datenprodukte
Deine Daten, dein Erfolg –
mit unseren Datenprodukten!
Wir entdecken neue Perspektiven auf der Basis von Daten, jenseits von Tabellen und Datenbanken: Daten sind ein Produkt und sollten ein wichtiger Bestandteil jeder Geschäftsstrategie sein.
Warum ist das relevant?
Die Verwertung von Daten hilft Unternehmen, bessere Entscheidungen zu treffen, Prozesse zu optimieren und zu automatisieren. Daten ermöglichen gesteigerte Wertschöpfung und sogar völlig neue Produkte und Dienstleistungen.
Unabhängig davon, ob bisher aktiv gesteuert: jede Organisation sammelt verschiedenste Daten. Doch nur Unternehmen, die dieses Potenzial auch nutzen, werden im Wettbewerb den Unterschied machen.
Wir unterstützen Unternehmen wie Volkswagen, Stihl oder Kodak dabei, einen Mehrwert aus ihren Daten zu gewinnen. Einige konkrete Ergebnisse unserer Kunden:
24 %
zufriedenere Kunden durch bessere in-car Experience
€20 Mio.
zusätzlicher Umsatz durch Datenmonetarisierung
30 %
genauere Prognosen für die Kapazitäts- und Personalplanung im E-Commerce
Warum „Daten als Produkt“?
Ein Datenprodukt vereint die wertsteigernde Erhebung, Verarbeitung und Weitergabe von Daten – an interne Anwender, externe Kunden oder Partner. Wir behandeln Daten als Produkte und sind damit grundsätzlich viel näher an den tatsächlichen Nutzer:innen und ihren Bedürfnissen: von informativen Dashboards bis zu leistungsstarken KI-Anwendungen.
Statt als technische Teilkomponente definieren wir Daten als für sich stehendes Produkt. So manifestiert sich ihr Stellenwert in der Geschäftsstrategie: Sie beeinflussen die Art und Weise, wie Teams arbeiten und Entscheidungen treffen.
Daher ziehen Unternehmen den größten Nutzen aus Datenprodukten, wenn diese ganzheitlich konzipiert sind – mit einem kohärenten Wertversprechen und einem eigenen Lebenszyklus.
Wo begegnen uns Datenprodukte? Hier sind vier typische Ansätze, wie wir Datenprodukte realisieren:
Moderne Unternehmen treffen ihre Entscheidungen auf der Grundlage von Daten, oft visualisiert in Dashboards. Bunte Tortendiagramme sind hier das sichtbare Ergebnis – doch als Datenprodukt betrachtet, wird die Integration dieser BI-Lösungen im Unternehmen klarer. Für welche Entscheidungen wird es genutzt? Wie kommen wir an die nötigen Input-Daten, und welche Anforderungen stellt das an die digitalen Pipelines? Wer ist für Roll-out und Maintenance zuständig?
Wir unterstützen unsere Kunden dabei, mit Blick auf Geschäftsstrategie, Bedürfnisse und Zielsetzung eine passende BI-Lösung zu bauen und zu implementieren.
KI-Lösungen nutzen mathematische Modelle oder Machine Learning, um Entscheidungen zu unterstützen oder zu automatisieren. Dabei kommen verschiedene Anwendungen zum Einsatz, die beispielsweise Prognosen, Fraud- und Spam-Erkennung oder personalisiertes Marketing ermöglichen. Die jüngsten Fortschritte bei der Verarbeitung natürlicher Sprache eröffnen neue Wege für das Wissensmanagement, Kundensupport und neue Möglichkeiten der Interaktion mit Computern. Ganzheitliches Produktdenken ist der Schlüssel bei der Entwicklung von KI-Lösungen. Wir unterstützen im Kreativ- und Entwicklungsprozess, um die Datenprodukte zu identifizieren, die den Zielen und Herausforderungen am besten gerecht werden.
Data Mills sind die Grundpfeiler effizienter Datenverarbeitung, analog zu Backend-Systemen im Softwarebereich. Diese Plattformen sammeln, bündeln, transformieren, aggregieren, und leiten Daten in andere Back-end-Systeme oder Front-Ends wie BI-Tools weiter. Ausgereifte Data Mills erlauben externen Anbietern den Zugang zu den Daten über Marktplätze oder integrierte Programmschnittstellen (APIs). Sie ermöglichen effizienteren Datenaustausch und heben Potenziale zur Datenmonetarisierung.
