Daten als Schlüsselressource - Der Prozess zur datengetriebenen Geschäftsmodell­innovation

Durch die digitale Transformation, die in alle Branchen sichtbar ist, generieren und sammeln Unternehmen riesige Datenmengen. Zunehmend möchten Unternehmen diese Daten nicht bloß sammeln, sondern einen tatsächlichen Nutzen daraus ziehen. Um dieses Potenzial in Unternehmen zu erschließen, ist ein neuer Ansatz erforderlich.

Einige Unternehmen profitieren bereits von der Nutzung ihrer Daten. Die Mehrheit der Initiativen konzentriert sich allerdings noch auf die Optimierung interner Prozesse und Kosten, während die Potenziale der Daten zur Transformation bisheriger Geschäftsmodelle oft auf der Strecke bleiben. Dabei können mit Hilfe von Daten ganze Bestandteile von Geschäftsmodellen verschoben oder erweitert werden. Die Nutzung von Daten kann außerdem zu ganz neuartigen innovativen Geschäftsmodellen führen.

Neue Wege in eine nachhaltige und digitale Zukunft

Unternehmen sind nicht nur innovativ, wenn sie neue Produkte oder Dienstleistungen einführen, sondern auch, wenn sie neue Wege zur Wertschöpfung und -erfassung (Value Creation und Proposition) entwickeln. Ein ganzheitliches Innovationsmanagement befähigt hierbei Unternehmen, eine fortschrittliche und nachhaltige Zukunft zu schaffen, welche die digitale Transformation der Geschäftsmodelle fördert.

Der Weg dorthin ist im "data-driven business model innovation (DDBMI) process" von den KIT-Forschern Fabian Hunke, Stefan Seebacher und Ronny Schüritz entwickelt worden.Dieses Modell vereint die Bedarfe von datengetriebenen Geschäftsmodellen mit den Potenzialen des Innovationsmanagements.

Dabei baut das Modell auf zwei Layern auf – Prozessübersicht und Prozessinhalt. Das Prozessübersicht-Layer fokussiert sich auf den Prozessablauf und beschreibt die einzelnen Innovationsphasen, deren Inhalte und Outputs. Währenddessen stehen im Prozessinhalt die Organisation, die Daten und das Ökosystem im Vordergrund.

Im Folgenden werden wir die einzelnen Phasen mit den dazugehörigen Layern und Dimensionen des "data-driven business model innovation (DDBMI) process" näher beschreiben. Insgesamt gibt es sechs Phasen, die iterativ zu betrachten sind:

Phase 1: Mobilisierungsphase

Der Prozess startet mit der Mobilisierungsphase. Hier liegt der Fokus auf grundlegenden Aspekten und beinhaltet die Projektplanung, die Zusammenstellung des Projektteams sowie das Aufsetzen eines Projektes mit dem Ziel der Entwicklung einer datengetriebenen Geschäftsmodellinnovation.

Phase 2: Initiierungsphase

Ziel dieser Phase ist es, mittels Beobachtungen und Analysen ein Verständnis über den Status quo sowie einen Überblick über die Unternehmenssituation, Kundenbedürfnisse und Akteure sowie Technologien im Ökosystem zu entwickeln. Aus den analysierten Insights wird ein ganzheitliches Verständnis der Ist-Situation und der Herausforderungen generiert, auf Basis dessen die Ideationsphase stattfindet.

In der Initiierungsphase kommen zunächst die Dimensionen erstmalig ins Spiel. Hinsichtlich der Dimension „Organisation“ wird das aktuelle Geschäftsmodell des Unternehmens analysiert.

Neben der Analyse des aktuellen Geschäftsmodells werden das Data Inventory und dementsprechend die verfügbaren Datenquellen im Rahmen der Datendimension analysiert.

Auch die Dimension „Ökosystem“ wird anhand einer Umfeldanalyse bedacht. Die Analyse betrachtet und analysiert alle Akteure und Beziehungen des Unternehmens innerhalb des jeweiligen Ökosystems. Beispielsweise gilt es hier, Kunden, Partner, Konkurrenten und weitere Stakeholder zu identifizieren, die für das Unternehmen relevant sind. Wichtig ist auch hier die Analyse des Systemumfelds sowie der technologischen Basis des Ökosystems.

Phase 3: Ideationsphase

Nachdem in der Initiierungsphase der Fokus hauptsächlich auf der Beurteilung und Analyse der Ist-Situation lag, ist die Ideationsphase deutlich von einem kreativen Mindset geprägt. Das Ziel dieser Phase liegt in der Generierung von verschiedenen DDBM-Konzepten unter Berücksichtigung der verfügbaren Datenquellen sowie deren Qualität. Gemäß der Innovationssteuerung werden in dieser Phase auf Basis des Problem-Statements und der zuvor definierten Herausforderungen Ideen und somit Lösungsstrategien entwickelt. Das Ergebnis ist ein Solution Space, also ein Lösungsraum, der die Inhalte und das „WAS“ der jeweiligen Lösungen beinhaltet.

