Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 1
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen
Sebastian LodemannTechnische Universität Hamburg
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 2
Mensch vs. Maschine3
Einführung: Data Analytics – Warum jetzt?1
Datengetriebenes Vorgehen im Geschäftsmodell und Unternehmen2
Erfolgsfaktoren und Hürden4
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 3
Algorithmen
Freie Verfügbarkeit moderner Verfahren
Offene Community
Daten
Steigende Datenverfügbarkeit
Bessere Datenstrukturen
Hardware
Cloud Computing
Einsatz von Graphic Processing Units (GPU)
Bibliotheken
Zunehmende Bereitstellung von frei zugänglichen Algorithmen und
Oberflächen
Geringerer Entwicklungsaufwand
Treiber des „Age ofImplementation“
Data Analytics/AI: Vom „Age of Discovery“ zum „Age of Implementation“
Lee (2018) & Lu et al. (2017)
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 4
Ø 3100$ mehr Marktwert pro
Mitarbeiter
Ø 5-6% gesteigerte
Produktivität
Mehrwert datengetriebener Entscheidungen für Unternehmen
Brynjolfsson et al. (2011)
Analyse einer Stichprobe von 179 börsennotierten Unternehmen
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 5
Datengetriebenes Geschäftsmodell
Wirtz (2010), S.70 & Hartmann et al (2014), S. 6 & BITKOM (2014), S. 17
Was ist ein Geschäftsmodell? Charakterisierung datengetriebener Geschäftsmodelle
Sicherstellung zukünftiger Wettbewerbsvorteile durch den Einsatz von Daten
Vereinfachtes Abbild des betrieblichen Produktions- und Leistungssystems einer Unternehmung
Ziel: Kombination von Leistungsfaktoren zur Umsetzung der Geschäftsstrategie
Geschäftsmodell basiert auf Daten als Schlüsselressource
Neuentwicklung/Weiterentwicklung von Produkten aufgrund von Datenanalysen
Entsprechende Anpassung des Produktions- und Leistungssystems
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 6
▪ Situation:Konkurrenz bei der Anlagenoptimierung durch branchenfremde Wettbewerber (IBM, SAP, Start-up-Unternehmen)
▪ Lösung: Sensoren und Cloud-basierte Plattformen,Fähigkeiten zur Datenanalyse(Kooperationen & Beteiligungen) Angebot neuer datengestützter Dienstleistungen:Echtzeitanalyse der Daten für effizientere Nutzung der Windenergieanlagen
▪ Ertragsmechanik: prozentualer Anteil des Kundennutzensfestgelegt in Contractual Service Agreements(durch Kostenreduzierung oder Umsatzsteigerung)
Photo by Karsten Würth (@karsten.wuerth) on Unsplash
Herausforderung Geschäftsmodell - Beispiel General Electric (GE)
Die auf Hardware-Verkauf ausgerichtete Branchenlogik wird durchbrochen. Software-Entwicklung und Datenanalyse wurde auch in anderen Geschäftsbereichen implementiert.
Datenanalyse für Windenergieanlagen
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 7
Datengetriebenes Unternehmen?
Mitarbeiter…• argumentieren• entscheiden• denken… auf der Basis von Daten
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 8
Einfach und repetitiv
AUTOMATION AUGMENTATION
Spezialisiert und risikoreich
KI = Entscheidungen
treffen
Entscheidungen: Zusammenspiel von Mensch und MaschineVerschiedene Entscheidungen können von einer KI automatisiert oder augmentiert werden
Schedlbauer & Bohnhoff (2019)Hosny et. Al. (2018), pexels.com
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 9
Schwächen, ja – aber menschliche Einschätzung und Intuition als Stärke?Passende Bedingungen müssen für die Entstehung von Intuition gegeben sein
University_of_TorontoX: BE101x Behavioural Economics in Action, the nounproject, Creative Stall, PK
„Intuition is thinking that you know without
knowing why you do.” – D. Kahneman
Erfolgreiches Lernen und Intuition geschieht…
…wenn Feedback:
1. schnell ist
2. eindeutig ist
…durch
1. „Kompetenz“
2. Pattern matching
3. Erfahrung
Gegenbeispiele:
Aktienmarkt Hiring
Beispiele:
Schach Ehe
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 10
Selbstevaluation von IntuitionWenn Sie sich als Entscheider verbessern wollen, klassifizieren Sie Ihre Entscheidungen
Eigene Darstellung (Lodemann)
Falsche, zweifelnde
Intuition
2.
