Dienstag, 24. Januar 2017

Eckpunkte einer Datenmonetarisierungsstrategie

Von Ralf Keuper

Dass Daten einen ökonomischen Wert repräsentieren, ist mittlerweile weitestgehend unbestritten. Genauer gesagt sind es erst die analytischen Verfahren, die Sinn in die Daten bringen und aus Daten Informationen machen. Ein Unternehmen kann auf einem Berg aus Daten sitzen und doch nur wenig neue Erkenntnisse gewinnen, sei es für interne Zwecke (Kosten, Fehlerquote, Kundenzufriedenheit ..) oder um das externe Umfeld (Markt, Technologie, Wissenschaft .. ) besser einschätzen zu können. 

Um diesem Dilemma zu begegnen, können Strategien für die Datenbewirtschaftung, sog. Datenmonetarisierungsstrategien, von großem Nutzen sein. 

Ein guten Einstieg bietet Framing a data monetization winning strategy von KPMG. Darin werden vier Geschäftsmodelle für die Datenmonetatrisierung vorgestellt:
  • Return On Advantage Model (Customer Targeting und Risk Mitigation and Fraud Detection)
  • Premium Service Model
  • Differentiator Model
  • Syndication Model 
Weiterhin werden zwei Werttreiber identifiziert:
  • Performance Contributions
  • Predictive Contributions
Vier Bereiche, die es bei der Datenbewirtschaftung besonders zu beachten gilt:
  • Aggregation 
  • Triangulation (Technique that facilitates validation of data and verifying insights through cross-verification from two or more sources)
  • Frame of Reference
  • Privacy Preservation (This dilemma is treated as only as "transactional" driven opportunity. Broadening your view may help discover high value opportunities with reduced risks)
Weitere Beiträge, die sich mit Strategien der Datenmonetarisierung beschäftigen:
Auf einer groben Ebene lassen sich die Innen- und die Außenperspektive unterscheiden. Sollen die Daten für interne Zwecke verwendet werden, u.a. um die Produktivität zu steigern und/oder sollen die Erträge in Form höherer Kundenbindung, steigender Verkaufszahlen und Marktanteile realisiert werden? Das dürfte je nach Branche und Unternehmen variieren. Internetkonzerne verfolgen hier zunächst andere Ziele als Hersteller von Investitionsgütern, obgleich hier, wie das Beispiel Google-Nest zeigt, die Grenzen verwischen. Telcos stehen vor anderen Herausforderungen als Banken. Wichtig erscheint mir der Hinweis darauf, Daten nicht nur transaktionsbezogen zu behandeln. Hinzu kommt die Beziehungsebene - Relationship. Anderenfalls werden kurzfristige Profite langfristigen, dauerhaften Vorteilen, wie höhere Kundenbindung/Markentreue, geopfert. 

Banken dürften sich schwer damit tun, die Daten ihrer Kunden so zu verwerten, wie das Google und facebook mit großem Erfolg praktizieren - ganz abgesehen von den datenschutzrechtlichen Restriktionen wie GDPR und ePrivacy. Insofern muss die Datenmonetarisierungsstrategie entsprechend ausfallen.

Ein wichtiger Punkt für alle Anbieter dürfte das Permission Based Marketing bzw. das Consent Based Data Sharing sein. Wie lässt sich die Zahl der Kunden, die ihr Einverständnis für die Verwertung ihrer Daten gegeben haben, steigern? Wie soll der Ertrag aufgeteilt oder ausgezahlt werden? Welche Mehrwertdienste können gegen Entgelt angeboten werden? 

Mit in die Betrachtung hinein gehört auch die Entwicklung einer API-Strategie, wofür Snapchat und Hazard Hub exemplarisch sind:

Keine Kommentare:

Kommentar veröffentlichen