Aus Daten Mehrwert schaffen

Da fortgeschrittene Volkswirtschaften ihren Übergang von der physischen Produktion hin zu Dienstleistungen und immateriellen Vermögenswerten fortsetzen, war die Bedeutung von Informationen noch nie so groß. Immer mehr Unternehmen denken darüber nach, wie sie die Leistungsfähigkeit von Datenanalysen, künstlicher Intelligenz und „Big Data“ nutzen und erhebliche Investitionen tätigen können.

Wir glauben jedoch, dass Sie nicht mit Daten beginnen können, sondern damit beginnen müssen, wo und wie Sie in Ihrem Unternehmen Werte schaffen möchten, und dann zu Daten übergehen müssen.

Unternehmen glauben zunehmend, dass Daten einen ungenutzten Wert bieten …

Viele Unternehmen möchten erhebliche Investitionen in Datenbestände tätigen, aber ohne die entsprechende Strategie laufen sie Gefahr, das Pferd von hinten aufzuzäumen und schlechte und regressive Investitionsentscheidungen zu treffen.

Um Unternehmen dabei zu helfen, Risiken zu reduzieren, hat FORFIRM einen robusten Ansatz für den Erfolg mit Daten entwickelt.

…Aber beginnen Sie in erster Linie mit dem Wert und dann mit den Daten

Im ersten Schritt sollten Sie weniger Zeit damit verbringen, darüber nachzudenken, wie viele Daten Sie haben, woher sie kommen und wie Sie sie nutzen können. Stattdessen sollten Sie damit beginnen, zu ermitteln, wo Ihr Unternehmen möglicherweise mehr Wert als Ihre Konkurrenten schafft, und dann verstehen, welche Datenbestände Sie benötigen, um dies zu erreichen. Erst dann können Sie ein klares Verständnis dafür entwickeln, welche Investitionen Sie in Daten tätigen müssen. Diese Investitionen müssen mit Ihrer Geschäftsstrategie im Einklang stehen und Sie müssen Geld für die langweiligen, aber wichtigen „Nutzungsprozesse“ wie Datenintegrität und Installation ausgeben, bevor Sie Geld für „glänzende Objekte“ wie Vorhersagemodelle und KI ausgeben.

  • Mein Vorwurf: Daten sind trotz der Schlagzeilen nicht das neue Öl. Um die Analogie fortzusetzen: Die meisten Daten sind verborgen, verunreinigt, nicht verarbeitbar und zu teuer, um sie in ein sinnvolles Format zu extrahieren. Es gibt „Supermajors“ bei Amazon, Google, Apple, Facebook usw., aber außer China gibt es keine „nationalen Datenunternehmen“ und nur sehr wenige flinke, unabhängige Data Miner und Händler. Es ist unwahrscheinlich, dass Sie fit und bereit sind, in diese hart umkämpfte „Datenbranche“ einzusteigen. Öl hat vielfältige Einsatzmöglichkeiten, wird frei gehandelt und erfreut sich weltweit einer konstant hohen Nachfrage. Ihre Daten sind derzeit keine davon. Im Gegensatz zu Öl sind Daten konkurrenzlos, ein wirtschaftlicher Begriff, der bedeutet, dass sie mehrfach von mehreren Parteien verwendet werden können, was in den meisten Fällen ihren Wert begrenzt. Die meisten Ihrer Daten haben intern nur einen geringen Wert und extern fast keinen Wert. Sie verfügen also noch nicht über einen Datenschatz, der mit geringen Kosten eine neue Einnahmequelle mit hohen Margen schaffen würde, und ein Hedgefonds wird nicht an die Tür klopfen, um diese zu verbessern Anlagestrategien.

Wir haben viele Fälle gesehen, in denen Kunden von der Aussicht, scheinbar völlig neue Geschäfte und neue Einnahmequellen zu schaffen, begeistert waren
der lukrative und zugängliche neue Bereich von Big Data, Analytics, KI und „Rich Content“ sein. In einigen Fällen hatten sie Recht, aber häufiger nicht. Die Chance, die anfangs groß schien, erwies sich nach einer kostspieligen, unkonzentrierten und ineffizienten Implementierung als klein und schwierig, sodass sie Angst vor einer Wiederholung des Prozesses hatten.