Die Entwicklung von KI-Systemen ist anspruchsvoll, insbesondere in Bereichen mit hohem Risiko oder erheblichen Sicherheitsanforderungen – wie im Finanzwesen, in der Unternehmensplanung oder der Medizin. Hierfür sind eine systematische Dokumentation und transparente Entwicklungsschritte unerlässlich. In unserem Team haben wir Spezialist:innen für vertrauenswürdige KI-Entwicklung, ML-Engineering und erklärbare KI. Wir verfolgen einen ganzheitlichen Produktansatz, der rechtliche und ethische Aspekte sowie die organisatorischen Auswirkungen von KI umfasst, um vertrauenswürdige KI-Produkte zu entwickeln.
Unsere Erfolge
Profitabilität im Blick behalten: Das Data Product Dashboard
Ausgangspunkt bei diesem Projekt war ein Kunde, der über mehrere Kanäle Daten veräußerte, aber keine globale Übersicht über die ganzheitliche Performance dieser Monetarisierung hatte. Quartalsweise wurden manuell Daten aus den einzelnen Abteilungen abgefragt und zahlreiche Excel-Tabellen zu einem möglichst überzeugenden Bericht für den Vorstand zusammengefasst.
Ziel unserer Arbeit war es, diese mühsame Aufgabe zu automatisieren und den Entscheidungsträgern alle notwendigen Informationen auf einen Blick zur Verfügung zu stellen. Hierfür entwickelten wir ein leistungsstarkes Backend, das Daten aus verschiedenen Quellen sammelt und bereinigt, sowie ein aussagekräftiges Dashboard als Frontend, um den Fortschritt zu verfolgen und den ROI der verschiedenen Maßnahmen zur Monetarisierung jederzeit sichtbar zu machen.
Nachdem das Dashboard live ging, meldeten weitere Abteilungen Bedarf für ähnliche Visualisierungen an. Derzeit erweitern wir daher die Plattform für das Vertriebsteam, das nachverfolgen möchte, welche Marketingmaßnahmen wie effektiv sind – und für die Buchhaltung, die Finanzdaten filtern und exportieren möchte, um ihre internen Abläufe zu beschleunigen.
Solche Dashboards sind in vielen Branchen ein gängiges Instrument, um interne Prozesse zu verfolgen und zu verbessern. Dabei liegt unsere Hauptkompetenz in der Aggregation umfangreicher Datenmengen. Dies macht uns zu starken Partnern von Unternehmen, die große Mengen an statischen und dynamischen Daten generieren, wie z. B. in der Automobilindustrie, dem Energiesektor, Finanzwesen und dem Einzelhandel.
E-Learning und Geschäftserfolg datengestützt in Zusammenhang bringen
In der Regel wird nur wenig darauf geachtet, in wie fern verschiedene Fortbildungsmaßnahmen zu den Zielen eines Unternehmens beitragen. In diesem Projekt führen wir Daten von E-Learning-Aktivitäten mit Business-relevanten Erfolgsmetriken zusammen. Mit Hilfe von maschinellem Lernen analysiert unser Modell Korrelationen zwischen den einzelnen Lernaktivitäten und KPIs wie Verkaufsleistung oder Kundenzufriedenheit.
Wir kombinieren eine verhaltensbasierte Segmentierung der Lernenden mit unternehmerischen Kennzahlen und helfen so dabei, interne Bildungsprogramme effektiver zu gestalten:
- Welche Trainingsinhalte und -formate wirken sich positiv auf den Geschäftserfolg aus?
- Die Qualität und Effektivität der Schulungsinhalte wird gesteigert
- Individuelle Lernpfade je nach Jobprofil und Kenntnisstand werden ermöglicht
- Wie führt die Stärkung einer Team-Community zu performanteren Sales-Ergebnissen?
Diese Art von Datenprodukten eignet sich für Unternehmen, die sicherstellen möchten, dass ihr E-Learning-Programm auf den Geschäftserfolg einzahlt.
Wer nutzt denn bitte dieses Feature? – In-car Analytics
Fahrzeuge neuerer Generation sammeln täglich Unmengen an Daten und ihre Fahrer:innen sind 24/7 über verschiedenste Apps mit ihnen verbunden. Hierdurch ergeben sich theoretisch unzählige Möglichkeiten für eine großartige Customer Experience, tatsächlich führt dies jedoch zu einer schaurigen „Featuritis“. Wir fahren Autos, aus denen man zwar live twittern kann, aber das Licht für die hintere Sitzbank nicht mehr anbekommt. Um dies zu ändern, schlossen wir uns mit einem unserer Automotive-Kunden zusammen.
