Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Big Data Daten sind der neue Content: Wie Verlage mit Big Data neue Erlösquellen schaffen
September 2014
Big Data revolutioniert das Verlagsgeschäft
Executive Summary
Qualitative Befragung von insgesamt 15 Verlagen in Deutschland
Zeitraum der Datenerhebung und Analyse: Mai/Juni 2014
Autoren: Dr. Alexander Henschel, Marc Ziegler, Alexander Schumm
Über die Kurzstudie
2
Verlage verfügen über wertvolle Datenbestände, die bisher unzureichend kapitalisiert werden. Von den derzeit über 25 denkbaren Anwendungsmöglichkeiten von Big Data-Tools entlang der Wertschöpfungskette nutzen die befragten Verlage durchschnittlich unter 25%
Verlage, die Big Data-Technologien konsequent für Prozessverbesserungen und zur Portfolio-erweiterung nutzen, erwirtschaften einen höheren Digital-Umsatzanteil (>40%) und erzielen in der Regel eine überdurchschnittliche Gesamtrendite (>15-20%), allen voran internationale Fachinformationsanbieter wie Thomson Reuters, Reed Elsevier und Wolter Kluwer
Zu den Haupterfolgsfaktoren der "Data-Leader" gehören:
Klare und konsistente Big Data-Roadmap zur Einführung der Technologien
Erschließung mehrerer, miteinander verzahnter Big Data-Anwendungsbereiche im Verlag
Einsatz von Predictive Analytics-Tools zur Prognose in der Zukunft liegender Ereignisse
Dedizierte Datenanalyse-Teams – zentral organisiert (Abteilung berichtet an CEO/CDO)
Konsequente Investitionen in digitale Infrastrukturen und Prozessverbesserungen
Die vorliegende Kurzstudie beschreibt Möglichkeiten, mit Big Data-Tools zu Kosteneffizienz- und Erlössteigerung entlang der Wertschöpfungskette zu gelangen
Quelle: goetzpartners
Datenvolumen steigt an, Unternehmen nutzen ihre
Daten aber noch unzureichend
Insbesondere getrieben durch das "Internet of Things" sowie durch Social Media steigt die Anzahl der Datenquellen rapide an
Im Verlagskontext sind soziale Netzwerke, die weiter anhal-tende Digitalisierung der Inhalteverarbeitung und Cloud Computing die wesentlichen Treiber für steigendes Daten-volumen in Unternehmen
Mit Big Data-Technologien lassen sich diese Daten erstmals sinnvoll und effizient für die Entscheidungsfindung nutzen
Hintergrund
>50%
wächst das jährlich von Unternehmen verarbeitete Datenvolumen
Date
nhaltungskoste
n
per
Gig
abyte
Zeitraum 2000 2005 2010 2014
PPI:
Date
nvera
rbeitung
und ä
hnliche S
erv
ices
(2000 =
Index 1
00)
100
105
107 €10
€1
€0,1
Datenmengen steigen kontinuierlich und durchschnittliche Speicherkosten sinken. Jedoch steigen die relativen Datenverarbeitungskosten OHNE Big Data-Ansatz zunehmend an
7
durchschnittlich mit dem Internet verbundene Geräte pro Person
0,5%
der gesammelten Daten werden von Unternehmen bis dato genutzt
Datenquellen
2
7
2010 2020
Datenvolumen Datennutzung
Datenkosten
2011 2012 2015 2006
Big Data in Zahlen
3
[1] Compound Annual Growth Rate Quelle: goetzpartners, Brynjolfsson, Gartner, IDC, Mashable, eMarketer
= Verfügbare Daten
Verlage verfügen mit ihren Daten über einen hohen
Vermögenswert, den es noch besser zu nutzen gilt
Big Data bedeutet, dass den Verlagen mehr Daten aus verschiedensten Quellen und mit einer höheren Frequenz zur Verfügung stehen
Der Datensammlung über diverse Touchpoints und der zentralen Datenhaltung kommt in Verlagen eine wichtige Bedeutung zu, kann aber grundsätzlich an externe Dienstleister mit hohen Sicherheitsstandards ausgelagert werden
Erst die analytische Verarbeitung und deren Visualisierung generieren für die Entscheidungsfindung relevante Informationen. Diese beiden Big Data- "Disziplinen" müssen Verlage zukünftig zu ihren Kernkompetenzen ausprägen
Auf einen Blick
Variety:
Der Anteil unstruk-turierter und semi-strukturierter Daten ist auf über 90% aller Daten angestiegen