Umgekehrt konnten Unternehmen, die sich die Mühe machten, die potenzielle strategische Nutzung und den Wert ihrer Daten wirklich zu verstehen, angemessen handeln und kostspielige Technologieimplementierungsprogramme vermeiden, die hinter den Erwartungen zurückblieben.

Indem Sie einem robusten, strategisch geleiteten Prozess folgen, können Sie Ihre Strategie explizit mit Ihren Daten verknüpfen, klären, welche Daten Sie besitzen und verstehen, wie wertvoll sie für wen sind. Sie können realistische Ziele für die Monetarisierung Ihrer Daten festlegen und Ihr Recht auf Erfolg unter Beweis stellen, indem Sie Bereiche mit potenziellem Scheitern testen und überwinden. Sie können von einer unbegründeten Annahme über den Wert Ihrer Daten zu einem fundierteren und geschäftsbezogeneren Verständnis ihres Werts im Hinblick auf ihre Nutzung für aktuelle und potenzielle Kunden, ihr eigenständiges Kommerzialisierungspotenzial und vor allem ihr Potenzial zur Verbesserung übergehen Ihr aktuelles Geschäft. Das ist der wahre Wert von Daten.

Praktische Schritte

Hier sind sieben praktische Schritte, um zu verstehen, wie Sie Ihre Daten monetarisieren können:
1. Verstehen Sie, wie Sie heute Werte schaffen
2. Investitionsmöglichkeiten entwickeln
3. Überprüfen Sie Ihre Datenbestände
4. Bestätigen Sie die Optionen
5. Entwickeln Sie realistische Ziele für die Monetarisierung
6. Probieren Sie es aus, lernen Sie und verfeinern Sie es
7. Machen Sie es, skalieren Sie es

Verstehen Sie, wie Sie heute Werte schaffen

Der Wert von Daten, seien es Ihre eigenen oder die anderer, liegt letztendlich in ihrem Nutzen für die Erreichung Ihrer strategischen Ziele. Formulieren Sie zunächst Ihre derzeitige Strategie. Welche Produkte und Dienstleistungen Sie anbieten und welche nicht, wer Ihre Kunden sind und wer nicht und wie Sie derzeit vorgehen, diese effizient bereitzustellen, um nachhaltigen wirtschaftlichen Wert zu schaffen. Die Verknüpfung von Strategie und Daten sollte zunächst eine Diagnose darüber enthalten, welche Prozesse Sie derzeit durchführen, welche Informationen Sie derzeit dafür benötigen und wie Sie Werte schaffen; Zweitens, wie diese bestehenden Dienste in Zukunft durch mehr oder umfangreichere Daten verbessert, erweitert oder unterbrochen werden könnten, unabhängig davon, ob Sie derzeit Eigentümer der Daten sind oder keinen Zugriff darauf haben.

Entwickeln Sie Anlagemöglichkeiten

Als nächstes sollten Sie einige gut durchdachte Anlageoptionen entwickeln, die auf dem folgenden dreistufigen Modell basieren:

  • Verbessern Sie das aktuelle Geschäft
  • Betreten Sie angrenzende Geschäfte
  • Entwickeln Sie neue Geschäfte
Enhance current business Enter adjacent businesses Develop new businesses
Leverage enhanced data for core business Generate new insights White-label capabilities & infrastructure Create new data Create new offerings

–Seek opportunities to enrich existing service through new data sources

–Develop and leverage new platforms

–Deliver enhanced services (e.g., in real time)

–Understand deep client insights

–Enhance marketing campaign ROI and conversion

–Monetise existing analytics capabilities via white labelling to clients and other partners across the value chain

–Commercialize infrastructure to sell platforms as a service

–Partner with adjacent players across the business value chain –Identify new sources of data (e.g., unstructured) to join with existingdata sets

–Monetise new sets of data

–Develop new sets of analytics and data products (e.g., benchmarks,tools)

