Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
ENTWICKLUNG EINES METHODISCHEN BAUKASTENS ZUR GESTALTUNG VON BIG DATA DIENSTLEISTUNGEN
Fabian Hunke und Stefan Seebacher
Business Analytics and Information Systems
Servitisierung ermöglicht den gemeinsamen Werterstellungsprozess mit dem Kunden – Möglichkeit für höhere Margen und Differenzierung
13.10.20172
Produkt Anwendung
Um Vielfacheshöhere Marge
... dies ist auch im industriellen Umfeld zu beobachten
13.10.20173
Produkt Anwendung
Um Vielfacheshöhere Marge
Source: Rolls-Royce
“Traditioneller” Ansatz “Power by the hour” – Ansatz
Die Servitisierung alleine sichert jedoch keinen Wettbewerbsvorteil
Source: L. Kart, N. Heudecker, and F. Buytendijk, “Survey Analysis : Big Data Adoption in 2013 Shows Substance Behind the Hype.” Gartner, 2013. A. Neely, “Exploring the financial consequences of the servitization of manufacturing” 2009
Anteil servitisierter Industrie-Unternehmen
Servitisierung ist der führende Trend in
Europa bzgl. zusätzlicher Wertschöpfung
und Wettbewerbsdifferenzierung
Dieser Wandel hat bereits weite Teile der
Weltwirtschaft erreicht.
Beobachtungen
Diagramm1
MalaysiaMalaysia
SingaporeSingapore
SpainSpain
FinlandFinland
United StatesUnited States
SwedenSweden
South AfricaSouth Africa
AustriaAustria
ThailandThailand
NetherlandsNetherlands
GermanyGermany
Hong KongHong Kong
United KingdomUnited Kingdom
AustraliaAustralia
VietnamVietnam
SwitzerlandSwitzerland
FranceFrance
JapanJapan
BelgiumBelgium
IndonesiaIndonesia
TaiwanTaiwan
IndiaIndia
Russian FederationRussian Federation
ChinaChina
% Servitized in 2007
% Servitized in 2013
45.64
53
49.21
51
25.84
48.5
52.69
47
58.57
45.5
27.45
44
0
41
14.49
41
20.09
39
40.34
38
29.4
38
0
37
25.49
35.3
22.7
35
0
35
27.74
33
18.85
31.5
11.64
30.5
37.66
29.5
15.29
29
26.9
27
0
25
0
24.5
0.97
14.5
Sheet1
% Servitized in 2007% Servitized in 2013
Malaysia45.6453
Singapore49.2151
Spain25.8448.5
Finland52.6947
United States58.5745.5
Sweden27.4544
South Africa041
Austria14.4941
Thailand20.0939
Netherlands40.3438
Germany29.438
Hong Kong037
United Kingdom25.4935.3
Australia22.735
Vietnam035
Switzerland27.7433
France18.8531.5
Japan11.6430.5
Belgium37.6629.5
Indonesia15.2929
Taiwan26.927
India025
Russian Federation024.5
China0.9714.5
Das stetig zunehmende Datenvolumen bietet neue Chancen für strategische Wettbewerbsvorteile
13.10.20175
Zunehmendes Datenvolumen Eingeschränkte Datennutzung in Dienstleistungen
Der wissenschaftliche Fokus lag bisher auf den technischen Aspekten: Daten-Aggregation
Daten-Speicherung
Daten-Analyse
Daten-Visualisierung
Datenbasierte Geschäftsmodelle sind im deutschen Mittelstand nur begrenzt anzufinden
0
10000
20000
30000
40000
2005 2010 2012 2015 2020
Prognose der jährlich generierten digitalen Datenmenge weltweit Volumen in Exabyte; Quelle Statista
BigDieMo: Unterstützung des deutschen Mittelstandes bei der schrittweisen Gestaltung von datenbasierten Dienstleistungen durch einen methodischen Baukasten
Das BigDieMo-Projekt
13.10.20176
Projektteam
Umsetzungspartner
Interessenten
Eine enge Zusammenarbeit mit den Umsetzungspartnern sichert die Praxisrelevanz des Projektes
13.10.20177
DatenbasiertesGeschäftsmodell
DerzeitigesGeschäftsmodell
Workshop & Interview Runde 1
Workshop & Interview Runde 2
AP1 Typisierung
AP3 Baukastenentwicklung
AP2 Innovationsbedarfe AP4 Erprobung
AP5 FinalisierungIterativ
Der Projektablauf
8 13.10.2017Schüritz, R. and G. Satzger. (2016). “Patterns of Data-Infused Business Model Innovation.” In: IEEE 18th Conference on Business Informatics (CBI). Paris.