Volume:
Stetig wachsende Datenmengen über-steigen die Kapazität traditioneller Daten-banken
Velocity:
Zunehmende Datengeschwindigkeit erhöht die Anforde-rungen an Erfassung und Verarbeitung
Entschei-dungs- relevante Erkennt-nisse auf nie dage-wesenem Niveau
DATEN- QUELLEN
ERP
CRM
Social Media
Web Analytics
Echtzeit- Daten
Mitarbeiter- aufzeich- nungen
…
Externe Auswer- tungen
BIG DATA CHARAKTERISTIKEN
BIG DATA ARCHITEKTUR
Datenzugriff & Datenhaltung
Analytische Verarbeitung
Applikation/ Visualisierung
Erfassung aus multiplen Datenquellen
Hadoop[1]
für besseren Datenzugriff
Schnellere In-Memory Datenhaltung
Data Mining/ Discovery
Pattern Recognition
Predictive Analytics
Visuelle Darstellung und Ent-deckung von Trends und Korrelationen
Einbettung von Analysen in Applikation
BIG DATA ERGEB- NISSE
Zukünftig wichtige Kernkompetenzen von Verlagen
4
Was ist Big Data und welcher Teil davon ist wirklich wichtig für Verlage?
[1] (Apache) Hadoop ist ein open-source Software-Framework zur Verwaltung sehr großer Datenmengen, das bei den meisten Big Data-Systemen/Anwendungen zum Einsatz kommt
Quelle: goetzpartners
@
Verlage haben die Möglichkeiten zur Bewältigung des
Strukturwandels bisher unzureichend ausgeschöpft
Der digitale Wandel und seine Folgen
Erlöstreiber
Signifikanter Reichweitenausbau
Steigerung Customer Experience
Datengetriebener Journalismus
Time-to-Market neuer Produkte/ Services reduzieren
Erlössteigerung
Content-Monetarisierung
Erschließung neuer Erlösquellen
Mindset, Organisation, Prozesse
Selbstverständniswandel
Strategische Partnerschaften
Digitalisierung von Strukturen/ Prozessen
Prin
t D
igit
al
Sald
o
TRANSFORMATIONSPOTENZIALE IN VERLAGEN
€ -1.552 Mio. € -127 Mio.
5
Herausforderungen und Hebel zur Bewältigung des digitalen Wandels
Während das Gros der Verlage kontinuierliche Reichweiten-verluste in Print weitgehend durch Preissteigerungen kom-pensieren konnte, verzeichnen Verlage im Anzeigengeschäft weiterhin gravierende Umsatzeinbußen
Die Zugewinne im Digitalge-schäft konnten die Verluste im Stammgeschäft bisher nicht ansatzweise auffangen – mit der Folge durchschnittlich sinkender Profitabilität
Die bisher eingeschlagenen Maßnahmen zur digitalen Transformation greifen zu kurz, um die Verluste im Stammgeschäft hinreichend zu kompensieren
Infolge des immer noch unzu-reichenden Selbstverständnis-wandels ist es Verlagen noch nicht gelungen, das digitale Stammgeschäft hinreichend zu monetarisieren und neue Erlösquellen zu erschließen
[1] In Deutschland in Mio. EUR; [2] Tages-/Wochenzeitungen, Publikums-/Fachzeitschriften
Quelle: goetzpartners, PWC Global Entertainment Media Outlook 2014-2018
VERTRIEBSERLÖSE[1]
ZEITUNGEN/MAGAZINE[2]
ANZEIGENERLÖSE[1]
ZEITUNGEN/MAGAZINE[2]
660 423 187
+17,1% (+473)
2017e 2013 2009
5.172
4.117
- 4,9% ( - 2.025 )
6.142
- 1% ( - 710)
7.177 7.802 7.887
594 142 11
+64% (+583)
2017e 2013 2009
Big Data liefert zentrale Ansatzpunkte,
um diese Transformationspotenziale zu heben
Durch die zunehmende Datenverfügbarkeit und Analysemöglichkeiten in beinahe allen Geschäfts-bereichen, hat Big Data diverse Ansatzpunkte in praktisch allen Wertschöpfungsstufen
Big Data dient hierbei hauptsächlich der Transfor-mation des bestehenden Geschäfts, aber auch der Anpassung vorhandener und der Erschließung neuer Geschäftsfelder
Nur durch einen kombinierten Einsatz von Big Data-Tools und begleitendem Change Management-Programm können die adressierten Potenziale gehoben werden
Auf einen Blick
Big Data hat 2 generelle Ansatzpunkte …
Optimierung von Geschäftsprozessen
Automatisierung von Prozessen durch Tools
Anpassung an veränderte Wert-schöpfungsketten 2
. O
perati
on
al
Excellen
ce
1.
