Wir helfen unseren Kunden nicht nur Schritt zu halten mit der hohen Geschwindigkeit der digitalen Geschäftswelt, sondern als Vordenker führend im digitalen Markt und bei der Datenmonetarisierung zu werden. Dies erreichen wir gemeinsam durch Strategieberatung, Planung und Implementierung echter datengetriebener Geschäftsmodelle. Das wird zum einen durch Aufbereitung in- bzw. extern verfügbarer Daten realisierbar. Zum anderen kommen modernste Data-Science-Verfahren wie künstliche Intelligenz (KI) und Methoden zur Verarbeitung von Big Data zum Einsatz, die dem Kunden zu bislang unbekannten Einblicken und Zusammenhängen in Geschäftsabläufen und in Kundeninteraktionen verhelfen. So werden beispielsweise Kundenwünsche oder Lieferengpässe antizipiert. KI und softwaregesteuerte Automatisierung (RPA) helfen weiter, hoch komplexe Prozesse zu automatisieren um Organisationen effizienter zu gestalten.

Wir begleiten unsere Kunden auf dem Weg zur Datenmonetarisierung und digitalen Marktführerschaft – angefangen bei der Definition einer analytischen Vision mit Strategie- und Transformationsansatz (The WHY), sowie mit konkret messbaren, mehrwertschaffenden Lösungen in den Bereichen Wachstum, Effizienz und Sicherheit (The WHAT). Dies wird gefolgt von Verankerung der Innovation mittels Transformation der Organisation hinzu einem digitalen Geschäftsmodell (The HOW) mit den KernthemenPrototyping, Arbeitsprozesse, sowie Skalierung auf Industriemaßstab. The WHY, WHAT, HOW und die technischen Schrittmacher dahinter werden im Detail auf den Unterseiten unsere Herangehensweise zur Datenmonetarisierung beschrieben. Lesen Sie mehr dazu in unserem Blog-Beitrag.

Trends

Was geschieht im Markt?

Der Markt rund um Data-Science und KI lässt die Hypephase hinter sich, ist anspruchsvoller und komplexer geworden. Oft brauchen unsere Kunden Lösungen, die über klassische Data-Science-Methoden wie Prognosemodelle hinausgehen. Folgende Trends sind zu beobachten:

  • Connected Devices und das Internet of Things (IoT) sind in der breiten Öffentlichkeit angekommen und schaffen Chancen für datengetriebene Geschäftsmodelle und Datenmonetarisierung. Data-Science wird als Service kommerzialisiert z.B. durch den Einsatz von Self-Service-Analytics, was auch Data-Science-Novizen anspricht
  • Die effiziente Verwaltung und sinnvolle Nutzung von exponentiell wachsenden Datenvolumina bei höchsten Datenqualitäts-Ansprüchen und neue Blockchain-Datenbanken als mögliche Alternative stellen Organisationen vor ernsthafte Herausforderungen. Produktinnovationen werden noch vor Prototypenstatus mittels Data-Science und Analytics hinsichtlich Produktionskosten und Markterfolg untersucht. Smarte Prozessautomatisierung (RPA) und KI-unterstützte Chatbots werden eingesetzt um die Customer-Experience und Service-Effizienz zu steigern
  • Die Sensibilität der Öffentlichkeit für den Umgang mit Daten ist stark gestiegen: Personenbezogene Daten müssen besser geschützt und nicht-personenbezogene Daten transparenter genutzt werden, etwa rechtlich geregelt als Open Data

Was erwarten Unternehmen?

  • Das Experimentieren ist vorbei, Piloten zu datengetriebenen Geschäftsmodellen sollen schnell skaliert werden und messbar Mehrwert generieren
  • Digitale Geschäftsmodelle müssen sich in bestehende Prozesse nahtlos einfügen und als „Business-as-usual“ operationalisiert werden
  • Fragmentierte KI-Initiativen müssen die Silos verlassen und unternehmensweit ausgerollt werden, Lösungen und Erfahrungen einzelner KI-Initiativen müssen auf weitere Geschäftsbereiche (HR, Procurement, Logistic) Anwendung finden
  • Die Strategiebildung von Organisation wird komplexer, da Auswirkungen von KI auf alte Geschäftsmodelle bzw. die Datenmonetarisierung neuer Geschäftsmodelle für Entscheidungsträger schwer abschätzbar sind
  • Änderungen der Gesetzgebung bzgl. des Umgangs mit Daten (EU GDPR), bedeuten ein stetes rechtliches Risiko bei der Datenmonetarisierung
  • KI und Big Data ermöglichen die datengetriebene Organisationslenkung (E-Governance) durch Mensch-Maschine-Teams
  • Die Gestaltung des Partner-Ökosystems im inzwischen stark differenzierten Markt für KI-Lösungen wird ein neues Beschäftigungsfeld

Challenges

In den letzten Jahren stand die Entwicklung von isolierten Prototypen (MVP) und der Aufbau von Data-Science-Fähigkeiten im Fokus der Unternehmen. Mit zunehmender reife steigt der Erwartungsdruck an die einzelnen Anwendungsfälle – die Zeit des Experimentierens ist vorbei. Piloten und Prototypen sollen schnell zu datengetriebenen Geschäftsmodellen skaliert werden und messbar Mehrwerte generieren. Dabei stellen sich folgende Herausforderungen:

  • Digitale Geschäftsmodelle müssen sich in bestehende Prozesse nahtlos einfügen und als „Business-as-usual“ operationalisiert werden
  • Fragmentierte KI-Initiativen müssen die Silos verlassen und unternehmensweit ausgerollt werden, Lösungen und Erfahrungen einzelner KI-Initiativen müssen auf weitere Geschäftsbereiche (HR, Procurement, Logistic) Anwendung finden
  • Die Strategiebildung von Organisation wird komplexer, da Auswirkungen von KI auf alte Geschäftsmodelle bzw. die Datenmonetarisierung neuer Geschäftsmodelle für Entscheidungsträger schwer abschätzbar sind
  • Änderungen der Gesetzgebung bzgl. des Umgangs mit Daten (EU GDPR), bedeuten ein stetes rechtliches Risiko bei der Datenmonetarisierung
  • KI und Big Data ermöglichen die datengetriebene Organisationslenkung (E-Governance) durch Mensch-Maschine-Teams, sogenannte ‚Cyber-Physicial-System‘
  • Data-Science-Fähigkeiten sind nach wie vor knapp am Markt. Sourcingkonzepte und ein integriertes Partnermanagement im inzwischen stark differenzierten Markt für KI-Lösungen wird ein neues Beschäftigungsfeld