In Bezug auf den Prozessinhalt müssen hier zusätzlich zur Ideen- und/oder Geschäftsmodellentwicklung die technischen und rechtlichen Rahmenbedingungen (beispielsweise der Datenschutz) bei der Datennutzung beachtet werden. Hier müssen Entscheider überlegen, inwieweit das neue DDBM dem aktuellen Angebot des Unternehmens zugute kommt oder überlegen, ob es sinnvoll ist, ein völlig neues Angebot zu schaffen. Außerdem wird evaluiert, welche Rolle das Ökosystem für das jeweilige Geschäftsmodell spielen kann. Denn neben Wettbewerbsbeziehungen bietet das Ökosystem auch Potenzial für Kooperationen zwischen den einzelnen Akteuren und kann zur gemeinsamen Wertschöpfung führen.

Phase 4: Integrationsphase

In der Integrationsphase wird das DDBM weiterentwickelt und anhand der Teilschritte „Prototyping“, „Testen“ und „Verfeinern“ verbessert und angepasst. Diese Phase zielt dabei darauf ab, die Akzeptanz und Funktionsfähigkeit der Lösungsstrategien anhand von (Low- und High-Fidelity) Prototypen zu erforschen und zu optimieren. Hier gilt der aus dem Design Thinking bekannte Leitsatz „Fail often, fail early“ – sodass in den iterativen Schritten ein abgestimmtes Konzept entstehen kann.

Das weitere Vorgehen, letztendlich hin zur Realisierung, ist die Risikobewertung hinsichtlich des DDBMs. Je früher Risiken (wie etwa fehlende Kompetenzen der Mitarbeitenden, Datenintegrität, etc.) erkannt werden, desto höher ist die Chance für eine erfolgreiche Realisierung. Auch sollten die involvierten Datentransferprozesse (hier: Data Mapping) beleuchtet werden, um eine reibungslose Nutzung der Daten zu gewährleisten. In Zuge dessen ist es auch wichtig, das DDBM anhand externer Einflüsse zu bewerten – beispielsweise hinsichtlich rechtlicher und regulatorischer Bedingungen – um gegebenenfalls die Geschäftsmodellinnovation anzupassen.

Phase 5: Realisierungsphase

Die Realisierungsphase fokussiert sich auf die Operationalisierung sowie schlussendlich auf die Markteinführung der DDBMI. Im ersten Schritt der Realisierungsphase muss sichergestellt werden, dass die Transformation und das dazugehörige Change Management gut geplant sind. Hierzu zählen eine ganzheitliche Aufklärung sowie das Onboarding und Training der beteiligten Akteure. Dies dient dazu, Silo-Mentalitäten zu unterbinden und eine kompatible, innovationsfördernde Unternehmensphilosophie zu etablieren. Für die Operationalisierung ist der Product-Market-Fit zu betrachten. Darüber hinaus muss daran gedacht werden, das Konzept zu testen und gegebenenfalls zu adaptieren.

Phase 6: Administrationsphase

Die sechste und damit letzte Phase des DDBMI-Prozesses zielt auf die Verwaltung des DDBMI ab. Nach der Markteinführung liegt der Fokus hier auf der Dokumentation der Best Pracitices und der Lessons Learned während des Prozesses. Diese können langfristig dabei helfen, den Prozess für weitere DDBMI zu verbessern und anzupassen, um somit nachhaltige Innovationen zu fördern. Außerdem befasst sich diese Phase mit der kontinuierlichen Bewertung des neuen geschaffenen DDBMI und Ökosystems. Ziel ist es, interne und externe Einflüsse der DDBMI frühzeitig zu erkennen und das Geschäftsmodell gegebenenfalls anpassen zu können.

Fazit

Um euch eine Idee zu geben, wie Unternehmen Daten als Schlüsselressource in ihr Tagesgeschäft sowie in ihre Geschäftsstrategie integrieren können, haben wir euch das DDBMI-Prozessmodell vorgestellt. Wie ihr gesehen habt, erlaubt das Modell einen ganzheitlichen Blick auf Geschäftsmodelle und integriert dabei daten- und innovationspezifische Aspekte.

Stellen Daten in eurem Unternehmen schon eine Schlüsselressource, getreu dem Motto „Data ist the new Oil“, dar? Oder wollt ihr mehr über Daten und Innovationsmanagement erfahren? Sprecht uns an! Wir freuen uns auf den Austausch sowie eure Erfahrungen und unterstützen euch gern bei allen Herausforderungen.

Ihr möchtet mehr zu spannenden Themen aus dem Data-and-Analytics-Bereich bei adesso erfahren? Dann werft auch einen Blick auf unsere Webseite. In unseren bisher erschienenen Blog-Beiträgen findet ihr weitere spannende Themen aus der adesso-Welt.