Str
ate
gie
Erschließung neuer datengetriebener Geschäftsmodelle
Höhere Wertschöpfung aus bestehenden Erlösquellen durch Targetierung und Personalisierung
Dadurch kann ein Großteil der Transformationspotenziale bedient werden
Erlöstreiber
Signifikanter Reichweitenausbau
Steigerung Customer Experience
Datengetriebener Journalismus
Time-to-Market reduzieren
Erlössteigerung
Content-Monetarisierung
Erschließung neuer Erlösquellen
Mindset, Organisation, Prozesse
Selbstverständniswandel
Strategische Partnerschaften
Digitalisierung von Strukturen/ Prozessen
… mit Einsatzfeldern entlang der gesamten Wertschöpfungskette
Inhalte- erstellung
Inhalte- Aggregation
Inhalte- Transformation
Multi-Plattform- Distribution
Monetari- sierung
User Engagement B
ig D
ata
-Ein
satz
en
tlan
g W
erts
ch
öp
fun
gskett
e
6
Big Data-Ansatzpunkte zur Lösung struktureller Herausforderungen
Quelle: goetzpartners
Eher geringer Hebel Big Data-Tools als großer Hebel
Big Data-Potenziale werden von Verlagen überwie-
gend erkannt, aber noch nicht umfassend genutzt
Primärerhebung unter deutschen Verlagen zur Nutzung von Big Data-Tools
Unter den befragten deutschen Verlagen werden die Anwendungsmöglichkeiten von Big Data durchweg erkannt
Big Data-Tools sind bei Verlagen entlang der gesamten Wertschöpfungs-kette im Einsatz, am stärksten im Bereich der Content-Distri-bution, durchschnittlich am schwächsten im Bereich User Engagement
Trotz der relativ starken Ver-breitung von Big Data-Tools werden diese in deutschen Verlagen nur in durchschnitt-lich unter 25% aller mög-lichen Anwendungsfälle eingesetzt
Das Gros der Big Data- Anwendungen ist "rückwärts-gewand"; Predictive Analytics spielen bisher eine unter-geordnete Rolle in Verlagen
Big Data-Nutzung
Inhalte- erstellung
Content & Service Aggre-gation
Content Transfor-mation (Web, Mobile, Apps,
E-Edition)
Cross Platform Distri-bution
und Konsum
Content Monetari-sierung
User Engage-ment / Social Media
Relevante Big Data- Use Cases[1]
Ausschöp-fungsgrad möglicher Big Data-Use Cases je Wert-schöpfungs-stufe der befragten Verlage
# 4 # 5 # 3 # 4 # 6 # 3
25% 25% 40% 15% 20% 40%
Verlags- wertschöp- fungskette
7
[1] Stand: 2014
Quelle: goetzpartners Primärerhebung, n=15
Die diversen Big Data-Einsatzmöglichkeiten entlang
der Value Chain erfordern eine Priorisierung
Die Nutzung der durch Big Data gegebenen Möglich-keiten ist heute noch relativ gering und verteilt sich unterschiedlich stark auf die Schritte der Wertschöpfungskette
Das Big Data-Potenzial, gespiegelt am Einfluss auf die Unternehmensprofitabilität, steigt jedoch, getrieben durch die Digitalisierung und enorme Forschungsfortschritte in diesem Bereich, rasant an
Auf einen Blick
Big Data
Nutzung heute Potenzial in den nächsten 3 Jahren
Auswirkung
Reduktion von Zeitaufwand bei Recherche und Texter-stellung des Journalisten
Zeitlicher Vorsprung gegenüber Wettbewerbern
