Datengetriebene Geschäftsmodelle

 

Tragfähige Geschäftsmodelle aus bestehenden Daten entwickeln - ein Beitrag von Stefan Müller, Director Business Intelligence & Big Data bei it-novum

Die Experton Group prognostiziert in ihrer Studie „Vendor Benchmark Big Data 2016“ ein jährliches Wachstum des Big-Data-Marktes bis 2020 von knapp 23 Prozent. Ausgehend von dieser Perspektive wird Big Data mittelfristig ein normales Projektgeschäft werden, ganz so, wie es E-Commerce heute im Vergleich zur Situation vor fünfzehn Jahren ist. Es stellt sich jedoch die Frage, wie weit Unternehmen in puncto digitaler Transformation tatsächlich sind. Und: Sind die Anwender überhaupt auf diese Veränderung vorbereitet?

Viele Unternehmen bemühen sich derzeit noch, bestehende Geschäftsprozesse auf eine gesicherte Datenbasis zu stellen. Sobald es aber um eine allzu umfassende Sammlung und Auswertung von persönlichen Daten geht, werden die Verbraucher misstrauisch. Bekannt werdende Fälle von Datenmissbrauch können so schnell zu zurückhaltendem Consumer-Verhalten führen. Besonders gefragt sind daher Ideen, mit denen Unternehmen auf der Basis ihrer bestehenden Daten neue Geschäftsmodelle entwickeln können - und nicht auf der Grundlage von personenbezogenen Daten.

Individuelle Geschäftsmodelle entwickeln

Unternehmen wie Amazon oder Facebook, die mit ihrem internetbasierten Geschäftsmodell schon recht früh auf Big-Data-Technologien gesetzt haben, profitieren stark von dieser datengetriebenen Entwicklung, da bei ihnen Investition und Nutzeffekt dicht beieinander liegen. Dagegen benötigen Unternehmen mit klassischen Geschäftsmodellen (etwa in der Finanz- oder Gesundheitsbranche) differenzierte Analysen, um individuelle Geschäftsmodelle auf der Basis von Big-Data-Technologien zu entwickeln. Auch hier werden immer mehr die Möglichkeiten von Big Data erkannt und in Projekten umgesetzt.

Je nach Bedarf den richtigen Ansatz wählen

Bei den meisten Unternehmen geht es dabei im ersten Schritt nicht um die Entwicklung eines komplett neuen Geschäftsmodells. Oft stehen Prozessverbesserungen oder die Optimierung von Teilbereichen im Vordergrund. Im Marketing etwa dient Big Data häufig der Analyse der Marken- und Produktwahrnehmung. Im Verkauf wird die Echtzeitanalyse von Daten dazu eingesetzt, den Kunden Kaufanreize zu bieten. Häufig geht es um die Möglichkeit der Individualisierung, etwa, wenn den Kunden individuell zugeschnittene Angebote gemacht werden sollen.

Kompetenzen bündeln

Einen ganzheitlichen Blick auf routinemäßig genutzte Daten zu werfen, zahlt sich in praktisch jedem Unternehmen aus. Vor allem dann, wenn der Blick aus unterschiedlichen Winkeln kommt. Fachspezialisten bringen sich hier anders ein als Data Scientists. Wenn die verschiedenen Fachbereiche aber ihre Kompetenzen bündeln, kann aus zuvor kaum genutzten Daten zusätzliches oder neues Geschäft werden.

Transparenz und Information

Nicht außer Acht zu lassen sind natürlich die Anwender bzw. die Kunden. Sie spielen eine maßgebliche Rolle bei der Entwicklung neuer Projekte oder Geschäftsmodelle. Auch, wenn die herangezogenen Daten keine persönlichen sind, empfiehlt es sich, die Kunden über die Datenverwendung offen zu informieren und auch über die Datenschutzmaßnahmen in Kenntnis zu setzen. Nur so kann das notwendige Vertrauen in das Unternehmen aufgebaut werden. Dieses Vertrauen ist die Basis, um die Umsatzpotentiale, die datengetriebene Geschäftsmodelle bieten, auch ausschöpfen zu können.

Fazit: Die digitale Transformation, der Sprung von der klassischen Wertschöpfungskette zu einem digitalen Ökosystem, ist datengetrieben. Bei diesem Übergang müssen Unternehmen mit digitalen Geschäftsmodellen ihre internen Prozesse noch stärker abstimmen, um nicht zu scheitern. Die Belohnung, die winkt, ist jedoch groß: durch die Akkumulation von Daten mittels Big-Data-Szenarien können neue Geschäftsmodelle entwickelt und damit Wettbewerbsvorteile erreicht werden.