Data Management Digitalisierung

Data Product – Was ist das?

Data Product by user and function

Was ist ein Data Product? Data Products als bloße Monetarisierung von Daten für interne und externe Kunden einer Organisation zu beschreiben, würde zu kurz greifen – trifft allerdings den grundsätzlichen Gedanken. Ein Data Product ist ein Produkt, welches vornehmlich Daten nutzt, um einen Wertbeitrag zur Zielerreichung eines Unternehmens zu leisten. Das kann das Sammeln und Verkaufen von Nutzerdaten sein. Das kann aber auch die Bereitstellung von APIs auf einer gemeinsamen Plattform von Geschäftspartnern sein, um die Effizienz einzelner Prozesse zu verbessern (z.B. Austausch von Lagerbeständen für die Planung von Stücklisten bei Auftragsplanung).

Systematisierung Data Product

Funktionen und Funktionsumfang

Systematisieren wir Data Products nach Funktion bzw. Funktionsumfang:

  • Raw Data = Rohdaten sammeln und bereitstellen
  • Derived Data = Bereinigte und für spezifische Anwendungsfälle aufbereitete Daten bereitstellen
  • Algorithms = oder auch Machine Learning as a service – indem ML Algorithmen bspw. in Analytics Lösungen eingebunden werden, können technisch weniger versierte Anwender die Services einfacher nutzen und aus ihren Daten weiterführende Informationen und Erkenntnisse generieren.
  • Decision Support = den Anwendern werden aufwendig aufbereitete Daten, in effizient zu konsumierender Form, zur Verfügung gestellt, um bessere Entscheidungen zu treffen. Beispiel: spezifische Dashboards für sehr komplexe Fragestellungen und vorbereiteten Szenarien zur Entscheidungsunterstützung
  • Automated Decision Making = die Entscheidung wird automatisiert. Beispiel: Das Produkt zur dynamischen Preisempfehlung für den Vertrieb wird zur einer automatisierten Preisgestaltung im Buchungsportal weiterentwickelt.

Der Funktionsumfang eines Data Products ist über den Lebenszyklus hinweg nicht fix – der Verwendungszweck des Produkts wird weiterentwickelt. Data Products haben typischerweise sehr unterschiedliche Zielgruppen. Raw und Derived Data sind eher technisch-versierten, spezialisierten Entwicklern und Anwendern vorbehalten. Algorithmen und Decision Support Lösungen repräsentieren spezifische Aufgaben für erweiterte Fragestellung in Fachbereichen und reduzieren die Komplexität bei den Anwendern, wenn Nutzer sie als Service integrieren können – z.B. Customer Churn Prediction und Advanced Analytics Algorithmen, die in Business Reporting eingebunden sind.

Data Product by user and function
Data Product by functions and users

Interaktion und Nutzung:

Neben der Funktion spielt die Interaktion bzw Nutzung durch die Anwender eine wichtige Rolle bei der Systematisierung von Data Products. Nutzer von Data Products können die genannten Funktionen auf unterschiedliche Weisen konsumieren:

  • APIs = stellen die technischen Schnittstellen dar und werden überwiegend von technischen Nutzern verwendet. APIs können von technischen Usern verwendet werden, um neue Data Products zu entwickeln
  • Reports und Dashboards = Zielgruppe sind versierte Nutzer mit spezifischen Fragestellungen, denen Daten vor allem zur Entscheidungsunterstützung zur Verfügung gestellt werden
  • Services = Dienste und erweitere Funktionen stehen zur auch für nicht-versierte Nutzer oder nur gelegentliche Anwender zur Verfügung, um Arbeitsprozesse zu vereinfachen und (teil-) zu automatisieren. Beispiele reichen von dynamischen Preiskalkulationen zur Optimierung von Zimmerreservierungen, über spezifische Informationen für Kunden- und Serviceberater, die abgerufen werden, wenn ein Kunde anruft (z.B.: installierte Hardware, Customer Lifetime Value, Churn Prediction, passende Zusatzangebote)

Zusammenfassung

Data Products sind technische Produkte und keine IT Projekte! Berücksichtigt man diese (technischen) Besonderheiten bei Planung und Durchführung des Lebenszyklus der Produkte, können bestehende Geschäftsmodelle durch Data Products langfristig ergänzt und digitale Portfolio auf- und ausgebaut werden.

Das eigene Geschäftsmodell um Data Products erweitern?

1 Kommentar Neues Kommentar hinzufügen

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.