Reduktion des manuellen Aufwands
Signifikante Reichweiten-steigerung
Steigerung der Vertriebserlöse durch indivi-duelle Ansprache
Erhöhter Inhalte- konsum
= Big Data-Potenzial (Einfluss auf Profitabilität) innerhalb der nächsten 3 Jahre
Fallbeispiel 1[1]
Automatische Textkörper-vorschläge auf Basis von Algorithmen
Beispiel
Predictive Analytics zur Identifizierung von zukünftig aufkommenden Themen
Automatische Inhalte-anpassung an diverse Endgeräte
Konsequent targetierte Kampagnen-aussteuerung auf Basis von Nutzer- und Nutzungsdaten
Targetierung von "wert-vollen" Kunden im Rahmen von Up- und Cross-Selling- Kampagnen
Identifizierung der Social Multipliers (Meinungs-bildner) in Netzwerken
goetzpartners hat insgesamt über 25 relevante Anwendungs-beispiele von Big Data im Verlagsumfeld identifiziert
Fallbeispiel 2[1] Fallbeispiel 3[1]
8
Potenziale, Einsatzfelder und Auswirkungen von Big Data in Verlagen
[1] siehe Fallbeispiele auf den folgenden Seiten
Quelle: goetzpartners
Inhalte- erstellung
Content & Service Aggre-gation
Content Transfor-mation (Web, Mobile, Apps,
E-Edition)
Cross Platform Distri-
bution und Konsum
Content Monetari-sierung
User Engage-ment / Social Media
Verlags- wertschöp- fungskette
5. Live Performance-Tracking 4. Artikelgenerierung nach Nutzerrelevanz
3. ARTIKELPLATZIERUNG
Artikel Y
Fallbeispiel 1: Mit Big Data-Tools zu schnelleren und
besseren Newsroom-Entscheidungen
Anwendungsbeispiele für Big Data in der Online-Redaktion Effektivere Newsroom-Ent-scheidungen durch Big Data
WORLD ONLINE NEWS
A
B
C
D
E
2. BILDSELEKTION
Artikel X
1. ÜBERSCHRIFTENTEST
35%
Option 1: "2:0! Sieg für Deutschland"
vs. Option 2: "Deutschland nach Sieg weiter!" 57%
Klicks
B
C
C
B
011001010010100101010010101010010101010101100101101010101010101001101001100101001010011001010010100101010010101010010101010101100101101010101010101001101001100101001010010
Face- book
Wettbewerber European News
Internet
Youtube Blogs
Thema 1
Thema 2
Thema 3
A
B
C
D
120 EUR/h
6 Tsd. Klicks/h
40 EUR/h
2 Tsd. Klicks/h
60 EUR/h
3 Tsd. Klicks/h
80 EUR/h
4 Tsd. Klicks/h
Anwendungsbeispiele
9
Aus der heutigen Flut an
Informationen Relevantes zu filtern und daraus Inhalte mit Mehrwert zu formen, kostet Zeit
Big Data-Tools können nicht die kreative Leistung von Journalisten ersetzen, ihnen wohl aber helfen, einige Entscheidungen schneller und zielgruppenspezifischer zu treffen
Big Data-Tools können Verlage bspw. dabei unterstützen: Aufkommende Themen
in Echtzeit zu erkennen Automatisch die thema-
tische und inhaltliche Positionierung der Wett- bewerber zu beobachten
Artikel live zu optimieren (z.B. Bilder, Überschriften, Websiteplatzierung)
Die Vermarktung der Inhalte durch zeitgenaues Performance-Tracking oder User-basierte Banner-selektion zu optimieren
Quellen: Visual Revenue; MIT Technology Review, goetzpartners
65%
vs.
52%
Klicks
44%
vs.
