Seit Jahren reden wir über Digitalisierung und die unendlichen Möglichkeiten von neuen Geschäftsmodellen.
Doch ehrlich gesagt sprechen die Fakten eine andere Sprache:
-
- 90 Prozent der Daten sind im 21. Jahrhundert immer noch ungenutzt.
- Gut 50 Prozent des Mittelstandes haben sich der Gestaltung von digitalen Geschäftsmodellen noch gar nicht angenommen.
- Nur ein geringer Prozentsatz der Konzerne entwickelt überhaupt neue Geschäftsfelder.
Auf der anderen Seite zeigen wir mit dem Finger auf Amazon und wie sie alle heißen, wenn sie aus ihren Daten neues Business machen. Auf welche Digitalisierung warten Unternehmen denn noch? Es wird vorerst keine andere geben.
Fakt ist: Unternehmen, die in der Lage sind, aus Daten Mehrwerte zu generieren, werden künftig erfolgreich sein. Es stellt sich die Frage: Warum lassen so viele Unternehmen Potentiale für Wachstum einfach links liegen, anstatt aus ihren Stärken neue datengetriebene Geschäftsfelder zu entwickeln?
Daten sind Kein Nischen-Projekt
Es ist kein Geheimnis: Überall im Unternehmen und im Markt fallen Daten an, denn diese befinden sich in einem komplexen Netzwerk. Datenprojekte starten meistens mit hohen Erwartungen an schnelle Erfolge. Die Enttäuschung ist groß, wenn es nicht in kürzester Zeit sprudelnde Geschäfts-modelle gibt.
Doch wo liegt das Problem? Es ist ohne Frage für die Unternehmen herausfordernd, eine KI-Kompetenz aufzubauen und Data Science Know-how auszubauen. Dabei strömen permanent technologische und Marktentwicklungen auf das Unternehmen ein, die es zu managen gilt. Meist liegt die Verantwortung dafür bei kleinen Projekteinheiten oder gar bei Einzelnen, zum Beispiel:
-
- Externe Berater werden in Filialen gesandt, um zu ermitteln, welche Daten überhaupt vorhanden sind und in welcher Qualität.
- Abteilungen diskutieren darüber, wer intern die Hoheit über die Daten hat, und geben diese für Anwendungsbereiche nicht frei.
- Es werden bereits Technologien für SaaS-Produkte (Software as a Service) definiert, ohne Einsatzgebiete zu haben oder den Kundennutzen zu kennen.
- Software-Anwendungen werden einfach eingekauft. Dabei wird nicht hinterfragt, ob hybride Anwendungen nicht sinnvoller sind, als sich in komplexe Anwendungen einzuschließen, wenn erste Projekte starten und man daraus lernen möchte.
- Es wird von datengetriebenen Geschäftsmodellen gesprochen und man tauscht sich nur mit Data-Analysten und Entwicklern aus. Es fehlen Product Owner, UX Designer u. a.
Wie also können Sie aus Daten einen echten Mehrwert generieren?
Fakt ist: Unternehmen, die in der Lage sind, aus Daten Mehrwerte zu generieren, werden künftig erfolgreich sein.
Schritt 1: Mit einer Bestandsaufnahme verschaffen Sie sich einen Überblick
Betrachten Sie in einer Data-Journey-Analyse, welche Daten aktuell wo bei der Nutzung Ihrer Produkte oder Services gewonnen werden. Entdecken Sie Daten, die nebenbei anfallen? Orientieren Sie sich an einem Service Blueprint und schauen Sie, wie Ihr Datenmanagement in Datenqualität und -verarbeitung ist. Welche Technologien setzen Sie ein und wie schützen Sie die Daten? Wie gestaltet sich der ganzheitliche Prozess? Und wer hat intern oder extern Zugriff auf die Daten?
Betrachten Sie in einer Data-Journey-Analyse, welche Daten aktuell wo bei der Nutzung Ihrer Produkte oder Services gewonnen werden. Entdecken Sie Daten, die nebenbei anfallen? Orientieren Sie sich an einem Service Blueprint und schauen Sie, wie Ihr Datenmanagement in Datenqualität und -verarbeitung ist. Welche Technologien setzen Sie ein und wie schützen Sie die Daten? Wie gestaltet sich der ganzheitliche Prozess? Und wer hat intern oder extern Zugriff auf die Daten?
Schritt 2: Ein Überblick ist noch keine Strategie
Nehmen Sie sich jetzt die Zeit für die Entwicklung einer Daten-Strategie. Wie soll Ihr Weg zu einem Data-driven Unternehmen aussehen, was ist Ihre Vision, was können Geschäftsmodelle sein? Und welche Einflüsse haben Kunden- oder Lieferantenbedürfnisse und technologische Trends?