Welcher Mehrwert kann angeboten werden?
Wie werden Ressourceneingesetzt, um Mehrwert anzubieten?
Wie wird der erzeugte Mehrwert in (finanzielle) Vergütung umgewandelt?
Value Proposition
Value Creation Value Capturing
Wie können Daten das Geschäftsmodell verändern?
Es existieren unterschiedliche Transformationsoptionen für den Einsatz von Daten in Geschäftsmodellen
13.10.20179
Value Proposition
Value Capturing
Value Creation
Frühzeitige Erkennung von Ausschuss bei der Stahl-produktion durch Sensoren
Value Proposition
Value Capturing
Value Creation
Value Proposition
Value Capturing
Value Creation
Value Proposition
Value Capturing
Value Creation
Value Proposition
Value Capturing
Value Creation
Preisdifferenzierung basierend auf dem Kundenstandort
Nutzungsabhängige Versicherung für den Fernverkehr
Sensor-basierte Überwachung und Anpassung des Treibstoffverbrauchs
Bereitstellung geografischer und demografischer Daten von
Mobilfunkkunden
Schüritz, R. and G. Satzger. (2016). “Patterns of Data-Infused Business Model Innovation.” In: IEEE 18th Conference on Business Informatics (CBI). Paris.
55% 20%
3% 5%
17%
Wie sehen die Startmöglichkeiten für die Entwicklung datenbasierter Geschäftsmodelle aus?
13.10.201710
Optimierung der vorhandenen Value
Proposition mit Daten
Ermittlung einer neuartigen Value
Proposition
Idee für neuartige Value Proposition schon vorhanden
A
BC
Zwar ist die technische Umsetzung des datenbasierten Services eine Herausforderung, jedoch ist dieser Prozessschritt nicht der wichtigste.
Die Ideation Phase ist ein wesentlicher Bestandteil des Baukastens, da diese Phase eine zentrale Herausforderung bei der Erstellung von datenbasierten Lösungen darstellt.
Innerhalb des Geschäftsmodell-Entwicklungsprozesses unterstützt der BigDieMo-Baukasten insbesondere bei der Ideenfindung
13.10.201711
Initiation2
Ideation3
Integration4
Realization5
Explore, observe
Deduct insights
Generate ideas
Deduct solutions
Prototype, test & refine
Change mgmt.,Test & adaptSolution GM alignment
Data-need fit Product-market fit BM fitProblem-solution fit
Solution space
Identified Challenges
Aligned solution
Opportunity space
Market introduction
Methodischer Baukasten
Hunke, F., S. Seebacher, R. Schüritz and A. Ihli (2017). “Towards a Process Model for Data-Driven Business Model Innovation.” In: IEEE 19th Conference on Business Informatics (CBI). Thesaloniki.
Überblick der Baukasten Tools
13.10.201712
Data-Infused Value Proposition Key ActivitiesKey Resources
Channels Revenue Model
Der BigDieMo-Baukasten kann durch seinen modularen Aufbau eine Hilfestellung für alle Entwicklungsstartpunkte liefern
13.10.201713
Value Proposition
Value Creation
Value Capturing
Channels Revenue Models
Key Resources Key Activities
Data-Infused Value Proposition
Data-Infused Value Proposition
Adressat Pains & Gains Lösung Technologie & Daten PartnerWem soll eine daten-basierte Lösung angeboten werden?
Welche Pains & Gains hat der Adressat der daten-basierten Lösung?
Welche daten-basierteLösung soll angeboten werden?
Welche Technologie und Daten werden genutzt?
Wer ist außerhalb der Organisation beteiligt?
Kundennutzen Alleinstellungsmerkmal
Was ist der Kundennutzen der daten-basierten Lösung? Was ist das Alleinstellungsmerkmal der daten-basierten Lösung?
Data-Infused Value Proposition
14
1 2 3 4
6 7
5
Kundenperspektive Unternehmensperspektive
Data-Infused Value Proposition
Adressat Pains & Gains Lösung Technologie & Daten PartnerWem soll eine daten-basierte Lösung angeboten werden?
Welche Pains & Gains hat der Adressat der daten-basierten Lösung?
Welche daten-basierteLösung soll angeboten werden?
Welche Technologie und Daten werden genutzt?
Wer ist außerhalb der Organisation beteiligt?
