Big Data schafft neue datengetriebene Geschäftsmodelle

No
21. Oktober 2014
Big Data ist in Unternehmen ein beherrschendes Thema. Die Diskussion wird derzeit sehr breit und vielschichtig geführt. Doch Big Data ist mehr als nur eine strukturierte Verarbeitung von „mehr Daten“. Es geht vielmehr um neue, datengetriebene Geschäftsmodelle. Um sicherzustellen, dass Unternehmensentscheider nicht aneinander vorbei reden, gilt es, in einem ersten Schritt ein gemeinsames Verständnis für Big Data zu schaffen. Steria Mummert Consulting hat eine viergeteilte Matrix entwickelt, die bei der Konkretisierung von Use Cases hilfreich ist.

Die eine „Killer-Applikation“ wird es nicht geben –  Big Data wird sich in branchenspezifischen Use Cases durchsetzen. Daher muss jedes Unternehmen vor dem Hintergrund des eigenen Marktansatzes seine „individuelle“ Killer-Anwendung identifizieren. Das Spektrum reicht von der Auswertung von Daten in sozialen Netzwerken, um frühzeitig Stimmungen und Meinungen gegenüber dem eigenen Unternehmen und dessen Angeboten zu erkennen, über die Analyse von Sensor-Daten mit der Zielsetzung, genauere Prognosen zu Wartungsbedarfen vorzunehmen, bis hin zur Nutzung von Geoinformationen, um Kunden mit Location Based Services an ihrem aktuellen Standort einen Mehrwert adressieren zu können. Dabei treten häufig sämtliche charakteristische Eigenschaften von Big Data zugleich auf, also ein hohes Datenvolumen, heterogene Datenformate und eine schnelle Analysegeschwindigkeit. Ein einheitliches Muster der bisherigen Anwendungen ist nicht zu erkennen.

Die Matrix von Steria Mummert Consulting schafft eine solche Generalisierung. Sie unterteilt Big-Data-Anwendungsfälle anhand der Dimensionen Analysegegenstand und Geschäftsmodell in vier Klassen:

1. In der ersten Klasse sind Anwendungen, die effizientere Prozesse und eine bessere Steuerung versprechen, wie beispielsweise durch Erhöhung der Prognosesicherheit für Abverkäufe, den Energieverbrauch sowie den Maschinenverschleiß oder durch GPS-basierte Logistiksteuerung.

2. Eine zweite Klasse bilden Anwendungen zur Massenindividualisierung. Auf Basis einer 360-Grad-Sicht auf Kundeneigenschaften und -verhalten kann beispielsweise die direkte Kundenansprache optimiert werden. Über Mass Customization lässt sich zudem der Prozess der Produkterstellung selbst so weit individualisieren, dass sich daraus neue Geschäftsmodelle ergeben können.

3. Eine dritte Klasse sind Big-Data-Anwendungsfälle, die aus vielen Meinungen unterschiedlicher Marktteilnehmer eine aggregierte Gesamteinschätzung ableiten. Dazu gehört beispielsweise die Analyse der Marken- oder Produktwahrnehmung im Internet.

4. Die vierte Klasse umfasst daneben Anwendungsfälle, die intelligente und neue Produkte ermöglichen – verbunden mit neuen Geschäftsmodellen. Dazu werden bis dato isolierte Datenquellen zusammengeführt, die auch von unterschiedlichen Marktplayern generiert und verwaltet werden können.