3.
Falsche, bewusste Intuition
Zu Recht selbstbewusste Intuition
(Gut abgestimmtes Wissen über Realität)
1.
4.
Subjektive „Gute Intuition“ Subjektive „Schlechte Intuition“
Zu Recht zweifelnde Intuition
(Gut abgestimmtes Wissen über Realität)
Ric
hti
g e
inge
sch
ätzt
Fals
ch e
inge
sch
ätzt
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 11
Menschliche Schwächen bei scheinen Entscheidungen klar – was nun?Mehrdeutigkeit im Entscheidungskontext
Eigene Darstellung (Lodemann)
Entscheidungen besser treffen
• Betrachtet auch den Prozess der
Entscheidung y
• Wenn Sie die Art und Weise, wie
Entscheidungen getroffen werden,
verbessern, hat dies Auswirkungen.
• datenbasierte Entscheidung
• Entscheidung reproduzierbar
• Entscheidung vergleichbar
Bessere Entscheidungen treffen
• Betrachtung des Endergebnisses
• Messung anhand einiger Metriken
und KPIs
• Hat Input x durch die Entscheidung y
zu einer Verbesserung von z geführt
• Auch Bauchgefühl-Entscheidungen?
Scheint gleichwertig, hat aber unterschiedliche Auswirkungen
Datenbasierte Entscheidungen erlauben in Zukunft, bei gleichen Bedingungen, eine Analyse, warum Entscheidungen in der Vergangenheit getroffen wurden und ob diese, aufgrund des dokumentierten Verlaufs, erneut durchgeführt werden sollten
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 12
Warum werden nicht alle Entscheidungen auf Basis von Datenanalysen getroffen?Eine Analyse der Hemmnisse
University of Pennsylvania (2017) & Spektrum.de (2016)
Aversion vor Algorithmen
• Mangelndes Vertrauen
• Größeres Vertrauen in das eigene Bauchgefühl
• Größeres Vertrauen in die eigenen Fähigkeiten
• Angst vor Fehleranfälligkeit
Limitierte Anwendung
• Komplexe Probleme, die eine lange Rechenzeit erfordern
• Ethisch: Ist ein Algorithmus überall gewünscht?
• Mangelndes technologisches Verständnis
Ressourcenverfügbarkeit
• Mangelnde Datenverfügbarkeit
• Mangelnde Datenqualität
• Unzureichende Datenstruktur
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 13
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell
Spierling (2016)
Verwendung einer “Information Culture”, in der Informationen allgemein als Wert und Ausgangspunkt für sämtliche Aktivitäten akzeptiert sind und strategisch und taktisch verwendet werden können.
Business und IT müssen enger zusammenarbeiten. Wo dies nicht der Fall ist, gehen Fachwissen und IT-Wissen verloren oder erreichen nicht alle Beteiligten in Steuerungsorganisationen
Informationskonsumenten in der Organisation müssen einfallsreich und intelligent unterstützt werden. Hierzu gehören Möglichkeiten, Daten per Self Service zu nutzen und gesteuert zu durchsuchen.
Daten sollten wie ein Produkt oder Service verstanden werden, den man laufend verwaltet und optimiert.
Keine Kompromisse bei Sicherheit und dem Datenschutz. Nur so kann Vertrauen in und die Nutzung von Big Data und Analytics entstehen.
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 14
Was sind Schritte zum datengetriebenen Unternehmen?
University of Pennsylvania (2017) & Harvard Business Review (2016) & Brynjolfsson et al. (2011)
Demokratisierung von Daten
C-Suite Champion
Datengetriebene Kultur
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 15
Decision
Entwicklung zum datengetriebenen Unternehmen – Wie gehe ich vor?