–Develop new products that benefit from enhanced data and analytics (e.g., realtime net asset value, active non-disclosed exchange traded funds)

Darüber hinaus geht es bei der Nutzung von Daten jedoch nicht immer um die Generierung von Einnahmen. Unternehmen können Daten strategisch nutzen, um Kosten durch eine bessere Planung und Optimierung des Betriebs sowie die Reduzierung und Verwaltung von Risiken zu senken. Beispiele für Kostensenkungsstrategien sind die Nutzung von Daten zur besseren Verwaltung der Kundenkredite, die Reduzierung von Betrugsrisiken und die Weitergabe von Daten an Lieferanten zur Optimierung der Bestandsverwaltung und Verbesserung des Betriebskapitals in der Lieferkette. Kostensenkungsinitiativen sind tendenziell sicherere Investitionen als Umsatzwachstum.

Review your data assets
    Data Monetisation Approach Key Considerations

Stock taking of data assets

1-circle

“What”

What data sources, assets, capabilities do we have today?

  • Survey existing data assets and determine which are valuable. Conduct quick review of capabilities
  • Identify use cases, competitors, substitutes and evaluate new monetisation ideas and data products
  • Brainstorm additional external data that could be combined to increase value of these assets
  • Data ownership & use: giving consideration to legal ownership and appropriate use of data
  • Data privacy & confidentiality: safeguarding sensitive information, adhering to regulations related to data security across lifecycle
  • Liability concerns: providing consideration to potential problems due to inaccurate or regulated data distributed in the market place
  • Product management: building product mgmt. discipline, including cost, pricing and development
  • Infrastructure: ensuring necessary maturity of data mgmt. and technology infrastructure

Considerations for Data Valuation Framework

2-circle

“Who”

Who are the right target customers and strategic partners?

  • Identify likely buyers for proposed data products
  • Assess value proposition among identified customer segments. What decisions will be improved? What does data enable that is difficult or impossible today? How does this data enhance or simplify customer processes?
  • Identify potential sources of data and partners (potential distributors, collaborators who control complementary data)
3-circle

“How”

How do we build the right capabilities and business model?

  • Determine how to approach the market (distribution and sales strategy)
  • Define capabilities needed to win in the market (Sales, Product management, Operational support, Technology infrastructure)
  • Draft roadmap to operationalize data products and bring to market

Was“ umfasst eine Bestandsaufnahme der vorhandenen Datenbestände Ihrer Organisation und deren Verknüpfung mit den strategischen Optionen, die Sie haben. Sie sollten auch die Lücken berücksichtigen, die Sie in den Daten haben, und wie Sie diese schließen können.

„Welche“ Datenbestände haben Sie? Als notwendiger nächster Schritt bei der Bewertung einer Dateninvestition müssen Sie ermitteln, welche Datenbestände Ihnen zur Verfügung stehen und welche Lücken bestehen. Dabei kann es sich um Lücken in den Daten selbst oder in den für ihre Monetarisierung erforderlichen Fähigkeiten handeln. Machen Sie sich außerdem klar, über welche Datenkategorien Sie verfügen, da jede Datenkategorie unterschiedliche Verwendungszwecke und unterschiedliche Strukturebenen hat und daher einfach zu verwenden und zu monetarisieren ist.

Beim „Wer“ geht es darum, mögliche Anwendungsfälle weiterzuentwickeln, indem potenzielle Kunden für die Optionen identifiziert und das Wertversprechen erstellt werden. Dies kann intern ausgerichtet sein, um zusätzliche Einnahmen zu generieren bzw. die Kosten in Ihrem Unternehmen selbst zu senken, oder extern ausgerichtet sein, um wertvolle Daten zur Nutzung an andere zu verkaufen.

„Wie“ befasst sich mit der Frage der Umsetzung der Investition und den betrieblichen Änderungen, die möglicherweise erforderlich sind, um sie zu monetarisieren.

Bestätigen Sie die Optionen

Nach der Katalogisierung der Datenbestände geht es im nächsten Schritt darum, herauszufinden, ob diese Ihren strategischen Optionen ausreichend entsprechen, und die Anwendungsfälle weiterzuentwickeln.

