Data Analytics für datengetriebene Geschäftsmodelle

von Bernhard Steimel
2. März 2021
Neues Trendbook "Smarter Analytics"

Mit Data Analytics entwickeln Unternehmen erfolgreiche datengetriebene Geschäftsmodelle für smarte Produkte und Services. Doch Daten alleine bringen noch keinen Mehrwert. Die Unternehmen benötigen eine Datenkultur: Ein tiefes Verständnis für den Nutzen von Datenanalysen an der Unternehmensspitze und bei allen Mitarbeitern. Nur auf diese Weise stellt sich Erfolg ein. Im Trendbook Smarter Analytics und in diesem Blogbeitrag nennen wir alle Voraussetzungen dafür.

 

Der Inhalt dieser Seite

Data Analytics – das neue Betriebssystem der Wirtschaft

Viele Unternehmen stellen heutzutage fest: Ihr Geschäft ist im Kern datengetrieben. Data Analytics und daraus abgeleitetes Entscheidungswissen werden immer stärker zum Kern der Geschäftsmodelle von Unternehmen. Der Vorteil: Manager agieren nicht mehr auf Sicht und mit „Bauchgefühl“. Stattdessen nutzen sie Data Analytics, um Szenarien zu entwickeln, die Planung zu optimieren und schnell auf Marktentwicklungen zu reagieren.

Ein aktuelles Beispiel sind E-Commerce-Unternehmen. Sie sind es gewohnt, alle verfügbaren Daten auszuwerten. Das erlaubt ihnen, rasch auf Marktentwicklung zu reagieren. Für Amazon und Co. sind evidenzbasierte Entscheidungen anhand von Verhaltensbeobachtung eine Selbstverständlichkeit.

Später lesen? Das vollständige Trendbook als kostenloses E-Book herunterladen.

"Unternehmen haben heute große Datenmengen zur Verfügung und die Verarbeitungsgeschwindigkeit in den Rechenzentren ist gestiegen. Trotzdem sind die Unternehmen inhaltlich nur langsam vorangekommen. Es gibt eine erhebliche Lücke zwischen dem, was technisch möglich ist, und dem, was tatsächlich getan wird.“

Mit Data Analytics X mal schneller aus der Krise

Je stärker ein Unternehmen auf Data Analytics setzt, desto mehr Widerstandskraft hat es in Krisensituationen wie der Covid19-Pandemie. Mit Data Analytics kann es schneller auf Nachfrageschwankungen reagieren, Daten schneller verarbeiten und – im Gesundheitssektor – mit Künstlicher Intelligenz den Kampf gegen Corona aufnehmen.

Data Analytics als Basis für evidenzbasierte Entscheidungen

Viele Unternehmen haben die Chance von Data Analytics erkannt und nutzen es für evidenzbasierte Entscheidungen. Dafür haben sie eine eigene Datenstrategie definiert. Sie kennen die Antworten auf die folgenden Fragen: Welche Daten wollen wir nutzen? Welche Daten sind bereits vorhanden, welche müssen erst neu ermittelt werden? Wie analysieren wir diese Daten und erzeugen daraus Entscheidungswissen?

Data Analytics als Digitalisierungstreiber

Data Analytics ist in allen Branchen nutzbar, einige Schlüsselbranchen profitieren davon besonders stark. So wird die Analyse von Echtzeitdaten im Handel, der Industrie und der Logistik zu einem wichtigen Digitalisierungstreiber. Unternehmen können damit ihre Prozesse stärken, Entscheidungen verbessern und den wirtschaftlichen Erfolg erhöhen.

„In der Industrie ist der im Moment wichtigste Trend die Verknüpfung von Datensilos. Im ersten Moment klingt das trivial, doch es ist von enormer Bedeutung. Daten entstehen in der Industrie in unterschiedlichen Bereichen, in der Logistik, in den Produktionsprozessen, beim Vertrieb, beim Einkauf und in Projekten. Allein die Verknüpfung dieser Daten stiftet schon Nutzen und bringt eine hohe Transparenz in die Wertschöpfungskette.“

Lesen Sie in unserem Magazin weiter: Mit Data Analytics X mal schneller aus der Krise. Oder laden Sie die ganze Studie herunter.

So werden Unternehmen mit Analytics datengetrieben

Für seine Beratungstätigkeit hat Mind Digital das Digitalisierungshaus entwickelt. Es erleichtert die Kommunikation im Führungsteam über Reifegrad und Zielbild in der Digitalisierung. Denn Digitalisierung ist eine integrierte Geschäftsführungsaufgabe. Es hilft, die Top-Handlungsfelder zu identifizieren, die richtigen Initiativen zu priorisieren und fokussiert in die Digitalisierung einzusteigen.

