integriert sein. Zur Definition von Geschäftsmodellen hat sich der Business Model Canvas (BMC) etabliert [Osterwalder & Pigneur 2010]. Der BMC hilft dem Anwender dabei, ausgehend von einer Value Proposition sowohl die notwendigen Partner, Aktivitäten und Ressourcen zu benennen, die zur Herstellung der Value Proposition erforderlich sind, als auch die notwendigen Kundenbeziehungen, Kanäle und Kundensegmente zu definieren, um Erlöse zu erzielen. Erste Begriffsdefinitionen zu datenzentrischen Geschäftsmodellen finden sich in [Tempich & Rieger 2007]. Eine Übersicht von Geschäftsmodellen auf Basis von Daten hat Laura Dorfer erstellt [Dorfer 2016].
Die Einordnung in Abbildung 4–3 zeigt, dass Datenprodukte in der Regel in ein datenzentrisches Geschäftsmodell eingebettet sind. Innerhalb der Organisation kümmert sich das Produktmanagement um die Definition der Value Propositions. Dazu greift man auf Methoden aus dem Lean Startup, der agilen Entwicklung und der Data Science zurück. Im Folgenden beschreiben wir, wie dies im Detail ablaufen kann.
Abb. 4–3 Datenprodukte im methodischen Schnittpunkt verschiedener Disziplinen
4.4Datenprodukte definieren
Durch die Verwendung des Produktbegriffs möchten wir hervorheben, dass in dem hier beschriebenen Vorgehen Daten dazu verwendet werden sollen, ein bestimmtes Problem zu lösen. Weiterhin gehen wir davon aus, dass dieses Problem nicht nur einmalig auftritt, das Produkt also mehrfach Verwendung findet. Unser Vorgehensmodell beinhaltet daher Methoden für die Definition des Problems, die Ableitung einer Value Proposition und die iterative Produkterstellung.
4.4.1Ideengenerierung für Datenprodukte entlang der Customer Journey
Zur systematischen Ableitung von Problemen bestimmter Nutzergruppen verwenden wir die Analyse der Wertschöpfungskette des Nutzers, auch Customer-Journey-Analyse genannt. Dabei gehen wir davon aus, dass wir Datenprodukte in einem bestimmten Kontext definieren wollen. Das Datenprodukt soll also nicht im luftleeren Raum entstehen, sondern es gibt Vorgaben zum Beispiel von der Unternehmensstrategie, dem Produkt, für das ein Datenprodukt entwickelt werden soll, oder den zur Verfügung stehenden Datendomänen. Wenn diese Voraussetzungen erfüllt sind, identifizieren wir im ersten Schritt die unterschiedlichen Nutzergruppen, die für unser Datenprodukt infrage kommen. Für diese Nutzergruppen stellen wir eine Abfolge an Schritten auf, die der Nutzer durchführt, um sein Ziel zu erreichen. Ausgangspunkt der Abfolge sollte dabei der Zeitpunkt sein, an dem das Bedürfnis entsteht. Endpunkt der Abfolge ist der Zeitpunkt, an dem das Ziel erreicht wurde.
Zur Illustration nutzen wir die Situation bei einem Marktplatz für Fahrzeuge. Der Kontext für die Identifikation eines Datenprodukts ist also das Fahrzeug und dessen Handel. Nutzergruppen einer solchen Plattform sind unter anderem die Besitzer, Händler und Käufer von Fahrzeugen, aber auch Finanzierungspartner, Versicherungen oder Werkstätten. Die Wertschöpfungskette eines Käufers könnte dann wie folgt modelliert werden: 1. Wunschentstehung, 2. Fahrzeugauswahl, 3. Kauf, 4. Nutzung, 5. Erhaltung und 6. Verkauf.