Ein Großteil der Arbeit zur Identifizierung und Konkretisierung der Optionen und Anwendungsfälle wird durch Diskussionen und Primärforschung erfolgen. Wie bei traditionelleren Produkten sind Markterfahrung, das Verständnis von Branchentrends und der breiteren Stakeholder-Wertschöpfungskette der Schlüssel zur Entwicklung von Anwendungsfällen für Daten. Organisationen müssen Folgendes verstehen:

  • An wen Sie verkaufen möchten – Sie müssen umfassender denken, als Sie es vielleicht gewohnt sind. Potenzielle Kunden für Daten können in Ihrer Wertschöpfungskette vor- oder nachgelagert sein und sich möglicherweise auch eine oder mehrere Ebenen entfernt von Ihrem direkten Kunden- und Lieferantenstamm befinden. Identifizieren Sie Zielkunden und führen Sie detaillierte Kundeninterviews durch, um einen nachweisbaren potenziellen Wert zu ermitteln. Testen Sie die Wahrnehmung der Benutzer mit einer Reihe potenzieller Datenangebote. Endbenutzer unterscheiden sich deutlich in ihrem Grad der Komplexität der Datennutzung, und einige erkennen möglicherweise sofort den Wert der Rohdaten, während andere möglicherweise visuelle Beispiele für den Wert erhalten möchten, den die Daten bringen können. Bitten Sie potenzielle Kunden, den einzelnen Datensätzen und Kennzahlen ein Ranking zuzuordnen, das repräsentativ für ihre Gesamteinschätzung von Wert, Nutzen und Zahlungsbereitschaft ist.

  • Mit wem man konkurrieren kann – Die Wettbewerbslandschaft kann sehr unterschiedlich sein, wenn es um Datenbestände geht. Traditionelle Wettbewerber stellen möglicherweise eine geringere Bedrohung dar als flinke, disruptive neue Akteure, die es gewohnt sind, Daten auf innovative Weise zu nutzen. Sie müssen realistisch sein, ob ihre Daten wertvoll genug sind und ob sie über das entsprechende Talent verfügen (siehe „Wie“), um sie zu nutzen.

  • Mit wem Sie zusammenarbeiten sollten: Sich ausschließlich auf Ihre eigenen Daten zu verlassen, ist ein Ansatz, aber häufig lässt sich ein größerer Nutzen daraus ziehen, Daten aus den verschiedenen Ebenen zu kombinieren, um eine Reihe potenzieller Datenprodukte zu erstellen.

  • Welche Geschäftsmodelle – Der Schlüssel zum Erfolg ist es, im Voraus zu verstehen, welche Geschäftsmodelle in Ihrer Branche oder für Ihre strategische Option am besten funktionieren. Der Transport eines Modells, das in einer anderen angrenzenden Branche erfolgreich war, ist keine Erfolgsgarantie.
Loyalty Programs
  • Retail - exchanging purchase information for loyalty tracking (e.g., Starbucks, Walgreens)
Risk Based Management & Pricing
  • Telematics – identifying new data streams to inform pricing and preventing risk  
  • Insurance – data loss coverage
Data Services
  • Financial Data – providing custom indices to financial investors (e.g., MSCI Barra, Premise Data)
Intangible Assets/ Liabilities
  • Airlines – balancing frequent flyer liabilities, customer satisfaction and profit maximization (e.g., MileagePlus)
Information Exchanges
  • Payments Networks – facilitating the movement of money by managing related information (e.g., PayPal, Venmo, Square)
Entertainment
  • Online Games – games are created with information based goods, services and currency (e.g., Hasbro, Zynga)

Entwickeln Sie realistische Ziele für die Monetarisierung

An diesem Punkt beginnen viele Unternehmen damit, detaillierte Finanzprognosen zu erstellen, die zeigen, wie Umsatz und Gewinn wachsen werden und welche Preismodelle vorgeschlagen werden. Was aber, wenn das Monetarisierungspotenzial nicht wirklich groß ist oder Sie sich, was wahrscheinlicher ist, nicht sicher sind? Wie stellen Sie sicher, dass Ihre Investition und Ausführung im Einklang mit den Ertragsmöglichkeiten stehen?

