Von der Kosten- auf die Umsatzseite

So werden aus Daten Produkte

Dr. Christoph Tempich

inovex GmbH Online, 15.03.2018

http://www.software-innovation-bridge.com/webinare-events/konferenz-datenhightechmenschen/neu-beschreibung/

Produkt …

2Quelle: Airbus, 2011.

oder Datenprodukt?

3Quelle: R2 Data Lab, 2018.

4

Weit verbreites Phänomen: „Datenprodukte“

5Quelle: inovex Case Study Recommendations bei mobile.de, Big Data – AI summit, 2018.

Datenprodukte @ inovexDeutschlands größter Fahrzeugmarkt

Kundenvorteile

› Interesse

› Inspiration

› Relevanz

Geschäftsvorteile

› Höhere Click-Through-Rate

› Niedrigere Exit- & Bounce-Rates

6

Definition von Datenprodukten

7

Datenprodukte: Typen

Data as a ServiceData-enhanced

ProductsData as Insights

Typ 1 Typ 2 Typ 3

› Autonomes Fahren› Wetterdaten › Marketingplanung

Quelle: Blog inovex: Datenprodukte erklärt, 2017.

8

Wie findet man Datenprodukte?

9

Ideengenerierung

1. Vorhandene Daten anschauen2. Vorhandene Prozesse anschauen3. In Schnittpunkten Ideen generieren

1. Kunden-Jobs analysieren2. Entscheidungen definieren3. Ideen für Jobs mit hoher

Unsicherheit generieren

Aus Datensicht Aus Kundensicht

10https://www.inovex.de/blog/datenprodukte-5-erfolgsfaktoren-machen-den-unterschied/

Ein

Datenprodukt

löst einKundenproblem

Technologie

Feedback Loop

Erfolgsfaktoren

11

Wann löst ein Datenprodukt ein Kundenproblem?

12Bildnachweis: https://www.colourbox.de; Quelle: https://www.inovex.de/blog/design-sprint-datenprodukte/

Value Chain AnalyseBeispiel: Turnschuh

Entscheidung für Sport

Laufen

Auswahl eines Schuhs

TrainingsplanStrecken-auswahl

Laufen Ausruhen

Customer Jobs

13Quelle: © diego cervo - Fotolia.com, https://www.stern.de/nido, Bauknecht

Informationswert = weniger UnsicherheitBeispiel: Waschmaschinenkauf

Welche Waschmaschine benötige ich?

Schlechter Fall

Bester Fall

Informations-beschaffung

Kauf

14Quelle: https://www.inovex.de/blog/erfolgreiche-datenprodukte-finden-nur-glueck-oder-geht-das-mit-system/

Stakeholder VarianzBeispiel: Turnschuh

Entscheidung für Sport

Laufen

Auswahl eines Schuhs

TrainingsplanStrecken-auswahl

Laufen Ausruhen

Stakeholder:Nutzer

Best case:• Steigerung

Ausdauer• Gewichtsmgmt.

• Performance-Gewinn

• Spaß

• Kontinuierliche Steigerung

• Motivierend • Trainings-fördernd

• Trainings-fördernd

Worst case:• Herzinfarkt • Kaputte Gelenke • Keine Steigerung

• Zu Anstrengend• Demotivierend • Demotivierend • Kein Trainingserfolg

Ext

rem

pu

nk

te a

ls

Ind

ika

tor

für

Va

ria

nz

Customer Jobs

15

Wie zahlt der Kunde?

16

MonetarisierungsstrategienTyp 1: Data-as-a-Service Typ 2: Enhanced

Umsatz entspricht den zusätzlich verkauften Produkten

Mehrwert = ∆Umsatz

Einfluss-faktoren

Wert-treiber

‣ Per Item

‣ Freemium

‣ Flat Access

▸ Geld▸ Transaktions-

daten▸ Tauschdaten

‣ #Attribute

‣ Frische

‣ Qualität

‣ Zugriffszeit

‣ Historie

‣ Referenzierbarkeit

Geschäfts-modell

Zahlungs-mittel

17Quelle: Stahl, F., Löser, A. & Vossen, G., (2015). Preismodelle für Datenmarktplätze. Informatik-Spektrum

PreisbildungIt‘s still Day One! (Jeff Bezos)

Public domain Cost based Market based Value based

› Geo-Daten

› Daten, die durch öffentliche Gelder erhoben wurden

› Bsp: Linked Open Data, Copernicus Open Access Hub

› Rohdaten von Sensoren

› Bsp: mdm-portal, data.iota.org, Uniserv MDM, Informatica(DaaS)

› Marketing-Daten

› Personenspezifische Daten

› Bsp: Datasift, data.com, adsquare, q-dx, schober

› Kundenspezifische Datenprodukte

› Preis am Mehrwert für den Kunden orientieren

› Indikation: Varianz-verringerung

› Bsp: Optionspreise

18

Systematisierung

19Quelle: Data Value Matrix

Data Value Matrix

VerbessertgleichenDienst

Verbessertanderen

Dienst

Maschinelles Lernen

Aggregation

mobile.deUser Profiles

Airbus / Rolls RoyesPredictive Maintenance

mobile.deRecommenderTesla

Fleet Learning

GoogleFluWetter.online

Wetterdaten

Stiftung WarentestTestergebnisse

Google AssistantSpracherkennung

UniservAdressbereinigung

20

Roadmap

Data Product Management

Customer Situation

Data ProductIdeas

ValueProposition

USP

Analyse derCustomer Journey› Unsicherheit reduzieren

› Informationen liefern wie man vom schlechten zum Besten Fall kommt

Testen der Value Proposition› Rational

› Sozial

Optimierung desProduktes› Feedback Loop einbauen

› Optimierung des Algorithmus

Quelle: https://www.mindtheproduct.com/2018/02/fundamentals-building-better-data-products/

Product Manager

Data Scientist

Data Engineer

UI/UX

Dev

Vielen Dank

inovex GmbHLudwig-Erhard-Allee 676131 KarlsruheWeitere Standorte: Hamburg, Köln, München, Stuttgart

Dr. Christoph Tempich@ctempich

www.datenprodukte.deblog.inovex.dewww.inovex.de