“Daten sind das neue Gold” sagt man in der Digitalbranche gerne. Amazon ist zwar der weltweit größte Online-Händler, aber in erster Linie eine Tech-Company, die massenhaft Daten sammelt und diese sehr geschickt nutzt, um ihr Business weiterzuentwickeln. Weitere bekannte Beispiele sind Google, Apple und Facebook. Doch Daten bieten auch ein großes Potenzial für kleine und mittelständische Unternehmen – gerade im Bereich B2B. In dieser Folge unserer Blog-Serie “Digitale Geschäftsmodelle” erklären wir, wie man diese Potenziale aufdeckt und wie man Daten in wertvolle Data Assets – Daten, die voraussichtlich zukünftige Umsätze generieren – umwandelt.

Datenmonetarisierung ist weit mehr als der Verkauf von Daten

Wie kann ich am einfachsten möglichst viele Daten sammeln? Wo speichere ich diese? Und wie setze ich meine Daten dann möglichst gewinnbringend ein? Oft beschäftigen sich Unternehmen zunächst mit Fragen wie diesen. Jedoch verfolgen viele Unternehmen noch keine konkreten Projekte zur Monetarisierung ihrer Daten. “Datenmonetarisierung” – was bedeutet das eigentlich genau? Die meisten werden wohl an den Verkauf von Rohdaten oder die Analyse von Daten als Serviceleistung denken. Gerade, wenn man im Besitz wertvoller Data Assets ist, kann sich dieses klassische Geschäft auch als sehr lohnend und sinnvoll erweisen. Jedoch zahlt es sich aus, weitere Möglichkeiten, die über den reinen Verkauf von Daten und Analysen hinausgehen, in Betracht zu ziehen. Wir zeigen verschiedene Wege “from Data to Value”.

Data Thinking – wie aus Daten ein Geschäftsmodell entsteht

Data Assets können beispielsweise genutzt werden, um interne Effizienzgewinne zu erzielen – oder um auf deren Basis völlig neue Geschäftsmodelle zu entwickeln. Besonders interessant ist dies, wenn ein Unternehmen über sehr einzigartige Data Assets verfügt, die kein anderes Unternehmen besitzt und die zugleich schwer zu kopieren sind. Nicht nur große Tech-Companies wie Amazon oder Google können hiervon profitieren. Auch viele Industrie-Unternehmen verfügen über eine Datenhistorie, die mehrere Jahre oder sogar Jahrzehnte zurückreicht. Ein Anwendungsfall ist hierbei die Predictive Maintenance: Mithilfe dieser gelingt es Unternehmen, auf Basis der Datenhistorie von Maschinen und Anlagen Vorhersagen über den optimalen Wartungszeitpunkt zu treffen.

Welche konkreten Maßnahmen kann ein Unternehmen treffen, wenn es seine Daten gewinnbringend nutzen möchte? Zurzeit werden in den meisten Unternehmen alle Daten aufbewahrt, sind jedoch typischerweise “Abfallprodukte” der digitalisierten Prozesse. Oftmals sind Unternehmen der Ansicht, dass alleine durch das Sammeln riesiger Datenmengen und anschließender Datenexploration potenzielle neue Geschäftsmodelle identifiziert werden könnten. Auf diese Weise werden die wirklich geschäftsrelevanten Anwendungsfälle jedoch gar nicht erst entdeckt. Die praktische Umsetzung eines neuen, datenbasierten Geschäftsmodells scheitert daher in vielen Fällen an einer unzureichenden Datenqualität oder einer zu niedrigen Akzeptanz bei den Nutzern. Wie kann man diese Fehler vermeiden und die wirklich erfolgreichen Geschäftsmodelle identifizieren?

“Wo will ich mit meinen Daten hin?”

Es macht durchaus Sinn, zunächst zu analysieren, welche Daten – vor allem einzigartige Data Assets – schon vorliegen. Unternehmen sollten sich aber gleichzeitig Gedanken machen, welche Daten zukünftig benötigt werden könnten. Dabei kommt es vor allem auf eine gezielte Daten-Strategie an, ein Unternehmen sollte sich also die folgende Frage stellen: “Wo will ich mit meinen Daten hin?” Hierbei hilft die Methode des Data Thinking, mit welcher Anwendungsfälle mit hoher Relevanz für das Business auf nutzerzentrierte Weise identifiziert werden. Erst wenn ein konkreter Anwendungsfall vorhanden ist, wird klar definiert, welche Daten in welcher Qualität benötigt werden. Durch eine Soll-/Ist-Analyse werden Lücken schon frühzeitig entdeckt und basierend auf den Ergebnissen aktiv neue Data Assets aufgebaut. Um die Akzeptanz der Kunden sicherzustellen, erfolgt die Umsetzung unter regelmäßigem Nutzerfeedback.