Bakertilly (2019) & IT-Daily (2019), Gartner (2015)
Eine datengetriebene Unternehmenskultur entsteht nicht über Nacht. Führungskräfte auf allen Ebenen müssen eine bewusste Entscheidung treffen, diesen Weg zu gehen und bereit sein, Zeit und Geld in die
Entwicklung zuverlässiger Analytik zu investieren.
Passende Technologie und Datenmanagement
Single Point of Truth, Data Governance
Organisation und Prozesse
Mitarbeiter und Kultur
Daten
DescriptiveWhat happened?
DiagnosticWhy did it happen?
PredictiveWhat will happen?
Analytics Menschlicher Input
PresriptiveWhat should we do?
Decision Support
Action
Decision Automation
Iterativer Prozess!Primäre Faktoren:
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 16
Problemgetrieben:„Wie kann ich mein operativesProblem mit Daten lösen?“
Technologiegetrieben:„Wie kann ich diese Technologiezur Datenanalyse einsetzen?“
Transparenzgetrieben:„Wie kann ich mein Verständnis für diesen Bereich mit Daten verbessern?“
Transfergetrieben:„Wie kann ich eine zu einer anderen Institution passende Anwendung aufbauen?“
Datengetrieben:„Wie kann ich diese vorliegendenDaten wertschöpfend nutzen?“
Mögliche Treiber für Advanced Data Analytics mit verknüpften Erfolgsfaktoren
Lodemann & Kersten (2020, in press)
Was motiviert Analytics in meinem Unternehmen?
Inhaltlich
Check Daten-verfügbarkeit
Inhaltlich
Stakeholder (Intern)
Konkreter Problem-
bezug Extern
Stake-holder
(Extern)
Use Case Identifikation
Ressourcen (Intern)
Extern
Bezug
Erfolgs-faktor
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 17
Schlüssel zum Erfolg: Ganzheitliche Betrachtung von Mensch, Technik und Organisation
Diskussion fokussiert
aktuell stark auf KI als
Technologie
Potenzial der KI in
Logistik und Supply
Chain Management
kann nur gehoben
werden, wenn
Mensch, Technik und
Organisation
ganzheitlich
betrachtet werden
Daten
Digitale Transformation
Technologien
Technik
Nutzen für Kunden
von See & Kersten (2018): Arbeiten im Zeitalter des Internets der Dinge
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 18
Datengetriebene Entscheidungen als Allheilmittel?Russische Nägel, indische Kobras und Brexit
thenounproject
Welches Ziel / KPI?
Goodhart‘s Law: “When a measure
becomes a target, it ceases to be a
good measure.“
vs.
Welche Stakeholder?
Bsp. Echtzeit-Einflussnahme auf Suchergebnisse durch Politiker
Welche Incentivierung?
Allein durch Datenbezug wird die Incentivierung Einzelner nicht objektiviert oder kongruent mit übergeordneten Zielen
→ Der Kobra Effekt
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 19
▪ Wo kann ich Wertschöpfung durch eine Anwendung erzielen?
▪ Ist das Mindset der Mitarbeiter kompatibel mit einem „data-driven“-Ansatz?
▪ Sind die prozessualen und tech-nologischen Voraussetzungen da?
▪ Was ist das Ziel des Modells? Passen die vorliegenden Daten zum Ziel?
▪ Sind die zugrunde liegenden Daten fehlerhaft oder verzerrt?
▪ Müssen bei der Entscheidungs-findung ethische oder juristische Fragen berücksichtigt werden?
Fragestellungen
▪ Nicht nur „Was?“ sondern auch „Wie und warum?“ aus unternehmerischen und juristischen Gründen: „Explainable AI“ (XAI)
▪ Hohe Spezialisierung existierender Systeme: „Transfer Learning“
Technologische Herausforderungen
▪ (Teil-)Automatisierung von Entscheidungen
▪ Verständnis bei Mitarbeitern schaffen, Sorgen ab- Vertrauen aufbauen
▪ Qualifiziertes Personal finden und halten
Unternehmerische Herausforderungen
▪ Machine Learning Anwendungen basieren auf Datenstrukturen der realen Welt und beinhalten Vorurteile und Biases, e.g. Predictive Policing und Algorithmic Sentencing
Ethische Herausforderungen
Zukünftige Herausforderungen im Bereich Data Analytics
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 20
linkedin.com/in/sebastian-lodemann
kompetenzzentrum-hamburg.digital
Wir freuen uns über Ihren Besuch
Fragen, Anregungen, Diskussionsbedarf? Treten Sie in Kontakt!