  • Setzen Sie sich ein Ziel, das groß genug ist, um es zu verfolgen, und das Ihrer Meinung nach die Zeit und Mühe Ihrer Organisation wert ist.

  • Was wäre nötig, um dieses Ziel zu erreichen? Daten können auf verschiedene Weise kommerzialisiert werden: über Jahresabonnements, über Pay-per-Use, über die Entwicklung individueller Inhalte, über Forschungs- und Beratungsdienste und über die Entwicklung neuer Analysen.

  • Wie viele davon sind wirklich lebensfähig? Was sind die vergleichbaren Angebote Ihrer Mitbewerber und welche Preisstrukturen werden verwendet? Welches dieser Preismodelle ist für Sie am besten geeignet?

  • Was sind die 25. und 75. Perzentilschätzungen für die Einnahmen und wo liegt die Gewinnschwelle für die Option? Dies ist eine wichtige Überprüfung Ihrer geistigen Gesundheit und ermöglicht es Ihnen, andere zu konsultieren, das „wahrscheinlichste“ Ergebnis zu prüfen und zu verstehen, wie ein „mäßiger Erfolg“ in der Anfangsphase aussieht.

  • An diesem Punkt können Sie ein klares Verständnis dafür entwickeln, welche Investitionen Sie tätigen müssen, um die prognostizierten Einnahmen zu erzielen. Die Investitionen sollten mit Ihrer Geschäftsstrategie im Einklang stehen und Sie müssen im Voraus Geld für langweilige Dinge wie Datenintegrität, Datenverfügbarkeit, Servicelevel und Technologieinstallation ausgeben, die in den ersten paar Projekten, in die Sie investieren, möglicherweise keine Rendite bringen, aber wird Ihnen eine robuste Wachstumsplattform ermöglichen.

Testen, lernen und verfeinern

Da Sie nun realistische Umsatzziele haben, die mit Ihrer Geschäftsstrategie verknüpft sind, sollten Sie sich der Umsetzung zuwenden. Wenn Sie sich über die Chance, die sich Ihnen bietet, und Ihre Fähigkeit zur Umsetzung sicher sind, könnte dies funktionieren. Dies ist einfacher, wenn Sie bestehende Dienste verbessern, aber bei neuen Angeboten viel undurchsichtiger.

  • Heben Sie die Bereiche hervor, in denen Sie Ihrer Meinung nach versagen könnten, und erstellen Sie Testprozesse, um Ihre Fähigkeit zur Umsetzung zu bewerten. Werden Kunden beispielsweise wirklich zahlen? Haben Sie die Möglichkeit, rund um die Uhr Echtzeitdaten bereitzustellen? Wird Ihr Datenvertriebspartner wirklich motiviert sein, mit Ihnen zusammenzuarbeiten, oder wird er andere Prioritäten haben? Dies sind nur einige Fragen aus einer längeren Liste von Fragen, die darüber entscheiden, ob Ihre Daten wirklich kommerzialisiert werden können.

  • Erstellen Sie messbare Erfolgskriterien, anhand derer Sie feststellen können, ob Sie das Problem lösen können oder ob Sie noch etwas lernen können, das Ihnen dabei hilft, eine Entscheidung für „Gut/Nein“ zu treffen.

  • Implementieren Sie den Testprozess mit definierten Rollen und Verantwortlichkeiten für das Ausführungsteam. Die Ergebnisse können Ihnen dabei helfen, einen fundierteren Überblick darüber zu erhalten, ob Sie mit der Implementierung fortfahren, aufhören oder Änderungen an Ihrem Geschäftsmodell und/oder Ihrer Ausführung vornehmen müssen.

