erhard-Allee 6
76131 Karlsruhe
@ctempich
ctempich@in...
Nächste SlideShare
Wird geladen in …5
×

Erfolgsfaktoren von Datenprodukten

187 Aufrufe

Veröffentlicht am

Mit Daten Geld verdienen: Google, Facebook und Amazon machen es vor, aber wie mache ich es nach? Auch viele unserer Kunden produzieren genügend Daten, um diese gewinnbringend einzusetzen. Damit Daten aber nicht nur IT-Kosten verursachen, sondern an der Wertschöpfung beteiligt sind, müssen verschiedene Hebel in Bewegung gesetzt werden. Die technologischen Grundlagen müssen vorhanden sein, die Mitarbeiter müssen mit den Daten umgehen lernen, das Management muss die unterschiedlichen Monetarisierungsstrategien verstehen und bewerten können. In diesem Vortrag berichten wir aus einem unserer Projekte und gehen auf Erfolgsfaktoren und Hindernisse ein. Wir beleuchten dabei wie ein führendes Anzeigenportal mit mehreren Millionen Visits pro Tag einen Datenproduktmanagementprozess eingeführt, eine Big-Data-Plattform implementiert und Datenprodukte an den Markt gebracht hat.

Datum: 12.10.2016
Speaker: Dr. Christoph Tempich

Mehr Vorträge: https://www.inovex.de/de/content-pool/vortraege/

Veröffentlicht in: Software
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
187
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
0
Aktionen
Geteilt
0
Downloads
1
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Erfolgsfaktoren von Datenprodukten

  1. 1. Datenprodukte Erfolgsfaktorenam Beispiel eines Anzeigenportals für Automobile Dr. Christoph Tempich Karlsruhe, 12.10.2016
  2. 2. Beratungsschwerpunkte ▸ Digitale Transformation und kultureller Wandel ▸ Datenorientierte Geschäftsmodelle ▸ Business-IT-Alignment Branchenkompetenz ▸ TIME ▸ Automobilbranche ▸ Finanzdienstleistungen 2 Dr. ChristophTempich Head of Consulting
  3. 3. Was darf dieses Auto kosten? 3Quelle: mobile.de
  4. 4. 4 Beispiel: KFZ-Preisbewertung auf einer Online-Automobilplattform Wie teuer soll ich mein Auto anbieten? 3mio frühere Verkäufe jedoch ist kein Angebot gleich Lernen aus Herausforderungen durch viele Freiheitsgrade und hohen Explorationsbedarf
  5. 5. 5 Charakteristika von Data Analytics Qualitätskriterien oft nicht binär 60% 9.000 11.000 95% 12.0008.000 Präzision versus Zuverlässigkeit Kein natürliches richtig oder falsch
  6. 6. 6 WassindDatenprodukte? DigitaleInsights DigitaleProdukt- Anreicherung Data as a Service Datenprodukte Reckit & WebMDNike+ / TeslaWertpapier-Indizes Typ 3Typ 2Typ 1
  7. 7. 7 Datenproduktekönnenmit einem einfachen Nutzen starten Datenprodukt: Kursverlauf
  8. 8. 8 Datenproduktekönnensich durch die Benutzungändern Anreicherndes Datenprodukt: Das Schuh-Erlebnis wird personalisiert
  9. 9. 9Quelle: http://www.heise.de/newsticker/meldung/Tesla-bringt-Autopilot-Funktion-per-Software-Update-2848008.html Tesla „Autopilot“ per Software-Update Software- Update ž
  10. 10. 10http://adage.com/article/news/flu-reckitt-johnson-johnson-a-shot-arm/239156/ ReckittandWebMD.com “geo-targeted and symptom-targeted ads and local promotions driven by data from symptom searches by WebMD visitors” http://www.ft.com/intl/cms/s/0/f45407fa-1e21-11e2-8e1d-00144feabdc0.html#axzz3peaW0YYm http://www.google.org/flutrends/about/
  11. 11. Erfolgsfaktoren 11
  12. 12. 12 Community Markt- modellierung Analytics Agilität Feedback- loop Technologie
  13. 13. Analytics 13Bildquelle: http://www.extremetech.com/extreme/226162-ibms-truenorth-artificial-brain-to-watch-learn-from-real-brains
  14. 14. Community 14
  15. 15. z Markt Kunden Beziehungen À Kunden Segmente Ñ Kanäle ÷ Unternehmen Á Partner Aktivitäten Ressourcen 15Der „BusinessModel Canvas“ Produkte/ Angebot + Kostenstruktur Ertragsströme Marktmodellierung
  16. 16. 16* Eric Ries– TheLean Startup IDEA BUILD PRODUCT MEASURE DATA LEARN Was brauchen unsere Kunden wirklich? Lean StartupCycle* ** DesiréeSy: AdaptingUsabilityInvestigationsforAgileUser-centered Design Dual Track Scrum** Discovery Delivery „Liefern“ „Lernen“ Was bieten wir unseren Kunden an? Können wir das? Agilität
  17. 17. Feedbackloop 17
  18. 18. 18 Rückblick Beispiel: KFZ-Preisbewertung Lernen aus Analytics: Maschinelles Lernen über Preistreiber Community: Angebot vieler Autos Marktmodellierung: Plattform Agilität: Anpassung der Darstellung nach A/B Test Feedback: Je mehr Verkäufe, desto besser die Daten
  19. 19. 19Quelle: mobile.de;https://de.wikipedia.org/wiki/AWZ_P70 Datenprodukte sind anders. Macht etwas daraus! 2700 € im Ursprungszustand
  20. 20. Vielen Dank Dr. ChristophTempich Headof consulting inovex GmbH Ludwig-Erhard-Allee 6 76131 Karlsruhe @ctempich ctempich@inovex.de 0173 3181 068 www.inovex.de www.inovex.de/newsletter

×