33%
Klicks Option 1:
Option 2:
Relevanz von Themen
Option 1:
Option 2:
Fallbeispiel 2: Durch kombinierten Analytics-Tool-
einsatz zur signifikanten Reichweitensteigerung
Der von den meisten Verlagen praktizierte Einsatz von weiteren Web Analytics-Tools neben Google Analytics ist eine wesentliche Grundlage zur Steigerung erzielbarer Reichweiten
Durch den zusätzlichen und konzertierten Einsatz von Mobile- und Social Media- Analytics sowie Multi-Device Tracking Tools können Verlage ihre Reichweiten, den Kundenwert und somit die Monetarisierungschancen signifikant steigern
Neben der Orchestrierung der Tools ist die Echtzeit-Einbindung externer Reich-weitenpartner (z.B. Affiliate-Netzwerke, Real Time Bidding-Plattformen) auf Basis der gewonnen Daten-erkenntnisse für die Monetari-sierung relevant
Empfehlung
User & Usage Analytics-Tools
Web Analytics
Mobile Analytics
Multi-Device Tracking
Social Media Analytics
Sammeln und Auswer-tung von Nutzerverhal-ten auf stationären Webseiten (Woher? Was? Wie häufig?)
Sammeln und Auswer-tung von Nutzerverhal-ten auf mobilen Webseiten & Apps (Woher? Was? Wie oft? Welche Endgeräte?)
Messung, Analyse, Interpretation von Nutzerinteraktion und Verbindungen zwischen Peers, Themen und Ideen/Anregungen
Eindeutiges Tracking einzelner Nutzer und deren Verhalten über unterschiedliche Endgeräte hinweg
Nutzerstimmungen über unzählige Online-Quellen hinweg erkennen und targetieren
Optimierung der Webseite, des Traffics und der Onsite-Conversion Rates, besseres Targeting
Optimierung der mobilen Website/App, des Traffics und der In-App Conversion Rates, besseres Targeting
Weitere Optimierung der Targetierungsmöglich-keiten einzelner Nutzer
10
Web-, Mobile-, Social Media- und Multi-Device-Tracking im Zusammenspiel
Quelle: goetzpartners
Fallbeispiel 3: Up- und Cross-Selling-Potenziale
durch den Einsatz von Predictive Analytics-Tools
Wissen, was der Kunde tut, bevor er es tut. Big Data-gestützte Prognose-methoden ermöglichen fundierte Entscheidungen in Echtzeit und eröffnen ein erhebliches Up- und Cross-Selling-Potenzial
Die Bestandskundenbasis bietet große Umsatz- steigerungspotenziale
Predictive Analytics-Tools können Verlage dabei unter-stützen, diese Potenziale gezielt zu adressieren
Dabei werden große Daten-mengen verwendet, um Up- und Cross-Selling-Maßnahmen kundenindividuell zu gestalten und gezielt umzusetzen
Verlage können die bereits vorhandenen Kunden- und Nutzerdaten gewinnbringend einsetzen
Mit exakten Prognosen können kundenspezifische Kampagnen in Echtzeit geschaltet werden
Signifikante Steigerungen in der Conversion Rate führen zu steigenden Umsätzen
Auf einen Blick
Daten analysieren
Profile erstellen
Verhalten modellieren
Maßnahmen ableiten und umsetzen
Kaufverhalten
Kündigungsverh.
Selektion und Analyse histori-scher und aktueller Kunden-/ Nutzerdaten mit Big Data-Tools
Erstellung individueller Kunden-/ Nutzerprofile anhand speziell definierter Kriterien
Prognose von Kundenverhalten zur Einschätzung von Kaufabsicht sowie Kündi-gungsrisiko
Gezielte Auswahl spezifischer Maßnahmen und Produktvorschläge anhand prognostizierter Erfolgswahrscheinlichkeiten je Kunde bzw. Nutzer
CRM
Erfolg visualisieren
Erfolgstracking der einzelnen Maßnahmen in Echtzeit sowie visuelle Dar-stellung
Profil Maßnahme
11
Interaktionshistorie Beschwerden Zahlungsmethoden Nutzungsprofil … Vertragsdaten Laufzeit Typ … …
Beispielszenarien für Maßnahmenbewertung
A) Kunden mit gleichen soziodemographischen Merkmalen kaufen zu 77% Produkt "XYZ"
B) Nutzer mit gleicher Click-Through- Historie abonnieren zu 53% Zusatzservice "ABC"
C) Nutzer mit gleichem Medieninteresse kündigen Probeabo "123" nur zu 32%
Kern-produkte
Bezahlart
Kompo-nenten
Daypass Monatsabo Jahresabo
Print Web/Deskt. ePaper@ App
Info-Service/Research
EventsCDs/DVDs
Wein Kunst
Bücher &Editionen
eBooks StudienMedien-produkte
eLearn-ing
eEventsDossiers,Guides &Specials
Neue digitalePlatt-
formen
Quelle: goetzpartners
Durch konsequenten Big Data-Einsatz zu
erfolgreicherem Digitalgeschäft
Verlage, die konsequent Big Data-Technologien zu Prozessverbesserungen und Portfolioerweiterung nutzen, haben einen höheren Digital-Umsatzanteil.
