Kommentar von Mashood Ahmad und Thorsten Warnecke, Camelot Management Consultants Data Marketplaces – die nächste Evolutionsstufe der digitalen Transformation

Von Mashood Ahmad und Thorsten Warnecke

Anbieter zum Thema

Neue Datenarchitekturen sind ein zentrales Thema in der Weiterentwicklung datengetriebener Unternehmen. Viele wenden sich dabei von einer monolithisch gestalteten Datenarchitektur ab und implementieren dezentralisierte oder föderal gestaltete Architekturen. Für welche Art der Gestaltung sich Unternehmen auch entscheiden, das Ziel ist es, die Zeit von Datenverfügbarkeit bis Erkenntnisgewinn zu verkürzen und diese Möglichkeit einem breiteren Anwenderkreis zu ermöglichen. Doch was erwartet Unternehmen danach?

Roadmap für eine erfolgreiche Strategie zur Datenmonetarisierung
Roadmap für eine erfolgreiche Strategie zur Datenmonetarisierung
(Bild: Camelot Management Consultants)

Festzustellen ist, dass Unternehmen, die diesen Reifegrad der Digitalisierung erreicht haben, gleichzeitig zentralisierte sowie dezentralisierte Elemente in ihrer Datenarchitektur aufweisen. Zu den dezentralen Elementen gehören die Verteilung von Verantwortung auf neu gestaltete Domänen und/oder Teams. Zu den zentralisierten Elementen gehört ein singulärer Einstiegspunkt bei der Suche nach relevanten Daten und Datenprodukten, der Single Point of Access. Technologisch wird er durch Datenkataloge abgebildet.

Business User folgen bei der Exploration von Daten und Datenprodukten im Datenkatalog dem Self-Service-Prinzip. Die zugrundeliegende Datenplattform muss dafür agiles Arbeiten unterstützen, sodass neue Use Cases zügig umgesetzt werden können. Zudem sind Prozesse so zu gestalten, dass bei weiterem Wachstum des Unternehmens keine Flaschenhälse entstehen. Ist der Umbau der Datenarchitektur in Bezug auf das Datenproduktmanagement verbunden mit einer adäquaten Data Governance im eigenen Unternehmen abgeschlossen, kann der nächste Schritt folgen: Datenprodukte außerhalb des eigenen Unternehmens, vorrangig im eigenen Ökosystem, anzubieten.

Datenprodukte auf Datenmarktplätzen anbieten

Datenprodukte im eigenen Ökosystem zu teilen und von anderen geteilte Datenprodukte im eigenen Unternehmen erfolgreich einzusetzen, erfordert keine weitere Umstrukturierung der Datenarchitektur. Der existierende Datenkatalog kann zu einer Datenmarktplatzlösung weiterentwickelt oder eine externe Datenmarktplatzlösung implementiert werden. Ebenso ist die Teilnahme an einem Datenmarktplatz von Drittanbietern denkbar; bringt jedoch Intermediäre ins Spiel. Das Agieren auf dem Datenmarktplatz stellt in jedem Fall eine inkrementelle Business-Model-Innovation dar.

Datenprodukte werden monetär bewertet und mit externen Partnern geteilt. Das generiert zusätzliche monetäre Rückflüsse und die Kosten für das Anbinden von neuen Daten(quellen), die Aufbereitung, Transformation, Analyse sowie Einbindung von Datenprodukten in Entscheidungsprozesse können auf eine weitere Kundengruppe verteilt werden: die Datenkäufer. Datenkäufer sind – beim Teilen von Datenprodukten im eigenen Ökosystem – Partner in der eigenen Value Chain, die mit den Datenprodukten ebenfalls ihre Prozesse und/oder Entscheidungsfähigkeiten verbessern.

Das Bereitstellen von Datenprodukten im eigenen Ökosystem erzeugt mehrere wirtschaftlich positive Effekte. Für die bereits vorhandene Kundenbasis ergibt sich eine Verringerung des Preises für das Endprodukt oder die Dienstleistung, denn die Datenkäufer tragen durch ihren Kauf der Datenprodukte einen Teil der Entstehungskosten, was durch die geringeren Stückkosten letztlich die Wettbewerbsfähigkeit erhöht. Weiterhin entsteht durch die neue Kundengruppe eine Diversifizierung der monetären Rückflüsse und ebenso eine Risikominimierung. Das Teilen der Daten mit Partnern im eigenen Ökosystem stärkt zudem die gesamte Value Chain und dadurch die Wettbewerbsposition.

Datenprodukte und Metadaten: ein Teamplay

Um zu verstehen, wie Datenmarkplätze funktionieren, ist zunächst ein Verständnis für Datenprodukte und Metadaten notwendig. Datenprodukte sind Datensätze, die spezifische Fragestellungen beantworten. Beispiele sind Trenderkennung der Nachfrage nach einem speziellen Produkt auf Basis von saisonalen Effekten, Veränderungen von Preisen und Quantitäten in Abhängigkeit von Bestellzeitpunkten oder Auslastung von Transportkapazitäten in Abhängigkeit von Verfügbarkeit und Urlaubszeiten von LKW-FahrerInnen. Datenprodukte sind daher nicht „einfach nur“ Datensätze, die miteinander verknüpft sind, sondern beantworten komplexe Fragen, die für eine Geschäftstätigkeit wichtig sind. Datenprodukte sind so reichhaltig bzw. spezifisch, sodass sie für die Einbindung in Entscheidungsfindung keine weitere oder kaum Transformation benötigen. In diesen Fällen können sie entweder direkt visualisiert oder mit anderen Daten zusammengeführt werden, um beispielsweise KI-Modelle anzureichern.

