Wie Unternehmen aus Daten Geld machen

Daten werden oft als der wichtigste Rohstoff des 21. Jahrhunderts bezeichnet. Die vom Softwarehersteller Tableau gesponserte Studie "Data Monetization - Use Cases, Implementation and Added Value" jedoch zeigt, dass viele Firmen bisher wenig oder gar keine konkreten Projekte zur Datenmonetarisierung verfolgen. Rund 200 Teilnehmer aus europäischen Unternehmen nahmen im Zeitraum zwischen Oktober und November 2018 an der Umfrage teil. Dabei ging es unter anderem um das Vorgehen, konkrete Anwendungsfälle, verwendete Technologien, erzielte Ergebnisse und die größten Hürden.

Viele Monetarisierungsmodelle existieren demnach nur auf dem Papier. Denn der Großteil (72 Prozent) der Befragten macht mit Daten noch kein Geschäft. 25 Prozent geben zudem an, dass sie dahingehend auch keine Pläne verfolgen.

Der Plan vom großen Datengeld

Diesem Viertel stehen insgesamt 47 Prozent gegenüber, die sich in mehr oder weniger konkreten Planungsphasen befinden. Aktuell entwerfen viele Firmen Monetarisierungsstrategien in Form von neuen Geschäftsmodellen (48 Prozent), als Weiterentwicklung bestehender Produkte (43 Prozent), als neue Services für bestehende Produkte (39 Prozent) oder in Form von digitalen Plattformen (38 Prozent).

Bereits in der Umsetzung befinden sich vor allem jene, die ihre Geschäftsmodelle darauf ausgelegt haben: 17 Prozent sind mit einer oder mehreren Initiativen im Datengeschäft vertreten und bezeichnen diese als integralen Bestandteil der Unternehmensstrategie. Immerhin 12 Prozent verfolgen ein oder mehrere Pilotprojekte. Vorreiter sind vor allem große Unternehmen in der Einzelhandels-, Finanz,- und Bankenbranche, während sich KMUs mit konkreten Projekten noch zurückhalten.

52 Prozent geben an, dass die Monetarisierungspläne keine Priorität haben. Bedenken bezüglich der Datensicherheit hegen 32 Prozent. Für 30 Prozent gibt es bisher einfach zu wenige überzeugende Business Cases.

Einfache Modelle punkten

Setzen Unternehmen Datenmonetarisierung tatsächlich um, halten sich viele noch an einfache Modelle. Von 137 Antwortenden stellen 40 Prozent klassische Analyseergebnisse und weitere 37 Prozent Reportings beziehungsweise Benchmarking-Berichte zur Verfügung. Seltener werden eigene digitale Plattformen entwickelt (22 Prozent), bestehende Produkte angereichert (17 Prozent) oder neue Datenservices für bestehende Produkte angeboten (16 Prozent).

Von den Unternehmen, die Datenservices anbieten, nutzen 86 Prozent Business-Intelligence-Software sowie 70 Prozent Tools zur Datenintegration. Relativ hoch ist auch der Anteil derer, die für das Datengeschäft eigene Werkzeuge entwickeln (54 Prozent).

Die größten Hürden: Datensicherheit und Datenqualität

Die größte Schwierigkeit über den gesamten Prozess hinweg, so die Studienautoren, bereite die Datenqualität (65 Prozent). Bei der Datensammlung gelte es nicht nur, die relevanten Daten zu identifizieren, sondern auch die richtige Quelle und die richtige Methode zu wählen. Will man die Daten später richtig einordnen, sei es wiederum wichtig zu wissen, wie diese erhoben und weiterverarbeitet wurden. Diese Anforderungen würden häufig unterschätzt und oft zu einem Grund für das Scheitern entsprechender Projekte. Die Datensicherheit ist mit 37 Prozent nur die zweitgrößte Hürde. Vor allem dann, wenn Daten mit Dritten geteilt werden sollen, tauchen Fragen nach der Anonymisierung auf. Schon beim Sammeln der Daten müssten Unternehmen daher laut den Analysten auf rechtliche Aspekte achten. Prozentual gleichauf auf der Liste der Herausforderungen liegt die Integration von Datenprodukten in bereits bestehende Systeme.

Außerdem abgefragt wurden die bisher wahrgenommenen Vorteile der Datenmonetarisierung. Die Teilnehmer berichten hier von neuen Einnahmequellen (69 Prozent), der Entwicklung neuer Services (66 Prozent) sowie einer engeren Kundenbindung (63 Prozent). Diese Ergebnisse sind allerdings mit Vorsicht zu genießen, da nur wenige Unternehmen bisher konkrete Modelle nutzen.

Exkurs: Modelle der Monetarisierung

Sowohl Rohdaten als auch aufbereitete oder bereits analysierte Daten können als Werkstoff für Datenprodukte dienen. Daraus entstehen zum Beispiel Analyseergebnisse, Weiterentwicklungen bestehender Produkte, digitale Plattformen oder Ansätze für neue Geschäftsmodelle. Die Studienautoren unterscheiden zwischen zwei Nutzungsarten: der internen und der externen Datenmonetarisierung.

Die interne Monetarisierung ziele darauf ab, Prozesse innerhalb des eigenen Unternehmens zu optimieren. Verbessert man mithilfe von Datenanalyse beispielsweise Marketingkonzepte, die Kundenansprache oder die Wartung von Ausrüstung und Werkzeugen, winken auch monetäre Effekte.

Bei der externen Monetarisierung dagegen nutzen Unternehmen analysierte Daten als eigenes Produkt oder die Entwicklung neuer Geschäftsmodelle.

Die vollständige Studie zum Nachlesen gibt es hier.