Das Haus der Digitalisierung
 
  • Strategie ist das erste von drei entscheidenden Handlungsfeldern für Data Analytics. Ohne Überlegungen, welche Daten auf welche Weise erhoben werden, kann kein datenbetriebenes Geschäftsmodell funktionieren.
  • Produkte & Services sind ein wichtiger Faktor. Sie müssen intelligente Datenanalysen zu einem smarten Servicebündel zusammenführen, das Geschäftsmodell überhaupt erst in den Markt zu bringen.
  • Technologie ist die Basis für Data Analytics. Mit ihr industrialisieren Unternehmen ihre Daten basieren Geschäftsmodelle.

Auf dem Weg zum datengetriebenen Geschäftsmodell

Daten sind das neue Öl – dieser Satz führt häufig zu einem Missverständnis. Denn viele Unternehmen glauben, es reiche aus, irgendwelche Daten zu ermitteln, die Ergebnisse von Data Analytics kommen dann automatisch. Doch ähnlich wie bei Öl handelt es sich bei Daten nur um einen Rohstoff. Er muss erst noch in etwas Brauchbares verwandelt werden.

Echter Mehrwert aus Daten entsteht nur durch einen durchgehenden Datenfluss, also wenn ein Unternehmen ineinandergreifende Datenprozesse besitzt. Als Leitlinie für diese neuen datenbasierten Prozesse dient das Modell der „Data Journey“. Es führt ein Unternehmen in drei Schritten von der Definition einer Datenstrategie zu datenbasierten Produkten.

  • Data Strategy: Wie bei jeder Unternehmenstransformation ist die Entwicklung einer speziellen Strategie notwendig.
  • Data Lab: Unternehmen konzipieren Use Cases und entwickeln Prototypen mit Echtdaten.
  • Data Factory: Hier beginnt die Industrialisierung der Datenprodukte. Technologie hilft, die Use Cases in großem Rahmen zu verwirklichen.
Data Analytics macht datengetriebene Geschäftsmodelle erfolgreich
Diese drei Schritte helfen bei der „Fertigung“ von Datenprodukten

Eine Datenstrategie definieren

Die Datenstrategie ist die Grundlage, mit der Unternehmen Mehrwert und Nutzen erzeugen. Das Unternehmen bewertet dafür den Status quo, definiert ein Zielbild und entwickelt darauf aufbauend eine Roadmap für den Weg zu Data Analytics.

Ein wichtiger Aspekt der richtigen Datenstrategie lautet: KI für alle. In einigen Unternehmen ist KI lediglich ein Leuchtturmprojekt. So bleiben hier Mehrwert und Nutzen auch nur auf einen kleinen Bereich beschränkt. Eine wirkungsvolle Datenstrategie macht dagegen allen Mitarbeitern Künstliche Intelligenz und Machine Learning verfügbar.

Damit KI-Lösungen die Mitarbeiter bei ihren Aufgaben zufriedenstellend unterstützen, sind alle Mitarbeiter – nicht nur IT-Experten – in die KI-Entwicklung einzubeziehen. Damit stellen Unternehmen sicher, dass die von ihnen genutzten Lösungen die Mitarbeiter wirklich bei ihrer alltäglichen Arbeit unterstützen.

„Es reicht nicht, einfach Daten zu sammeln. Unternehmen benötigen eine Datenstrategie, die von der Geschäftsführung gefördert wird. Sie muss gegenüber der Belegschaft und dem ganzen Unternehmen transparent sein. So entsteht eine klare Agenda, die alle Mitarbeiter auf die Digitalisierung ausrichtet und Orientierung schafft.“

Datenprodukte konzipieren, entwickeln und testen

Der zweite Schritt der Data Journey ist die Entwicklung von Produkten. Unternehmen sollten möglichst schnell Use Cases testen und vom Konzept zum Prototyp mit Echtdaten voranschreiten. So können die Entwickler rasch beurteilen, ob der Use Case in der Realität umsetzbar ist. Dabei besitzt Künstliche Intelligenz eine zentrale Bedeutung. Sie gehört zu den Schlüsseltechnologien für datengetriebene Geschäftsmodelle und sollte entlang der gesamten Wertschöpfungskette ausgerollt werden.

