Daten richtig nutzen: Wettbewerbsvorteile mit der Data Journey

Es gibt ein neues Vorgehensmodell mit dem jedes Unternehmen in drei Schritten echten Mehrwert aus seinen Daten ziehen kann.

Daten sind die Zukunft und durchdringen neben den Großunternehmen auch verstärkt den Mittelstand. Um den Digitalisierungsmotor einzuschalten und echten Mehrwert aus den Daten zu gewinnen, müssen ineinandergreifende Prozesse in das Unternehmen integriert werden. Die Alexander Thamm GmbH hat dafür eine neue Vorgehensweise entwickelt: die Data Journey. Entstanden ist diese aus der Erfahrung aus über 400 Data-Science-Projekten. »Wir schaffen mit den Daten echten Mehrwert für das Unternehmen. Damit das gelingt, entwickeln wir auf Basis des Status Quo die passende Datenstrategie, testen die Use Cases im Data Lab, bauen dafür Prototypen und skalieren diese schließlich zu einem echten Data Product oder Data Service«, erklärt Geschäftsführer Alexander Thamm.

Bei so einem Use Case könnte es sich beispielsweise um die Vorhersage von Kunden, die zu einer anderen Automarke wechseln wollen, handeln. Im Data Lab würden die Data Scientists hierfür einen Algorithmus für ein bestimmtes Fahrzeugmodell in einem Land, beispielsweise den USA, entwickeln. In der Data Factory würde dieser dann skaliert werden und auf weitere Fahrzeugmodelle, Marken und Länder erweitert werden, bis am Ende der Algorithmus im gesamten Automobilkonzern eingesetzt wird. Mit der Data Journey möchte die Alexander Thamm GmbH deutsche Unternehmen unabhängig von Größe und Branche dazu bringen, aus Daten Wettbewerbsvorteile zu generieren. »Nur so können wir in Deutschland langfristig Erfolg haben und gegen amerikanische Unternehmen wie Facebook oder Google bestehen«, sagt Alexander Thamm.

Data Strategy: Status Quo und Benchmarking

Die Data Journey beginnt mit der Entwicklung der Data Strategy. Diese ist die Grundlage, um aus Daten echten Mehrwert und Nutzen für Unternehmen zu generieren. Hierzu führen die Münchner Data Scientists als erstes ein Assessment durch. Gemeinsam wird der Status Quo bewertet, eine Standortbestimmung durchgeführt und ein Benchmarking der aktuellen Big-Data-und Analytics-Fähigkeiten gemacht. Darauf aufbauend entwickeln die Datenprofis ein individuelles Data Operating Model, das auf fünf Säulen beruht: Organisationsstruktur, Prozesse, Rollen, Data Governance und Systemlandschaft. Das Operating Model ist sozusagen der »Digitalisierungsmotor«, um aus Daten echte Mehrwerte zu schaffen. Anschließend wird eine Roadmap für relevante Use Cases des Kunden erarbeitet. Hierfür wird eine umfangreiche Use-Case-Liste generiert, nach Nutzen und Realisierbarkeit priorisiert und erstmalig die Use-Case-Library des Kunden befüllt. Ziel der Data Strategy ist es, dass der Kunde eine klare Vorstellung von Data-Erfolgsfaktoren hat, ihm Best Practices aus verschiedenen Branchen bekannt sind und sein Unternehmen ein maßgeschneidertes Data Operating Model mit klarer Zielsetzung hat. Nach Abschluss der Strategy-Phase können in der Data-Lab-Phase die Use Cases umgesetzt werden.

Data Lab: Vom Konzept zum Prototypen mit Echtdaten

Im Data Lab geht die Data Journey weiter. Ziel ist es, möglichst schnell Use Cases zu testen – vom Konzept zum Prototypen mit Echtdaten. In gemeinsamen Workshops werden die Use Cases Schritt für Schritt im Data Lab umgesetzt. Hierzu wird als erstes ein Use Case Concept erstellt: Die Data Scientists generieren Hypothesen für den Use Case und prüfen die notwendigen Daten. In der anschließenden Exploration wird ein Proof-of-Concept durchgeführt und eine Testumgebung mit den Daten gebaut. So wird schnell beurteilt, ob der Use Case in der Realität umsetzbar ist oder nicht. Nach erfolgreicher Exploration wird der erste Prototyp mit Echtdaten der Kunden programmiert. Am Ende des Data Labs läuft der Prototyp und die Basis für die Skalierung der Uses Cases ist geschaffen.

Data Factory: Mehrwert schaffen – mit dem Data Product

Die Data Journey geht in der Data Factory weiter. Hier wird der Use Case zum fertigen Produkt industrialisiert. Absoluter Fokus ist die Skalierung und nachhaltige Generierung von Mehrwerten – daher steht auch hier der Nutzer im Fokus. Als erstes wird ein Skalierungsplan mit Priorisierung der Märkte, Funktionen und Marken erstellt. Danach beginnt anhand des Skalierungskonzepts die nächste Ausbaustufe des Piloten und aus dem Prototypen wird ein Minimum Viable Product (MVP). Durch kontinuierliches Testen in der Entwicklungspipeline wird aus dieser Version ein marktfähiges Data Product oder Service. Mittels DevOps verschmelzen Weiterentwicklung und Betrieb des Data Products.

www.alexanderthamm.com

 


 

Hier folgt eine Auswahl an Fachbeiträgen, Studien, Stories und Statistiken die zu diesem Thema passen. Geben Sie in der »Artikelsuche…« rechts oben Ihre Suchbegriffe ein und lassen sich überraschen, welche weiteren Treffer Sie auf unserer Webseite finden.

 

Big Data und Data Analytics: Schritt für Schritt zur eigenen Infrastruktur

Big Data für das Gesundheitswesen – Hürden und Chancen

Drei Schutzmaßnahmen durch Data Management gegen Ransomware

Automobilindustrie setzt den Digitalisierungsfokus auf Daten, Cloud und IT-Sicherheit

Vier Faktoren für besser fundierte Entscheidungen

Digitalisierung – ein Wandel von Geschäftsmodellen und Realitäten

Weitere Artikel zu