Katrin Mathis

Digitale Konzepte
mit mehr Wert.

Ständig wachsende Datenmengen eröffnen neue Möglichkeiten in allen Bereichen der Wirtschaft. Einzelnen visionären Unternehmen gelingt es schon heute, mit neuen Angeboten und Geschäftsmodellen Kapital aus ihren Daten zu schlagen. Doch für die Mehrheit ist das noch Zukunftsmusik, denn Anleitungen finden sich dazu bisher kaum.

Dieser Beitrag stellt ein Vorgehensmodell vor, wie ausgehend von Daten neue Geschäftsmodelle konzipiert werden können. Entscheidend für ein attraktives Wertversprechen ist dabei ein Abgleich zwischen Daten und den Bedürfnissen der Nutzer.

Grenzen bestehender Ansätze

Meist steht die Vision für ein neues Geschäftsmodell am Anfang. Dann eignen sich etablierte Methoden, wie beispielsweise Lean Startup sehr gut, diese Vision am Markt zu validieren und umzusetzen. Jedoch stellt sich für Unternehmen die Frage, wie zunächst Visionen für innovative Geschäftsmodelle systematisch konzipiert werden können.
Vorgehensweisen zur Ideenfindung, wie beispielsweise Design Thinking, sind stark nutzerzentriert. Solange weder Zielgruppe noch Wertversprechen definiert sind, ist noch unklar, wer zu welchen Themen befragt werden sollte. Unternehmen stehen vor dem Dilemma, wie eine zielgerichtete Nutzerforschung initiiert und durchgeführt werden kann.

Daten und Partner als Startpunkt für Geschäftsmodellinnovation

Stattdessen lohnt ein Blick auf die Mittel, die im Unternehmen zur Verfügung stehen und ein Experimentieren mit den daraus entstehenden Möglichkeiten – ein Denkansatz, der als Effectuation bekannt ist. Mittel sind vor allem die Ressourcen und bestehende Partnerschaften, aber auch Strategie und Werte:

Welche Daten und welches Wissen dazu stehen im Unternehmen zur Verfügung?
Welche Partner könnten weitere Daten liefern oder andere Unterstützung leisten?
Wie können die Daten im Sinne der Unternehmenswerte genutzt werden?

Zur Analyse der Partner hat sich im Service Design das Tool der Stakeholder Map etabliert. Akteure, mit denen ein Unternehmen in Beziehung steht, werden in drei Kreisen positioniert. Die Relevanz nimmt dabei mit der Entfernung zum Mittelpunkt ab. Pfeile bilden die Verbindungen und Wertströme zwischen den Akteuren ab.

Ein vergleichbares Tool für die Analyse von Daten konnte nicht gefunden werden. Aus diesem Grund wurde die Data Canvas als Plugin für die bekannte Business Model Canvas entwickelt, mit der Geschäftsmodelle kompakt visualisiert werden können. Die Data Canvas hilft, sich mit Vertretern unterschiedlicher Abteilungen einen Überblick darüber zu verschaffen, welche Daten im Unternehmen zur Verfügung stehen.

Zielgerichtete User Research für einen Data-Need Fit

Stakeholder Map und Data Canvas erleichtern die Eingrenzung von Zielgruppen und Themen für User Research. Ziel der Nutzerforschung ist es, relevante Aufgaben zu identifizieren, die mit verfügbaren Daten unterstützt werden können. Je nach Kontext können dafür unterschiedliche Methoden zum Einsatz kommen, wie beispielsweise Interviews, Beobachtungen oder Nutzertagebücher.

Erkenntnisse der User Research können beispielsweise in einer Value Proposition Canvas festgehalten werden. Mit den Kunden im rechten Bereich und den Daten im linken Bereich der Canvas wird schnell sichtbar, wo Bedürfnisse und Daten zusammenkommen. Ein Data-Need Fit tritt ein, wenn eine oder mehrere verfügbare Datenquellen identifiziert wurden, die relevante Aufgaben von Kunden unterstützen, Probleme lösen oder Nutzen schaffen können.

Von Data-Need Fit zu einem funktionierenden Geschäftsmodell

Ein Data-Need Fit ist eine wichtige Voraussetzung für ein attraktives Wertversprechen. Dieses bildet das Herz eines Geschäftsmodells und legt in diesem Fall fest, in Form welcher Produkte und Dienstleistungen die Daten Aufgaben von Nutzern unterstützen und Wert schaffen.

Wenn das Wertversprechen relevante Probleme der Nutzer löst und Nutzen schafft, ist ein Problem-Solution Fit gefunden. Weitere Elemente der Business Model Canvas resultieren teils aus dem Produkt- oder Dienstleistungsangebot selbst oder können variabel gehalten werden.

Da die Business Model Canvas zunächst nur auf Annahmen basiert, sollten diese möglichst frühzeitig mit Kunden und Nutzern überprüft werden, um das Risiko eines späten Scheiterns zu minimieren. Etablierte Vorgehensmodelle, wie der Lean Startup Ansatz bieten ein systematisches Vorgehen, um beispielsweise mittels eines sogenannten Minimum Viable Product (MVP) die kritischsten Annahmen zu überprüfen.

 

Dieses Vorgehensmodell habe ich im Rahmen meiner Thesis für einen MBA in Service Innovation and Design zusammen mit der Marketingberatung FELD M entwickelt und erstmals in dem BMWi Forschungsprojekt ExCELL angewendet. Die Data Canvas steht unter Creative Commons zum Download. Ich freue mich jederzeit über Feedback zur Data Canvas und dem Vorgehensmodell. Gerne berate ich Sie, wie Sie Daten für neue Geschäftsmodelle nutzen können oder leite Workshops zu diesem Themenbereich.