Sebastian Lodemann, M. [email protected]
040 42878 4505
Erfolgsfaktoren für ein datengetriebenes Geschäftsmodell und Unternehmen© Sebastian Lodemann, M. Sc.
24.01.2020 I Seite 21
(1) Wirtz, Bernd W. (2010): Business Model Management. Design – Instrumente – Erfolgsfaktoren von Geschäftsmodellen. Wiesbaden: Gabler
(2) Hartmann, Max; Zaki, Mohamed; Feldmann, Niels; Neely, Andy (2014): Big Data for Big Business? A Taxonomy of Data-driven Business Models used by Start-up Firms. Cambridge: University of Cambridge
(3) BITKOM (2017): Big-Data-Technologien – Wissen für Entscheider. Berlin: Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V.
(4) Bitkom- Arbeitskreis Big Data (2015): Big Data und Geschäfts modell-Innovationen in der Praxis: 40+ Beispiele
(5) Spierling, Detlev (2016): Datengetriebene Dienstleistungen machen die Industrie wettbewerbsfähiger. Onlineartikel: https://www.springerprofessional.de/industrie-4-0/datengetriebene-dienstleistungen-machen-die-industrie-wettbewerb/10519716
(6) Bakertilly (2019): Auf dem Weg zum datengetriebenen Unternehmen. Flyer: https://www.bakertilly.de/fileadmin/public/user_upload/Flyer-UB_Auf-dem-Weg-zum-datengetr-Unternehmen_Draft05.pdf
(7) Gartner (2015): How to get started with Prescriptive Analytics
(8) IT-Daily (2019): In drei Schritten zur datengetriebenen Unternehmenskultur. Onlineartikel: https://www.it-daily.net/it-management/big-data-analytics/23032-in-drei-schritten-zur-datengetriebenen-unternehmenskultur
(9) Deloitte (2019): Mission Zukunft: So treffen sie die besten Entscheidungen von morgen! https://www2.deloitte.com/de/de/pages/trends/zukunft-der-entscheidungsfindung.html
(10) Bigdata-insider.de (2015): Mit Predictive Analytics die richtige Entscheidung treffen: https://www.bigdata-insider.de/mit-predictive-analytics-die-richtige-entscheidung-treffen-a-488842/
(11) Dr. Kai-Fu Lee (2018): The Age of Implementation: https://aisuperpowers.com/blog/the-age-of-implementation
(12) Lu, Huimin; Li, Yujie; Chen, Min; Kim, Hyoungseop; Serikawa, Seiichi (2017): Brain Intelligence: Go beyond Artificial Intelligence: https://link.springer.com/content/pdf/10.1007%2Fs11036-017-0932-8.pdf
(13) University of Pennsylvania (2017): Why Humas Distrust Algorithms- and How That Can Change: http://knowledge.wharton.upenn.edu/article/how-to-convince-people-to-trust-algorithms/
(14) Harvard Business Review (2016): Managers Shouldn’t Fear Alogrithm-Based Decision Making: https://hbr.org/2016/09/managers-shouldnt-fear-algorithm-based-decision-making
(15) Brynjolfsson, Erik; Hitt, Lorin M.; Kim, Heekyung Hellen (2011): Strength in Numbers: How Does Data-Driven Decisionmaking Affect Firm Performance?
(16) Spektrum.de (2016): Die Grenzen der künstlichen Intelligenz: https://www.spektrum.de/news/die-grenzen-der-kuenstlichen-intelligenz/1409149
(17) Prof. Ruskowski, Vortrag Arbeitsgemeinschaft Künstliche Intelligenz 2019
Literaturverzeichnis