Digital Transformation Blog

Digital Transformation Blog

Opinions expressed on this blog reflect the writer’s views and not the position of the Capgemini Group

Die silberne Kugel für erfolgreiche datengetriebene Geschäftsmodelle …

… hätten wir auch gerne und findet sich in diesem Beitrag jedenfalls nicht. Vielmehr möchten wir unsere Beobachtungen teilen, wie es zahlreichen unserer Kunden gelang, einzelne analytische Anwendungsfälle in ein datengetriebenes Geschäftsmodell zu skalieren und so zu Digital Champions zu werden.

Jetzt vermutet der Leser das Aufzählen von Start-Ups und Nischenanbietern, die innerhalb weniger Jahre zu weltbekannten Marken heranwuchsen indem sie die Umwälzungen der digitalen Transformation für sich nutzten. Alternativ zählen Unternehmensberater an dieser Stelle gerne sogenannte Referenzprojekte oder Success Stories auf. Selbstverständlich spricht nichts dagegen, von anderen Branchen oder Mitbewerbern zu lernen. Es sei jedoch ausdrücklich vom Kopieren gewarnt, da derartig motivierte Projekte in der Umsetzung meist einen ‚me-too‘ Charakter bekommen und isolierte Initiativen bleiben. Die Aufgabe, vor der unsere Kunden stehen, lautet, einzelne Projekte im Unternehmen in Geschäftsmodelle zu skalieren. Dies bedeutet nichts weniger, als die Transformation der eigenen Geschäftstätigkeit hin zu einer datengetriebenen Arbeitsweise.

In einem ersten Schritt gilt es die Erfahrungen aus den ersten erfolgreichen Analytics-Projekten offen und ehrlich anhand der eigenen Strukturen zu reflektieren: Was lief gut, in welchem Bereich liegen unsere Stärken, warum waren einige Projekte nicht erfolgreich, an welchen Fertigkeiten fehlt es unserem Unternehmen, können wir fehlende Fertigkeiten aufbauen, einkaufen, auslagern? Am Ende hängt der Erfolg einer Skalierung einzelner Projekte, hin zu einem datengetriebenen Geschäftsmodell, am harmonischen Zusammenspiel der verschiedenen Faktoren und Fertigkeiten.

Wir haben die einzelnen Fertigkeiten in drei Gruppen zusammengefasst (s. Abbildung 1):

  1. Datenmanagement & Technologie: Für jeden Einsatz von Analytics sind verlässliche Daten die Grundvoraussetzung. Diese müssen beschaffen, integriert und gespeichert werden. Intelligentes Datenmanagement kombiniert mit harmonischer, integrierter Infrastruktur ermöglicht es Unternehmen, Daten in hinreichender Quantität und Qualität einzusetzen, um die Datenpotenziale vollständig auszunutzen. Auch Aspekte der Informationssicherheit sind ein gewichtiger Teilaspekt des Datenmanagements.
  2. Analytische Fertigkeiten & Assets: Die Kernfrage vieler unserer Kunden ist es, ob die entsprechen digitalen Fertigkeiten, Tools und Lösungen entwickelt, eingekauft oder komplett gesourct werden sollen. Zu berücksichtigen ist, dass es sich nicht allein um technische Fertigkeiten handelt. Um sich erfolgreich zu einem datengetriebenen Unternehmen zu wandeln, sind Integrations- und Koordinationsfähigkeiten ein entscheidender Erfolgsfaktor. Schließlich gilt es, aus den erworbenen Erkenntnissen die richtigen Schlüsse zu ziehen und fundierte Entscheidungen zu treffen.
  3. Operating Model & Governance: Für die Umwandlung von analytischen Schlüssen in betriebswirtschaftlich messbaren Erfolg ist es notwendig, zu definieren, wie Analytics betrieben und in das Unternehmen integriert werden soll. Kann ein datengetriebenes Vertriebsmodell einen erfahrenen Außendienstler ersetzen? Wohl kaum! Kann auch der erfahrenste Außendienstmitarbeiter durch zusätzliche Informationen noch erfolgreicher werden? Sicherlich! Um einen Wettbewerbsvorteil zu erzielen, gilt es komplementäre Informationsquellen bereitzustellen und das Kerngeschäft zu unterstützen.
     


