52
Stufe 3 – Verbessern:
Zusätzlich lassen sich
bestehende Geschäftsmodelle und Dienst-
leistungen durch neue Daten und Analysen
verbessern
. Reiseunternehmen können bei-
spielweise durch die Integration detaillierter
Wetterprognosen sowohl ihre Marketingaktivi-
täten verbessern, als auch die Auslastung ihrer
Urlaubsangebote optimieren.
Stufe 4 – Disrupt:
Der anspruchsvollste Digi-
talisierungsansatz zielt darauf ab, auf Basis
der gezielten Erschließung, Vernetzung und
Analyse neuer digitaler Datenbestände, neue
(digitale) Produkte/Services zu erschaffen.
Diese dienen häufig als Grundlage neuer Ge-
schäftsmodelle.
Kurzporträt: ICV Fachkreis BI/Big Data
und Controlling
Der
Fachkreis BI/Big Data und Con-
trolling
ist als Netzwerk organisiert. Die
Partner setzen sich aus Anwendern und
Anbietern renommierter Unternehmen
sowie Wissenschaftlern zusammen.
Strategischer Partner des Fachkreises ist
das Institut für Business Intelligence (IBI)
der Steinbeis Hochschule Berlin. Mit sei-
ner Arbeit möchte der Fachkreis regel-
mäßig über Trends und neue Entwicklun-
gen informieren sowie Anstöße und Ideen
für eine innovative Weiterentwicklung des
Controllings geben. Der Wissenstransfer
erfolgt mit Partnern im Rahmen von Aus-
und Weiterbildungsangeboten. Darüber
hinaus wurde in Kooperation mit der
Hochschule Ludwigshafen das Business
Innovation Lab („Digitale Probierstube“)
eingerichtet.
arbeitskreise/bi-big-data-und-cont-
rolling.html
auf der einen Seite und Daten/Analytik auf der
anderen Seite zunimmt, können diese Ansätze
auch als Stufenmodell verstanden werden.
Stufe 1 – Optimieren:
Die Auswertung bereits
existierender Datenbestände kann für die Opti-
mierung bestehender Geschäftsprozesse und
-modelle einen sehr großen Mehrwert liefern.
Für viele Unternehmen bietet sich dieser Ansatz
daher als Einstieg an.
Ziel ist es, die unter-
nehmenseigenen Datenbestände besser zu
nutzen.
Beispielsweise lassen sich wertvolle
Rückschlüsse aus den Wechselwirkungen des
tatsächlichen Kauf- und des Online-Verhaltens
von Kunden ziehen. Sinnvoll ist es oft auch, die
zugrundeliegende IT-Infrastruktur zu optimie-
ren, um das Speichern, Verarbeiten, Analysie-
ren und Nutzbarmachen immer größerer Da-
tenmengen zu bewerkstelligen. Gerade in gro-
ßen Unternehmen ist es häufig unerlässlich,
große Bestandteile alter Datenpools in neue
Formate und Speichersysteme zu überführen
und sie mit anderen Informationen zu vernet-
zen, um sie schnell und flexibel analysieren zu
können.
Stufe 2 – Monetarisieren:
In vielen Unterneh-
men
stellen bestehende Datenbestände ei-
nen noch nicht gehobenen Schatz dar
. Un-
ter Beachtung bestehender rechtlicher Rah-
menbedingungen lassen sich mit bereits exis-
tierenden Daten neue Geschäftsmodelle oder
(digitale) Produkte kreieren, die direkt an inter-
essierte Unternehmen oder über Datenmarkt-
plätze verkauft werden können. Beispiele sind
die anonymisierte Auswertung von Nutzer- und
Standortdaten von Smartphone-Usern zur Opti-
mierung von lokalisierten Diensten und ortsbe-
zogener Werbung oder der Weiterverkauf von
aggregierten Transaktionsdaten und Nutzungs-
profilen durch Kreditkartenfirmen. Zunehmend
vermarkten auch Einzelhandelsunternehmen
anonymisierte Transaktionsdaten an ihre Liefe-
ranten aus dem Umfeld der Konsumgüter- und
Lifestyle-Industrie.
lierung neuer Geschäftsmodelle oder zur Etab-
lierung ganzer Ecosysteme befindet sich bei
„traditionellen“ Unternehmen noch am Anfang.
Völlig anders stellt sich die Situation in informa-
tionsbasierten Industrien dar. Das Zusammen-
spiel in- und externer Informationsstrukturen,
z. B. auf Basis von Cloud-Diensten, spielt dabei
eine zentrale Rolle (Seufert/Bernhardt 2011).
Informationen und Analytik werden intensiv für
die Etablierung neuer disruptiver Geschäftsmo-
delle, die Transformation ganzer Branchen so-
wie die Steuerung umfassender Ecosysteme
eingesetzt. Diese Unternehmen weiten ihre Tä-
tigkeitsfelder kontinuierlich aus und konkurrie-
ren zunehmend mit Unternehmen in „traditio-
nellen“ Branchen.
Auch wenn das Konzept einer integrierten infor-
mationsbasierten, analytischen Unternehmens-
steuerung seit vielen Jahren diskutiert wird, be-
findet sich eine nicht unerhebliche Anzahl von
Unternehmen immer noch auf den Stufen 1 und
2. Die Herausforderungen für Unternehmen be-
stehen aktuell darin, völlig neuartige Verfahren
und Anwendungsmöglichkeiten hinsichtlich der
Erschließung und Vernetzung neuer Daten-
grundlagen und der Nutzung fortschrittlicher
Analyse-Methoden (Shmueli & Koppius 2011),
(Seufert 2012) für sich nutzbar zu machen,
ohne die bekannten Fehler aus den frühen BI-
Reifegradphasen zu wiederholen.
Ansatzpunkte für Geschäftspotentiale
Obwohl viele Unternehmen sich im Umfeld der
Data Economy noch mit eher grundsätzlichen
Problemen auseinandersetzen, beginnen sie
die Auswirkungen der zunehmenden Digitali-
sierung auf ihre Produkte, Wertketten und Ge-
schäftsmodelle zu erkennen. Daten/Informatio-
nen i. V. m. der entsprechenden Analytik können
dabei grundsätzlich für unterschiedliche Ziele
eingesetzt werden. Da die Komplexität hinsicht-
lich betriebswirtschaftlicher Fragestellungen
Abb. 5: Marktvolumen „Datability“ (in Anlehnung an Bitkom 2015, geänderte Darstellung)
Information als strategische Ressource