Skalieren Sie es


Im folgenden Diagramm haben wir die Bereiche aufgeführt, die Sie unserer Meinung nach bei der Planung der Größenordnungsphase der Investitionsoption im Detail berücksichtigen müssen. Sie fallen in drei Kategorien:

  • Kommerziell
  • Datenmanagement
  • Unterstützend

EXAMPLE: Data Management Capability Framework

Commercial

 

1-circle

Product Management

 

Pricing

 

2-circle-c

Data Sales

 

Client Service

 

Key Capabilities Required

  1. Product Management: Understanding target buyers and their information needs; designing the right product offerings to meet those needs
  2. Data Sales: Data-specific sales; selling data is typically very different from selling a firms’ existing products
  3. Ecosystem Management: Need to determine the right groups to partner with and the right partnership approach (e.g. trading)
  4. Distribution / Delivery (e.g. API Strategy): Real-time data delivery across a large ecosystem, leveraging open APIs to ease integration downstream and enable crosssell opportunities; APIs need to be useful, easy to use, and marketed properly
  5. Integration / Enrichment: Robust, real-time integration and enrichment capabilities are required to avoid errors and extensive manual intervention
  6. Analytics: The use of advanced analytics tools and algorithms (i.e. predictive analytics, machine learning) along with highly skilled staff can speed product development and create valuable insights
  7. Data Quality: Rigorous focus on data quality management is crucial to maintain product quality
  8. Governance: A sound data governance program is foundational to ensure business rules and controls are adhered to and processes are continuously improved, particularly if data sourced from multiple BUs
Data Management
 

Acquisition / Ingestion

double-right

5-circle

Integration & Enrichment

double-right

6-circle-c

Analytics

double-right

4-circle-c

Distribution

 
 
Workflow and Data Storage
 
  Public Data   Data Quality   Security  
             
Supporting
 

3-circle

Ecosystem Management

 

7-circle

Data Quality

 

Security

 
 

8-circle-c

Data Governance

 
Data Platforms and Infrastructure

Ihre Fähigkeit, den potenziellen Wert von Daten auszuschöpfen, hängt von der richtigen technischen Infrastruktur und den richtigen Managementprozessen sowie den richtigen Talenten ab. Eine ordnungsgemäß implementierte technische Infrastruktur sollte nicht nur Ihre grundlegende Fähigkeit zum Sammeln und Speichern von Daten unterstützen, sondern auch Ihre Fähigkeit, die Daten auf sichere Weise zu übertragen/zu teilen, die auch allen Branchen- oder Regierungsstandards entspricht. Auch die kurzfristige und langfristige Interoperabilität sollte berücksichtigt werden, ebenso wie die Möglichkeit, neue Datenlösungen oder Analysetools zu integrieren, die langfristigere Anwendungen ermöglichen.

Der Datenverwaltungsprozess umfasst drei Schlüsselphasen: Datenbeschaffung, Datenkonsolidierung und -speicherung sowie Datenverarbeitung und -export. In jeder Phase sind eine unterschiedliche technische Infrastruktur und Personalressourcen erforderlich, um eine robuste Datenarchitektur zu erstellen, die eine effektive Datenanalyse ermöglicht.

  Data source Data consolidation and storage Data processing and export

search

Description

• Data are generated and retrieved from internal or external sources. • Data are compiled and converted into a readable format, then loaded into a long-term or intermediate storage system. • Raw data are processed using a variety of tools to derive insights. Insights are exported to relevant stakeholders or sharing partners.

external-system-information-technology-outline-black-m-oki-orlando

Processes

• Data retrieval

• ETL (Extract-Transform-Load), ELT (Extract-Load-Transform)

• Data virtualisation

• Data governance, metadata management, materials management

• Data visualisation

• Data analytics:

o Statistical analysis

o Data mining

o Predictive analysis

• Machine-learning algorithms

servers-group

Technical Infrastructure

• Internal sources:

o Databases

o Sensors o File-based

o Data providers or organisers

• External sources:

o Data sharing agreements

o Open data sources

• Data warehouse (DW) o Traditional o Cloud

• Operational data store (ODS)

• Data mart (DM)

• Technical delivery mechanisms:

o File transfer

o API

o Platform

conference-call

Talent

• Source system application expert

• Data architect

• Data governance SME

• Security SME

• Business analyst

• Data engineer