Für jeden Schritt analysiert man die Entscheidungsoptionen des Nutzers und deren Auswirkungen. Die Vielfalt der Möglichkeiten ist eine Indikation dafür, dass der Nutzer Informationen benötigt, um eine Entscheidung zu seinem Vorteil zu treffen. Je größer der Unterschied zwischen einer guten und schlechten Entscheidung für den Nutzer ist, desto mehr sind Informationen wert, die dem Nutzer dabei helfen, eine gute Entscheidung zu treffen. Aus Anbietersicht kann der Wert einer Information auch dadurch beeinflusst sein, wie häufig eine bestimmte Entscheidung getroffen wird. Entscheidungen, die einen kleinen individuellen Wert haben, dafür aber sehr oft getroffen werden müssen, können aus Anbietersicht interessanter sein als Entscheidungen, die zwar individuell sehr wertvoll sind, aber sehr selten fallen.
Bei der Fahrzeugauswahl möchte der potenzielle Käufer zum Beispiel wissen, ob der Preis für ein Fahrzeug angemessen in Bezug auf den Zustand des Fahrzeugs ist. Objektive Informationen bezüglich des Fahrzeugzustands sind daher wertvoll.
Aus der Analyse der Wertschöpfungskette ergeben sich Informationsbedürfnisse, die durch ein Datenprodukt gelöst werden könnten, und eine initiale Bewertung dieser Informationsbedürfnisse.
4.4.2Value Propositions von Datenprodukten
Im nächsten Schritt gilt es nun, ein Wertversprechen (Value Proposition) für die identifizierten Problemstellungen innerhalb der Wertschöpfungskette zu definieren. Dabei können die Wertversprechen von Datenprodukten in zwei Dimensionen beschrieben werden: als rationale und als soziale Komponente. Ein rational begründetes Wertversprechen unterstützt den Nutzer dabei, die objektiv beste Entscheidung zu treffen. Volkswirtschaftlich interpretiert man den Menschen hierbei als homo oeconomicus. Wir wissen aber aus der Verhaltensökonomie, dass Menschen auch andere Gesichtspunkte wichtig sind. Das Wertversprechen kann also auch sozial ausgelegt sein und Neugierde, soziale Interaktion oder Entertainment-Bedürfnisse ansprechen [Dorfer 2016].
In den meisten Fällen werden die unterschiedlichen Ausrichtungen des Wertversprechens kombiniert und an verschiedene Nutzergruppen angepasst, um ein Datenprodukt zu erstellen. Zum Beispiel kann man soziale Interaktion dazu nutzen, um Feedback zu der Qualität eines Datenprodukts zu bekommen.
Nehmen wir beispielsweise die Möglichkeit, die Verkaufsanzeige eines Fahrzeugs über einen Link an einen Freund weiterzuleiten. Diese soziale Interaktion kann dazu genutzt werden, die Fahrzeugempfehlung zu beeinflussen, wobei das Datenprodukt »Fahrzeugempfehlung« die Entscheidung für oder gegen ein Fahrzeug unterstützt und damit eher ein rational begründetes Wertversprechen hat.
Neben dieser kategorischen Unterscheidung kann zusätzlich die zeitliche Dimension zur Beschreibung des Wertversprechens herangezogen werden. Datenprodukte können ein Bedürfnis nach Informationen
aus der Vergangenheit,
der Gegenwart oder
der Zukunft
befriedigen.
Preisvergleichsportale bieten zum Beispiel historische Preisinformationen an oder versuchen, einen Preistrend für ein bestimmtes Produkt vorherzusagen, um daraus eine Warte- oder Kaufempfehlung abzuleiten.
Während die Wertschöpfungskettenanalyse Hinweise darauf gibt, welche Wertversprechen einen Mehrwert liefern könnten, unterstützt die Kategorisierung der Wertversprechen die Ideenfindung einer konkreten Problemlösung. Im Zusammenspiel der Wertversprechen und der Wertschöpfungskette kann sich dann auch ergeben, an welcher Stelle der Wertschöpfungskette ein Service beginnen bzw. enden sollte, um gegebenenfalls Daten für darauffolgende Schritte zu sammeln oder Feedback über das Nutzerverhalten einzuholen. Insbesondere auf das Design der Feedbackschleife gehen wir noch in einem späteren Abschnitt detailliert ein.
4.4.3Ziele und Messung
Im nächsten Schritt folgt die Ableitung einer messbaren Zielerreichungsgröße für das angestrebte Wertversprechen. In der Wertschöpfungskette wurden alle Schritte bis zur Erreichung eines bestimmten Ziels