Kundennutzen Alleinstellungsmerkmal
Was ist der Kundennutzen der daten-basierten Lösung? Was ist das Alleinstellungsmerkmal der daten-basierten Lösung?
Data-Infused Value Proposition – Am Beispiel Rolls Royce
15
1 2 3 4
6 7
5
Kundenperspektive UnternehmensperspektiveVersicherungs-unternehmen
Die Projektergebnisse werden über unterschiedliche Kanäle der Öffentlichkeit zugänglich gemacht
13.10.201716
Wissenschaftliche Publikationen
Praxishandbuch
Praxis-handbuch
Praxis-Handbuch zur Anleitung einer selbstständigen Anwendung des BigDieMo Baukasten und dessen Tools
Verfügbar ab Ende 2018
“Patterns of Data-Infused Business Modell Innovation" “Revenue Models for Data-Driven Services” “How to Cultivate Analytics Capabilities within an Organization?” “Datatization as the Next Frontier of Servitization”
Reihe an Smart Service Broschüren Erste Ausgabe im Mai 2017 erschienen Näheres unter www.bigdiemo.de
Broschüren & Website
13.10.201717
Fabian HunkeKarlsruhe Service Research [email protected]
Stefan SeebacherKarlsruhe Service Research [email protected]
Vielen Dank für Ihre Aufmerksamkeit!
13.10.201718
Backup
Schlüsselressourcen
13.10.201725
Interne turnusmäßige Daten Daten im Besitz Ihrer Organisation zu regelmäßigen
Zeitpunkten aktualisiert
Interne kontinuierliche Daten Daten im Besitz Ihrer Organisation in einem
kontinuierlichen Stream
Externe turnusmäßige Daten Daten im Besitz Dritter zu regelmäßigen
Zeitpunkten aktualisiert
Externe kontinuierliche Daten Daten im Besitz Dritter in einem kontinuierlichen
Stream
Welche Daten sind in Ihrer Organisation bereits verfügbar?Welche Daten könnten Sie durch die Nutzung Ihrer Produkte oder Dienstleistungen erfassen?Welche Daten können Ihre Nutzer bereitstellen?
Welche Daten können Ihre Partner bereitstellen?Welche offene Daten sind zugänglich?Welche Daten können Sie aus dem Internet extrahieren?Welche Daten lassen sich erwerben?
Data-Infused Value Proposition
Adressat Pains & Gains Lösung Technologie & Daten PartnerWem soll eine daten-basierte Lösung angeboten werden?
Welche Pains & Gains hat der Adressat der daten-basierten Lösung?
Welche daten-basierteLösung soll angeboten werden?
Welche Technologie und Daten werden genutzt?
Wer ist außerhalb der Organisation beteiligt?
Kundennutzen Alleinstellungsmerkmal
Was ist der Kundennutzen der daten-basierten Lösung? Was ist das Alleinstellungsmerkmal der daten-basierten Lösung?
Data-Infused Value Proposition
26
1 2 3 4
6 7
5
Kundenperspektive Unternehmensperspektive
13.10.201727
Key Activities – Am Beispiel Rolls Royce
Welche Daten können vom Kunden genutzt werden?
Wie müssen die Datenzusammengeführt werden?
Können Daten direkt beim Kunden vorverarbeitet werden? Wenn ja,
wie?
Kann das Data Mining beim Kunden geschehen? Welche
Aufgaben kann der Kunde übernehmen?
Kann die Auswertung der Ergebnisse beim Kunden erfolgen?
Wenn ja, wie?
Welche Daten können intern generiert werden?
Wie müssen die Datenzusammengeführt werden?
Können Daten intern vorverarbeitet werden? Welche Skills besitzt das Unternehmen?
Kann das Data Mining intern geschehen? Welche Data Mining Skills besitzt das Unternehmen?
Wie kann die Auswertung der Ergebnisse intern durchgeführt
werden?
Welche Daten können vonPartnern genutzt werden?
Wie müssen die Datenzusammengeführt werden?
Können Partner die Daten für uns vorverarbeiten? Wenn ja, wie?
Kann das Data Mining mit Hilfe von Partnern erfolgen? Welche
Aufgaben kann der Partner übernehmen?
Kann die Auswertung der Ergebnisse mit Hilfe von Partnern
erfolgen? Wenn ja, wie?
Part
ner
Unt
erne
hmen
Kund
e
Datenvorbereitung Data Mining InterpretationDatensammlung Datenorganisation
Part
ner
Unt
erne
hmen
Kund
e
13.10.201728
Phasen
Kana
lart
en
1. Aufmerksamkeit 2. Bewertung 3. Kauf 4. Bereitstellung 5. Erbringung
Wie werden Kunden auf die datenbasierte Dienstleistung aufmerksam?