Abbildung 1: Framework für datengetriebene Fertigkeiten

Business Analytics stellt zweifelsfrei einen Eckpfeiler der Digitalisierung dar. Unsere Kunden haben die letzten Jahren entsprechend stark in den Bereich investiert und zahlreiche erfolgreiche Lösungen hervorgebracht. Was die (erfolgreiche) Umsetzung von einzelnen Analytics-Projekten von den Digital Champions unterscheidet, ist die Orchestrierung der drei oben genannten Gruppen. Die Mehrzahl der bestehenden Frameworks suggerieren eine „Je mehr, desto besser“ Logik. Unserer Beobachtung nach entstehen die Wettbewerbsvorteile durch die Ausgewogenheit und Parität der analytischen Fertigkeiten. Verstehen wir die drei Gruppen als Säulen eines Gebäudes, würden wir sagen das Gebäude steht im Lot. Weder die Größe des Gebäudes noch die Ausprägung der einzelnen Fertigkeiten lassen sind übergreifend referenzieren; so ist ein mittelständischer Produktionsbetrieb eben nicht mit Google, Uber oder Amazon zu vergleichen. Vielmehr müssen die analytischen Ergebnisse betrieblich relevant sein und von allen Beteiligten verstanden werden. Auf dieser Basis erfolgen dann eine Interpretation und das Ableiten von konkreten Maßnahmen für die jeweilige Unternehmung. Die entsprechenden Strategien sind in Abbildung 1 horizontal skizziert:

  • Der entscheidendste Umsetzungsfaktor, ist wohl der trivialste: Analytisches Arbeiten bedingt eine klare Zielvorgabe Top-Down: Was sind die Wertetreiber der Unternehmung – Wachstum, operative Effizienz, Vertrauen und Kundenbindung, Innovation und Produktentwicklung? In der Praxis optimieren zahlreiche Analytics-Projekte aber tatsächlich eher Unterstützungsfunktionen (IT, Fuhrpark, Rechnungswesen, …) als das Kerngeschäft.
  • Datengetriebenes Arbeiten bedeutet für die meisten unserer Kunden eine Umstellung Ihrer bisherigen Abläufe, sprich Ihrer Arbeitskultur. Derartige Umstellungen sind in der Regel nur Bottom-Up zu erreichen. Mögliche Maßnahmen sind die Durchführung von Piloten, eine gezielte Rollout-Strategie, sowie begleitendes Veränderungs- und Trainingsmaßnahmen. Wir empfehlen einen klaren Sektor- und Themenfokus, um tatsächlich möglichst viele reale Tätigkeitsfelder adressieren zu können. 

Die gute Nachricht zum Abschluss lautet, dass die dazu nötigen Fertigkeiten allesamt am Markt vorhanden sind und vermehrt durch Sourcing-Ansätze beziehen lassen. Der notwendige Ansatz ist entsprechend weniger die Suche nach der silbernen Kugel (im Sinne einer alles lösenden Anwendung), sondern die Integration und der Ausbau bestehender Fertigkeiten.

Über den Autor

Dr. Sebastian Olbrich & Dr. Florian David Fruth
Dr. Sebastian Olbrich & Dr. Florian David Fruth
Dr. Sebastian Olbrich

Dr. Sebastian Olbrich ist als Principal für Capgemini Consulting tätig. Er berät seit 15 Jahren internationale Großkunden im Bereich Insights & Data Consulting (IDC). Neben seiner Beratungstätigkeit vertritt er den Lehrstuhl für Information Systems and Digital Business an der European Business School in Östrich-Winkel und ist Autor von mehr als 50 Fachartikeln.

Dr. Florian David Fruth

Dr. Florian David Fruth ist Senior Data Scientist bei Capgemini Consulting im Bereich Insights & Data. Sein Fokus liegt auf der wertgetriebenen Kombination von Data Science Methoden und dem Business Consulting zur Optimierung der Unternehmenstätigkeit. Er ist Spezialist in der Analyse von Kundendaten und Entwicklung von kollaborativen Geschäftsmodellen.

Kommentar hinterlassen

Ihre E-Mail-Adresse wird nicht veröffentlicht. Pflichtfelder sind mit einem * gekennzeichnet.