Hier können Sie verschiedene Innovationsmethoden wie Explore Modul oder Business Model Canvas aus Sicht der Daten anwenden. Praxiserprobte Experten können Sie bei der Entwicklung Ihres Zielbildes unterstützen.
Schritt 3: Jetzt geht’s in die Umsetzung
Gehen Sie nun in die Definition von Use Cases. Widerstehen Sie dabei der Versuchung, zuerst die Technologie festzulegen. Wenn Sie nicht nur „Prozessoptimierungen“ vornehmen wollen, dann liegt das Potential in neuen Services oder SaaS-Produkten. Denken Sie hier aus der Sicht Ihrer Kunden(potentiale), sonst sind Ihre Use Cases nur Papierleichen. Aus den Use Cases entdecken Sie die Anwendungsmöglichkeiten für selbstlernende KI-Systeme – von komplexen Datenanalysen über Empfehlungsanwendungen und SaaS bis zu neuen Geschäftsmodellen. Unternehmen wie OTTO, Amazon oder Dürr machen es vor.
Gehen Sie nun in die Definition von Use Cases. Widerstehen Sie dabei der Versuchung, zuerst die Technologie festzulegen. Wenn Sie nicht nur „Prozessoptimierungen“ vornehmen wollen, dann liegt das Potential in neuen Services oder SaaS-Produkten. Denken Sie hier aus der Sicht Ihrer Kunden(potentiale), sonst sind Ihre Use Cases nur Papierleichen. Aus den Use Cases entdecken Sie die Anwendungsmöglichkeiten für selbstlernende KI-Systeme – von komplexen Datenanalysen über Empfehlungsanwendungen und SaaS bis zu neuen Geschäftsmodellen. Unternehmen wie OTTO, Amazon oder Dürr machen es vor.
Von der Kundensicht zur technischen Umsetzung
Es gilt, eine zukunftsfähige, belastbare und sichere IT-Systemlandschaft zu entwickeln. Denn die besten Use Cases bringen Ihnen nichts, wenn sie nicht skalierbar sind. Sie benötigen eine IT-Systemlandschaft, die nicht nur einen reibungslosen Betrieb sicherstellt, sondern auch kundenzentrierte Prozesse und kontinuierliche Optimierung erlaubt. Das gilt besonders dann, wenn Sie Ihre Datenprodukte oder -plattformen weiterentwickeln. Es gibt eine Vielzahl von marktfähigen, ausgerollten Systemanwendungen im Angebot. Holen Sie sich unabhängige Experten zur Bewertung von Technologien und Software-Anwendungen ins Haus.
Es gilt, eine zukunftsfähige, belastbare und sichere IT-Systemlandschaft zu entwickeln. Denn die besten Use Cases bringen Ihnen nichts, wenn sie nicht skalierbar sind. Sie benötigen eine IT-Systemlandschaft, die nicht nur einen reibungslosen Betrieb sicherstellt, sondern auch kundenzentrierte Prozesse und kontinuierliche Optimierung erlaubt. Das gilt besonders dann, wenn Sie Ihre Datenprodukte oder -plattformen weiterentwickeln. Es gibt eine Vielzahl von marktfähigen, ausgerollten Systemanwendungen im Angebot. Holen Sie sich unabhängige Experten zur Bewertung von Technologien und Software-Anwendungen ins Haus.
Keine Produkte ohne Ihre Mitarbeiter*innen
Über die verschiedenen Phasen sind verschiedene Rollen aktiv bzw. aktiver. Wenn Sie den Weg zu einem Data-driven Unternehmen gehen möchten, ist es wichtig, Ihre Kompetenzen von Beginn an zusammenzubringen statt sie in Silos zu belassen. Es geht darum, sich gegenseitige zu verstehen und voneinander zu lernen. Datenkompetenz zu entwickeln heißt, sie erlernbar und transparent sowie verständlich zu machen. Bringen Sie Ihre Strategen, Product Owner und UX-Designer mit Ihren Data-Analysten, Machine Learning Engineers und Entwicklern sowie Security Managern zusammen.
In diesem interdisziplinären Zusammenarbeiten erkennen Sie nicht nur gemeinsam die Potentiale für neue Produkte und Services, sondern sind auch in der Lage, schnell Ihre Prozesse anzupassen. So legen Unternehmen die Basis, um ihre datengetriebenen Geschäftsmodelle in Richtung Netzwerk-Ökonomie zu denken.
Die Quintessenz: Digitalisierung ist wie ein überdimensionierter Spielzeugladen. Mit Kinderaugen schauen wir uns darin um, wir wollen alles sofort haben. Doch Digitalisierung ist nicht „eben mal“ umgesetzt. Damit sie langfristig wirkt, muss sie gut gestaltet werden. Also mein Rat: Lassen Sie Ihre Daten nicht einfach links liegen. Beginnen Sie jetzt und gestalten Sie Ihre Potentiale und Ihr Unternehmen.