Die Auffindbarkeit von Datenprodukten wird in Datenmarktplätzen wie auch in Datenkatalogen durch Metadaten realisiert. Metadaten können Informationen zu Datentyp/-format, die Besitzrechte, Erstellungsdatum, Änderungsdatum, Version, Nutzungsrechte und weitere Informationen zu den Datenprodukten sein. Diese Informationen werden von Datenproduktherstellern bereits für die interne Nutzung gepflegt. Für die Datenproduktkäufer sind zusätzlich weitere Aspekte und Attribute notwendig.

Käufer von Datenprodukten benötigen zusätzliche Metadaten wie Datenqualitätswerte, ausgedrückt durch KPIs, Sicherheitspolicen wie Sensitivität und Verwertungsrechte, Aktualisierungsraten, die Zugriffsart usw. Die wichtigsten Metadaten sind dabei diejenigen, die die Qualität von Datenprodukten beschreiben. Die Faustregel ist: Je besser die Metadatenqualität und je präziser die Beschreibung des Datenprodukts, desto mehr Vertrauen kann das Datenprodukt für Käufer ausstrahlen. Ist für einen potenziellen Käufer nicht eindeutig, welchen Mehrwert das Datenprodukt liefern soll, ist der Kaufanreiz gering, weshalb der (Meta-)Datenqualität eine hohe Bedeutung zukommt.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Monetarisierung von Datenprodukten

Datenprodukte können, zum Beispiel als Teil der Partnerstrategie eines Unternehmens, kostenlos bereitgestellt werden. Ist eine Monetarisierung angestrebt, gibt es verschiedene Bezahlmodelle für Datenprodukte: Einmalkäufe, Freemium-Modelle und Abonnements.

Einmalkäufe und Abonnements erklären sich von selbst. In einem Freemium-Modell gibt es zwei Varianten:

  • Datenprodukte werden kostenfrei, jedoch zeitlich befristet, zur Verwendung bereitgestellt. Dafür eignen sich besonders Daten mit einer hohen Aktualisierungs- und Änderungsrate.
  • In Datenprodukten werden bestimmte Informationen eingeschränkt, wie beispielsweise die Tiefe oder Höhe von Trendausschlägen, was sich besonders für statische oder nur langsam ändernde Daten eignet.

Ein Freemium-Modell kann eine geeignete Angebotsvariante sein, wenn Kunden trotz vermeintlich hoher Datenproduktqualität zurückhaltend sind. Die „eingeschränkten“ Datenprodukte geben Datenkäufern Einblick in den Wert der Datenprodukte. Um die zeitliche Befristung aufzuheben oder die Datenprodukte zu vervollständigen, muss das Datenprodukt erworben werden.

Der Datenmarktplatz: Preisfindung

Was den Austausch von Datenprodukten zu einem richtigen Business Model macht, ist die Preisfindung. Hierbei können zwei wesentliche Arten unterschieden werden.

Die erste Art ist die kostenbasierte Preisfindung. Sie orientiert sich beispielsweise an den Entstehungskosten, die sich durch die Speicherung, Bereinigung und Transformation von Rohdaten in verkaufsfähige Datenprodukte ergeben. Zu diesen Kosten wird ein Gewinnzuschlag addiert, den das anbietende Unternehmen anstrebt – genau wie bei klassischen Produktverkäufen.

Die zweite Art ist die wertbasierte Preisfindung. Sie orientiert sich an einem möglichen Business-Wert, der durch das Datenprodukt erzeugt werden kann. Das kann beispielsweise ein effizienter funktionierender Algorithmus sein, mit dem Unternehmensentscheidungen wesentlich präziser getroffen werden können.

Unabhängig davon, welche Art der Preisfindung genutzt wird, muss das Datenprodukt einem potenziellen Datenkäufer (Mehr-)Wert versprechen und liefern.

Das Rennen ist eröffnet

Die genannten Aspekte machen das Agieren auf Datenmarktplätzen zu einem interessanten Thema – wenn auch mit Herausforderungen. Datenmarktplätze werden in der weiteren digitalen Transformation von Unternehmen eine wichtige Rolle spielen und wesentlich die Wettbewerbsfähigkeit von Unternehmen sowie ihrer gesamten Value Chain beeinflussen. Daher stellen Datenmarktplätze eine Thematik dar, mit der sich Unternehmen aktiv beschäftigen sollten. Der kommerzielle Vertrieb von Datenprodukten wird bereits von Vorreitern erprobt. Die Verteilung von Marktanteilen zwischen diversen Markplätzen ist noch nicht final entschieden, denn noch ist nicht eindeutig, ob alle oder zumindest die meisten Anbieter von Datenkatalogen sich zu Datenmarktplatzanbietern weiterentwickeln werden oder ob ganz neue Player auf den Markt treten. Das Rennen ist jedoch bereits eröffnet.

Die Autoren

Mashood Ahmad
Mashood Ahmad
(Bild: Camelot Management Consultants)

Mashood Ahmad ist Consultant und Doktorand. Bei Camelot Management Consultants berät er international agierende Unternehmen zu neuen Datenmanagementkonzepten und begleitet sie in ihrer Transformation. In seiner Doktorarbeit beschäftigt er sich mit dem Thema „Innovationskultur in der digitalen Welt“.

Kontakt: mahm@camelot-mc.com




Thorsten Warnecke
Thorsten Warnecke
(Bild: www.andreasschlote.de)

Thorsten Warnecke unterstützt Kunden in Data-&-Analytics-Projekten bei der Transformation zu datengestützten Entscheidungskulturen. Er leitet die Analytics Einheit bei Camelot Management Consultants.

Kontakt: twar@camelot-mc.com

Artikelfiles und Artikellinks

(ID:48746356)