Startups und Konzerne haben auf den ersten Blick wenig gemeinsam. Doch wenn es darum geht, datengetriebene Produkte und Geschäftsmodelle zu entwickeln, stehen sie vor derselben Herausforderung: es fehlen (die richtigen) Daten.
Startups haben zu Beginn ihrer Geschäftstätigkeit meist überhaupt keine proprietären Daten und sind auf öffentliche Daten angewiesen. Es fehlt ihnen damit ein verteidigbares Alleinstellungsmerkmal.
Etablierte Unternehmen verfügen dagegen über Unmengen an Daten, die sie beispielsweise in Data Lakes ablegen. Doch für ein erfolgreiches Produkt braucht es nicht Big Data, sondern “Relevant Data”, also die relevanten Daten. Und diese Daten im riesigen Datensee zu identifizieren, gleicht oftmals der Suche nach der Nadel im Heuhaufen.
Nur mit den richtigen Daten in ausreichender Menge, Tiefe und Qualität können beispielsweise mittels maschinellen Lernverfahren präzise Vorhersagemodelle erstellt werden. Die Vorhersagegenauigkeit hängt dabei oft direkt von der Datenmenge ab.
Die Methode des Datenstrategie-Designs kann helfen, um zu bestimmen, welche Daten tatsächlich für die Entwicklung und den Betrieb eines Produkts benötigt werden und wie diese Daten gewonnen werden können. Am Beispiel einer fiktiven Anwendung für die Vorhersage der Auslastung von Kinosälen demonstriert die folgende (englischsprachige) Präsentation von Datentreiber Martin Szugat, wie sich mit Datenstrategie-Design visuell und einfach datengetriebene Produkte mit hohen Erfolgschancen entwerfen lassen:
Zur Anwendung kommen dabei die Canvas Geschäftsmodell/ -fall, Datenstrategie und Datenlandschaft. In seinem Vortrag stellt Martin Szugat außerdem das Konzept der Data Traps und der Data Network Effects vor und erklärt den Unterschied zwischen Data Products und Data-Driven Products. Der Vortrag fand auf dem Product Tank Munich #12 statt.
Sie planen die Entwicklung eines eigenen datengetriebenen bzw. analytischen Produkts und haben Fragen? Gerne unterstützen wir Sie mit Rat und Tat im Rahmen unserer Datenstrategie-Beratung.