Data Analytics macht datengetriebene Geschäftsmodelle erfolgreich
KI arbeitet entlang der gesamten Wertschöpfungskette

„Technologisch und wirtschaftlich gibt es keine Hindernisse, KI sofort in Unternehmen zu nutzen. Über 70 Prozent der Anwendungen sind dabei bis 2025 unterstützend für den Menschen im Einsatz. KI ersetzt nicht die Mitarbeiter, sondern stärkt in Kombination mit Mitarbeitern die Wertschöpfung und die Wettbewerbsposition.“

Die Datenplattform industrialisieren

Der letzte Schritt der Data Journey ist die Skalierung des experimentellen Prototyps zum fertigen Produkt. Basis für die Industrialisierung ist die Technologie der Data Factory, zum Beispiel Cloud-Plattformen und eine einheitliche Datenarchitektur. Zudem ist ein schlagkräftiges Analytics-Team ein wichtiger Faktor bei der Skalierung von Datenprodukten

Vorreiter bei der Industrialisierung der Data Factory zeichnen sich dadurch aus, dass Geschäftsführung und Management ihre Führungsaufgabe auch bezüglich Vision und Strategie von Data Analytics erfüllen. Zudem setzen sie in der Anfangsphase möglichst viele (3+) Use Cases um und erhöhen dafür in der IT-Organisation und den Fachbereichen die Budgets für Data Analytics. Zudem geben sie einen deutlichen Teil des Budgets dafür aus, um Data Analytics in Form einer Datenkultur in das Unternehmen einzubetten. Quelle

Lesen Sie in unserem Magazin weiter: Aus Daten Mehrwerte schaffen. Oder laden Sie die ganze Studie herunter.

So arbeiten erfolgreiche Vorreiter mit Data Analytics

Die Best-Practices im Trendbook Smarter Analytics zeigen, wie Unternehmen mit Data Analytics neue Märkte erschließen, neue datenbasierte Geschäftsmodelle aufbauen und sie über digitale Technologien industrialisieren.

Mit Data Analytics neue Märkte erschließen

Die Heidelberger Druck AG nutzt ein datenbasiertes Betreibermodell mit zusätzlichen Services. Die dabei erhobenen Informationen fasst der Hersteller im Print Industry Climate Index zu einem „Wetterbericht“ über die globale Wirtschaftslage zusammen.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Mit Datenprodukten datengetriebene Geschäftsmodelle aufbauen

Das Familienunternehmen Ziehl-Abegg erfasst für seine Kunden Betriebsdaten seiner Maschinen. Sie erhalten damit ein Bild über den Gerätezustand, um Ausfallzeiten zu verringern oder sogar zu vermeiden.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

 

Datengetriebene Geschäftsmodelle industrialisieren

Der britische Paketzusteller Yodel aggregiert alle im Unternehmen entstehenden Daten in der Cloud-Plattform von Teradata. Damit erhält das Unternehmen Einblick in alle Aktivitäten und Kundenbeziehungen und so eine bessere Kontrolle über das Geschäft.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Datengetriebene Geschäftsmodelle erfolgreich skalieren

Der Aufbau von datengetriebenen Geschäftsmodellen ist kein Spaziergang, es gibt eine Vielzahl an Stolperfallen und Hürden. Unternehmen bewältigen sie, indem sie anhand einer Datenstrategie klare Ziele definieren, Daten als Produkte verstehen und sie anschließend mit Datenplattformen skalieren.

„Der deutsche Mittelstand besitzt sehr viel technisches Know-how. Nicht umsonst spricht man von Hidden Champions. Wenn man dieses Know-how mit Data Analytics kreuzt, entsteht ein unglaubliches Potenzial, ein regelrechter Schatz an Wissen. Das haben weder die deutschen Konzerne noch internationale Unternehmen zur Verfügung.“

  • Mit klaren Zielen starten: Der schnellste Weg zu datenbasierten Produkten, Services und insgesamt datengetriebenen Geschäftsmodellen ist der Aufbau einer Datenkultur im Unternehmen.
  • Daten als Produkt verstehen: Daten werden zu einem Vermögenswert, wenn die Datenqualität stimmt, Datenprozesse existieren und die Nutzer direkten Zugang haben.
  • Mit Datenplattformen skalieren: Die Hürde ist, die konkreten Daten zu sammeln, zu bearbeiten und für Data Analytics vorzubereiten. Dabei helfen Plattformen in der Cloud.

Unsere neue Studie „Trendbook Smarter Analytics“ vertieft alle Themen rund um Daten und Analytics.

Schreiben Sie einen Kommentar

Ähnliche Beiträge

Der kostenlose Smartletter

Regelmäßig Impulse für die Gestaltung digitaler Produkte und Services.
Jetzt anmelden!