Mit Daten zum Erfolg

So schaffen Unternehmen den Umstieg auf ein Data Driven Business

Uhr
von Dr. Ladan Pooyan-Weihs, Dozentin und Leitern von CAS Digital Transformation an der Hochschule Luzern

Die Menge an Daten in allen Lebensbereichen wächst rasant. Im ersten Teil der Data-Driven-Business-Serie erklärt Ladan Pooyan-Weihs, Dozentin und Leiterin des CAS Digital Transformation an der HSLU, welche Modelle Unternehmen für ein datengesteuertes Geschäft zur Verfügung stehen.

Dr. Ladan Pooyan-Weihs, Dozentin und Leitern von CAS Digital Transformation an der Hochschule Luzern (Source: zVg)
Dr. Ladan Pooyan-Weihs, Dozentin und Leitern von CAS Digital Transformation an der Hochschule Luzern (Source: zVg)

Ein datengesteuertes Geschäftsmodell (auf englisch Data Driven Business) kann vollständig oder teilweise in einem Unternehmen umgesetzt werden. Unabhängig vom Umfang dieser Umsetzung müssen einige Faustregeln respektiert werden. Mit einer ganzheitlichen Planung und nachhaltiger Governance lassen sich Risiken im Unternehmen minimieren.

Das Datenvolumen verdoppelt sich weiterhin schätzungsweise alle drei Jahre in allen Bereichen unseres Lebens – in der Wirtschaft, Wissenschaft und Gesellschaft. Die gesammelten Daten können dabei aus unterschiedlichen Quellen stammen: Aufzeichnungen verschiedenster Überwachungssysteme, Nutzung von Kunden- oder Bezahlkarten, Informationen von digitalen Plattformen, drahtlosen Sensoren, Milliarden von Mobiltelefonen, Gesundheitsarmbändern, Smartwatches, Navigationssystemen wie GPS, vernetzten Autos, Smarthomes, Smart Meter, der Nutzung von Social-Media-Informationen und -Interaktionen und durch Behörden und Unternehmen erhobene Daten. Parallel zu diesem Datenwachstum hat die Datenspeicherkapazität zugenommen, während die Kosten gesunken sind. Datenintensiven Wissenschaften steht jetzt somit eine beispiellose Rechenleistung zur Verfügung. Die Datenwissenschaftlerinnen und -wissenschaftler nutzen nun diese hohe Rechenleistung, kombiniert mit den statistischen Methoden zur Entwicklung immer smarterer und effizienterer Algorithmen, um neue Erkenntnisse zu gewinnen.

 

(Source: Ladan Pooyan-Weihs)

"Predictive Analytics" als ein spezialisierter Teilbereich der Datenanalyse zielt darauf ab, die Zukunftstrends mithilfe von mathematischen Methoden präzise vorauszusagen. Ziel von Predictive Analytics ist es, herauszufinden, was passieren kann, und zu erklären, warum. Es handelt sich demnach um ein Prognoseverfahren, mit dem auf der Grundlage historischer und aktueller Daten aus dem Unternehmen und dem Unternehmensumfeld (etwa von Partnern und Kunden) zukünftige Trends und Risiken in Marketing, dem Finanzsektor oder dem Versicherungswesen ermittelt werden sollen. All diese hervorragenden Möglichkeiten bringen auch ernsthafte Herausforderungen mit sich. Die gewonnenen Erkenntnisse zu nutzen, gerät unweigerlich beispielsweise in Konflikt mit geschützten personenbezogenen Daten. Um dieses Problem adäquat lösen zu können, müssen verschiedene Techniken aus anderen wissenschaftlichen Bereichen wie Anonymisierung der Daten und Rechnen mit verschlüsselten Daten aus der modernen Kryptografie zum Einsatz kommen.

Dieser Fachbeitrag erschien in der Netzwoche-Ausgabe 5/2019. Alle Inhalte des Hefts finden Sie hier.

 

(Source: Ladan Pooyan-Weihs)

 

Zwei Modelle für den Umstieg auf ein datengesteuertes Geschäft

Die drei wichtigsten Technologietrends der digitalen Welt, nämlich Big Data, künstliche Intelligenz und Machine Learning, bieten Unternehmen stets neue Möglichkeiten, Kunden durch effiziente und intelligente Datenanalysen gezielt anzusprechen und ihr Angebot optimal auf den Markt abzustimmen. Unternehmen stehen hauptsächlich zwei Modelle für einen Umstieg auf ein datengesteuertes Geschäft zur Verfügung: ein vollständig datengesteuertes oder ein daten-infundiertes Modell.

Das Geschäftsmodell eines vollständig datengetrie­benen Unternehmens basiert auf der Monetisierung der Informationen. In diesem Modell beruht die Wertschöpfung auf der Grundlage der Umwandlung von Informationen in einen monetarisierbaren Vermögenswert. Die Einnahmequellen lassen sich über die Plattformen (die elek­tronischen Marktplätze) definieren, auf denen der Informationsaustausch für den Werteaustausch zwischen Anbietern und Kunden stattfindet. Die Einnahmen werden beim Informationsaustausch generiert, indem die Unternehmen auf ihren Plattformen eine Gebühr zusätzlich zu den Transaktionsgrundgebühren erheben. Bei diesem Modell wird den Unternehmen die Rolle der intermediären Vermittler zugewiesen. Die Vermögenswerte befinden sich im Eigentum der Anbieter und werden von diesen verwaltet. Firmen wie Uber, Airbnb, Ebay, Netflix und Apple Music sind einige Beispiele für dieses Geschäftsmodell.

Beim daten-infundierten Modell geht es eigentlich um ein herkömmliches Geschäftsmodell mit Produkten und möglicherweise Dienstleistungen mit Fokus auf die Datenanalyse. In diesem Modell werden Kundendaten intensiv analysiert, um erstens ein effizienteres und kundenzentriertes Marketing voranzutreiben und zweitens interne Kernprozesse für mehr Umsatz anzupassen. Ein Beispiel hierfür ist Amazon. Amazons Website ist durch Empfehlungsmaschinen getrieben. Diese analysieren grosse Datenmengen über die Kundenkaufverhalten und geben Produktempfehlungen ab.

Hier geht es zum 2. Teil des Fachbeitrags: "8 Schritte zum erfolgreichen Data Driven Business"

Webcode
DPF8_130685