Insbesondere Fachverlage, die einen Großteil ihres Geschäfts auf datengetriebene Produkte/ Geschäftsmodelle verlagert haben, erzielen die höchsten Renditen in der Branche.
Weitere Merkmale, die Big Data einsetzende Verlage von anderen unterscheiden, sind:
Konsolidierte, unternehmens-weite Datensammlung und -speicherung
Signifikante Investitionen in Big Data-Tools
CIO auf Board-Level
Chief Data Scientist orchestriert Daten-Teams für diverse Use Cases
Aktive Digital-Transformation
Mit Big Data zu erfolg-reicherem Digitalgeschäft
Anteil des Digitalgeschäfts am Gesamtumsatz (in %)
EB
ITD
A-M
arg
e in
%
"Big Data-Leader" im Fachinformationsumfeld mit eigenen, innova-tiven und erfolgreichen Big Data-Produkten
"Big Data-Leader" im Zeitungsumfeld, die Big Data-Tools zur Prozess-verbesserung und Monetarisierung konsequent einsetzen
NYT gehört zweifelsohne zu den Big Data Leadern, hat den Transformations-prozess aber später eingeleitet
12
Digitalumsatz und EBITDA-Marge ausgewählter Verlage
Quelle: goetzpartners, Unternehmensangaben = Umsatz in MEUR 2013
3.786
2.070
264
1.880
879
9.197
3.565
7.121
2.801
1.156
844
396
0 25 50 75 100
40
- 20
20
10
30
0
Axel Springer
Gannett
Thomson Reuters Wolters Kluwer
Reed Elsevier
G+J
564
Financial Times Group
1.812
Schibsted
Guardian Media Group
NY Times
Ringier
Tamedia
NZZ
Holtzbrinck
Auf dem Weg zur "Big Data Company" – Welche
Meilensteine Verlage ins Visier nehmen sollten
Big Data-Anwendungen sollten schrittweise, aber konsequent im Verlag eingeführt werden
Big Data und die daraus
entstandenen Möglichkeiten werden die Verlagsbranche nachhaltig verändern
Tools werden die Publisher zunehmend in allen Bereichen unterstützen und ggfs. lang-fristig auch einen Teil der journalistischen Arbeit übernehmen
Für die Organisation bedeutet dies, dass zunächst mit dem Aufbau von Big Data-Teams, (Data Scientists) begonnen werden muss. Die Zahl dieser datengetrieben arbeitenden Personen wird stark ansteigen
Die Konzentration auf Umsätze mit Inhalten und Werbung wird langfristig nicht erfolgreich sein, sondern es müssen neue Erlösquellen erschlossen werden
Handlungsempfehlungen –Meilensteine
Jetzt 1-2 Jahre 3-5 Jahre >5 Jahre
Portfolio- erweiterung
Organisation/ Management
Tool-Unter-stützung
Big
Data
Han
dlu
ng
sfe
lder
Einsatz von ersten Data Scientists
Erstellung Big Data-Roadmap/ Use Case-Definition
Intensivierung des Web Analytics-Ein-satzes und in Richtung Mobile & Social Media- Analytics
Personalisierung Targeting
Verstärkter Einsatz von Predictive Analytics-Tools
Fokusbereiche: Vertrieb (Up/ Cross-Selling) und Redaktion
Verzahnung aller im Unternehmen eingesetzten Daten und Tools
Ausbau einzelner Daten-Teams für die wichtigsten Anwendungs-felder
Erste datenge-triebene Produkt-erweiterungen, z.B. zur Anreiche-rung von Paywall Angeboten
Interactive Story-telling
Anzahl an Software- Ingenieuren über-steigt Anzahl an Journalisten
>50% der Verlagsmitarbei-ter arbeiten mit statistischen Pro-grammen/Tools
Eigenständige "Daten-Produkte" (z.B. automatisch kompilierte Dossiers, Workflow Solutions)
Eigenständiges Geschäftsfeld "Data driven Products/ Services" mit Umsatzanteil >15-20%
Verlage erwirt-schaften einen Großteil der Umsätze mit Pro-dukten außerhalb ihres ehemaligen Kerngeschäfts