Durch Kooperation zum neuen Geschäftsmodell

Ein relevanter Trend, der aktuell im Zusammenhang mit datenbasierten Geschäftsmodellen vermehrt nachgefragt wird, ist das sogenannte “Daten-Pooling”. Bei diesem tauschen zwei Unternehmen ihre Data Assets aus, wodurch sie im Idealfall beide profitieren oder auch gemeinsam ein neues Geschäftsmodell aufbauen. Ein Beispiel hierfür sind BWM und Daimler, die ihre Tochtergesellschaften DriveNow und Car2Go im letzten Jahr zusammenlegten. Natürlich birgt der Austausch von Daten für Unternehmen Risiken – gleichzeitig aber auch ein sehr großes Potential. Hier schließen sich die folgenden Fragestellungen an: Wann macht es Sinn, mit einem anderen Unternehmen Daten auszutauschen? Inwieweit lässt sich dies datenschutzkonform umsetzen? Und wie sehen konkrete Geschäftsmodelle aus? Es handelt sich hierbei um ein neues, sehr breites Feld, in dem noch einige Fragen beantwortet werden müssen.

Kann man mit WLAN-Signalen Unwetter vorhersagen?

Eine Idee, die durch Data Thinking entstand und durch die Kooperation von mehreren Unternehmen in Zukunft realisiert werden könnte, ist das Anwendungsbeispiel “Wi-Fi for Rain”. Es handelt sich dabei um ein potentielles Geschäftsmodell, bei dem Wi-Fi-Dämpfungsdaten (Wi-Fi-Signale, die durch Regen gedämpft werden) großflächig dafür verwendet werden sollen, um den aktuellen Niederschlag zu messen. Diese Signale könnten dafür genutzt werden, um bessere Prognosemodelle für Starkregenereignisse zu entwickeln. Diese Informationen sind beispielsweise besonders in Bergbauregionen wie dem Ruhrgebiet entscheidend. Im Ruhrgbiet liegt fast ein Fünftel der Region durch den Bergbau unterhalb des Grundwasserspiegels und muss künstlich trocken gehalten werden. Gerade bei Starkregenereignissen ist hier der Einsatz von Pumpen unerlässlich – ohne diese wäre das Ruhrgebiet mittlerweile eine Seenplatte.

Die Idee, Wi-Fi-Dämpfungsdaten für die Bemessung des aktuellen Niederschlags zu verwenden, entstand bei einem Data Thinking-Workshop, der im Rahmen des Data Hub der Gründerallianz Ruhr stattfand. Dieser wird mit Unterstützung von Experten der Digitalberatung und Startup-Schmiede etventure koordiniert. Die ursprüngliche Fragestellung des Workshops war, wie man die Qualität der Wettervorhersage verbessern könnte. Ein Problem war beispielsweise die unzureichende Dichte von Sensoren. Schließlich entstand die Frage, welche anderen Sensorendaten man hierfür einsetzen könnte. Die Antwort? WLAN-Signale. Bislang ist dieses Geschäftsmodell noch experimenteller Natur und doch zeigt es, wie sich aus bislang “unscheinbaren” Daten sowie der Kooperation verschiedener Unternehmen ein hilfreicher Mehrwert für eine ganze Region schaffen lässt.

Du hast Fragen zum Thema Data Thinking und datengetriebene Geschäftsmodelle? Dann sprich uns gerne an. Wir begleiten euer Unternehmen in der Strategie und Umsetzung:

Mark Weimer-Hablitzel
Principal
Leiter des Data Hub der Gründerallianz Ruhr
gamechanger@etventure.com

Das könnte dich auch interessieren:

• Digitale Geschäftsmodelle 
• Digitale Wettbewerbsfähigkeit
• Innovationsmanagement
• Der Kunde im Fokus: 4 Digitaltrends für den Handel