• Website• Messeauftritt • Katalog • … • …• …
Wie werden Kunden bei der Bewertung unterstützt?
• Vertriebsmitarbeiter• Hotline • Website • Chat • Onlinetool • Katalog• Konfigurator • … • …• …
Über welche Wege können Kunden die datenbasierte Dienstleistung erwerben?
• Onlineshop (des Kunden)
• Vertrieb• Bestellhotline • Vertriebspartner • … • …• …
Wie kommen die Kunden an die diedatenbasierte Dienstleistung?
• Physischer Versand• License Key • Download • Appstore• Physisches Interface
(z.B. Tablet) • … • …• …
Wie wird die datenbasierte Dienstleistung nach dem Kauf erbracht?
• App • Cloud Lösung• Serverlösung • … • …• …
Quelle: in Anlehnung an Osterwalder, A., & Pigneur, Y. (2010)
Kanäle
Erlösmodelle – eine Entscheidungshilfe
13.10.201729
Abonnement Nutzungs-gebührProvision / Beteiligung
Erduldung von Werbung
Kauf und Verkauf von Daten
Bezahlung mit Daten
Bes
chre
ibun
g
• Kunde zahlt periodisches Entgelt für die Nutzung
• Gestaltung des Entgelts auf Basis von Datenmengen(Volume-Restriction) oder Menge an Accounts (Access-Restriction)
• Kunde bezahlt entsprechend der Nutzungshäufigkeit des Services
• Serviceverbessert Prozesse beim Kunden
• Kunde bezahlt einen Anteil (prozentual oder fest) seines Umsatzes als Entgelt
• Nutzung des Servicesverbunden mit der Erduldung personalisierter Werbung
• Informationen über Kunden locken zahlende Dienstleister an (Datenmarktplatz)
• MehrereKundengruppenvorhanden
• Kundegruppe 1 zahlt mit eigenen Daten für die Nutzung
• Kundendaten werden weiterverarbeitet und als neuer Service per Abo/ Nutzungsgebühr an Kundengruppe 2 verkauft
Vora
usse
tzun
g • Kontinuierliche Sammlung/ Verarbeitung von Daten
• Aktualität der Daten wichtig
• Aktualität der Daten wichtig
• WahrgenommenerNutzen des Kunden nimmt zu je häufiger der Service in Anspruch genommen wird
• Erfolg/ Leistungdes Services messbar
• Kundenprofilewerden erstellt
• Werbung kann im Angebot geschaltet werden
• Daten können gesammelt werden
• Analyse der Daten ergibt neue Erkenntnisse
• Kundendaten können gesammelt werden
• Skalierbare und sich wiederholendeTransaktionen
Um
setz
ung
Entwicklung eines methodischen Baukastens zur Gestaltung von Big data DienstleistungenServitisierung ermöglicht den gemeinsamen Werterstellungsprozess mit dem Kunden – Möglichkeit für höhere Margen und Differenzierung�... dies ist auch im industriellen Umfeld zu beobachtenDie Servitisierung alleine sichert jedoch keinen WettbewerbsvorteilDas stetig zunehmende Datenvolumen bietet neue Chancen für strategische WettbewerbsvorteileDas BigDieMo-ProjektEine enge Zusammenarbeit mit den Umsetzungspartnern sichert die Praxisrelevanz des ProjektesWie können Daten das Geschäftsmodell verändern?Es existieren unterschiedliche Transformationsoptionen für den Einsatz von Daten in GeschäftsmodellenWie sehen die Startmöglichkeiten für die Entwicklung datenbasierter Geschäftsmodelle aus?Innerhalb des Geschäftsmodell-Entwicklungsprozesses unterstützt der BigDieMo-Baukasten insbesondere bei der IdeenfindungÜberblick der Baukasten ToolsDer BigDieMo-Baukasten kann durch seinen modularen Aufbau eine Hilfestellung für alle Entwicklungsstartpunkte liefernData-Infused Value PropositionData-Infused Value Proposition – Am Beispiel Rolls Royce Die Projektergebnisse werden über unterschiedliche Kanäle der Öffentlichkeit zugänglich gemachtFoliennummer 17Foliennummer 18SchlüsselressourcenData-Infused Value PropositionKey Activities – Am Beispiel Rolls RoyceFoliennummer 28Erlösmodelle – eine Entscheidungshilfe