Weitgehend alle Wertschöpfungs-stufen mit Big Data-Tools unterfüttert
Anzahl der Anwendungsfälle je Stufe deutlich gestiegen
13
Big Data-Vorgehensmodell: Die Konzeptionsphase
entscheidet über den Erfolg und die Nachhaltigkeit
Der Erfolg und die Nachhaltig-
keit des Big Data-Einsatzes hängt entscheidend von der Konzeptionsphase ab
Die isolierte Einführung von Big Data in einzelnen Verlags-bereichen führt zu einer suboptimalen Nutzung der vorhandenen Potenziale
Vor dem unternehmensweiten Rollout sollten Verlage über ein Big Data-Pilotprojekt Machbarkeit überprüfen
goetzpartners hat diverse Verlage bei der Big Data- Einführung begleitet
Gerne stehen wir Ihnen für ein Gespräch zur Verfügung, um die Big Data-Potenziale in Ihrem Verlag auszuloten
Handlungsempfehlungen - Vorgehen
Aktuelle Daten- und System-landschaft
2
6
7
Konzeptionsphase (Kernkompetenz goetzpartners)
Umsetzungsbegleitung
Evaluierung von Big Data- Potenzialen und Entwicklung einer Big Data-Roadmap
Neuorganisation und Aufbau von Big Data-Kompetenzen;
Einleiten von "Change"
Feinkonzeption für priorisierte Big Data-Anwendungsbereiche
im Verlag
Tool-/Anbieter-Auswahl, Implementierung und Inte-gration in Systemlandschaft
5
Datenkonsolidierung, Migra-tion und Einführung/Einsatz
der Big Data-Tools
t
Big Data Reifegrad
Umsetzung eines Big Data- Pilotprojekts (Machbarkeit und Überzeugungsarbeit)
4
14
Roadmap für die Big Data-Einführung
Quelle: goetzpartners
1
3
Über goetzpartners
Beratung für Strategie, M&A und Transformation
250 Berater
Büros: München, Düsseldorf, Frankfurt, London, Madrid, Mailand, Moskau, Paris, Prag, Zürich, Peking und Shanghai
Branchenfokus:
TMT
Energy
Industrials & Automotive
Healthcare
Financial Institutions
Retail & FMCG
15
Daten & Fakten
goetzpartners steht für unabhängige Beratung entlang der Kernfragen unternehmerischen Handelns: Strategie, M&A und Transformation. Kunden erzielen durch diesen einzigartigen Ansatz messbar mehr Erfolg. Dabei unterstützen inter-national 250 Berater in 12 Büros und 9 Ländern.
Das Unternehmen zählt zu den 10 größten deutschen Beratungsunternehmen (Lünendonk®). Bei "Best of Consulting 2014" belegte goetzpartners einen 1. Platz in der Kategorie "Project Excellence".
Disclaimer
Diese Publikation ist urheberrechtlich geschützt. Die Vervielfältigung, der Verleih sowie jede sonstige Form der Verbreitung oder Veröffentlichung, auch auszugsweise, bedürfen der Zustimmung von goetzpartners. Die eigenen Analysen und Annahmen für diese Publikation wurden nach bestem Wissen und Gewissen angefertigt. Für die Richtigkeit und Vollständigkeit der Analysen und Annahmen übernimmt goetzpartners keinerlei Gewähr. Es liegt in der Natur der Sache, dass die vorliegende Publikation nicht die Umstände des jeweiligen Einzelfalls berücksichtigt. Sie kann daher weder die individuelle fachkundige Beratung noch die eigene ausführliche Recherche des Dritten ersetzen.
goetzpartners
Prinzregentenstr. 56
80538 München
T +49 – 89 – 29 07 25 – 0
www.goetzpartners.com
Dr. Alexander Henschel
Managing Director
Marc Ziegler
Head of Digital Business
München l Düsseldorf l Frankfurt l London l Madrid l Mailand | Moskau l Paris l Prag l Zürich | Peking | Shanghai