Für In-car Analytics verknüpfen wir Informationen über das Fahrverhalten und die Interaktion der Insassen mit verschiedenen Schnittstellen in unterschiedlichen Kontexten. Dies wird dann für verschiedene Use Cases ausgewertet. Entscheidend ist hierbei, Insights so zu erfassen, dass sie Relevanz haben und gleichzeitig die Privatsphäre des Einzelnen geschützt bleibt. Hierfür ist eine engmaschige Zusammenarbeit mit unseren hauseigenen Jurist:innen unerlässlich.
Im Rahmen des Projekts haben wir erfolgreich eine Datenpipeline aufgesetzt, die komplexe Datensätze verarbeitet und aussagekräftige Analysen liefert. Damit unterstützen wir die F&E Abteilung bei der Optimierung der Customer Experience im nächsten Auto, oder die Strategieabteilung beim Entwickeln von ergänzenden Services. Das Produkt ist modular aufgebaut und wir fügen je nach Bedarf weitere Use Cases hinzu.
Diese Art von Datenprodukten ist prädestiniert für Unternehmen, die große Datenmengen datenschutzkonform in skalierbaren Cloud-Umgebungen verarbeiten möchten.
Data Delivery Framework – Daten werden zu Produkten mit Mehrwert
Ideen zur Datenverwertung sind schnell in einem Slide-Deck skizziert. Der schwierigere Part beginnt bei der konkreten Umsetzung. Unser Data-delivery-Framework stellt sicher, dass Ideen nicht ins Leere laufen. In unseren Teams haben wir über die Zeit ein erfolgreiches Set-Up etabliert: Im Kern des Entwicklungsteams sind die zentralen Bereiche Data Operations, Produktmanagement und Legal abgebildet. Hinzu kommen Experten aus angrenzenden Bereichen, die einen ganzheitlichen Blick gewährleisten.
Mithilfe des Frameworks können wir Abläufe verschlanken und mehrere Datenprodukte parallel bearbeiten. Es hilft uns, wichtige Touchpoints zu definieren, an denen Entscheidungen oder interdisziplinärer Austausch erforderlich sind, sowie Zeiträume festzulegen, in denen Entwickler:innen ihre Arbeit ohne Unterbrechungen oder ständig neuer Feature-Wünsche erledigen können. Mit unserem End-to-End Ansatz stellen wir einen reibungslosen Übergang sicher; von der Ideenfindung über Requirement Engineering bis hin zur eigentlichen Entwicklung und dem laufenden Betrieb.
Auch wenn Kunden individuelle Anforderungen an ein Datenprodukt haben, gibt es Muster, wie diese grundsätzlich erstellt werden. Dank langjähriger Erfahrung können wir mit umfangreichen, dynamischen Datensätzen, komplexen Anforderungen oder unstrukturierten Daten aus verschiedensten Quellen umgehen.
Wie arbeiten wir?
Unsere Organisation
Unsere multidisziplinären und funktionsübergreifenden Teams bestehen aus Product Ownern, Data Architects, Business- und Legal Consultants sowie Data Scientists, Analysts, Engineers und Data-Ops-Specialists. Wir sind auf sechs Data Studios in Berlin, Hamburg, Stuttgart, München, Lissabon und Bukarest verteilt.
Unsere Vorgehensweise
Wir wenden bewährte Ansätze und Techniken der Produktentwicklung an. Ein strukturierter Prozess ermöglicht unseren Teams standortübergreifend, autonom und in iterativen Schleifen zu arbeiten – vom Proof of Concept (POC) bis zum Go-Live.
Bei der Entwicklung eines Datenprodukts starten wir mit einer Discovery-Phase: Gemeinsam erarbeiten wir eine Zielsetzung für die Verwertung von Daten und gleichen ab, welche Datenpunkte dafür zur Verfügung stehen. Im zweiten Schritt legen wir im sogenannten „Definition of Ready“-Dokument fest, welche technischen, rechtlichen und Business-relevanten Implikationen das jeweilige Datenprodukt beinhaltet. Schließlich entwickeln wir produktspezifische Features, stellen die notwendigen Datenströme sicher und implementieren ein erstes Minimum Viable Product (MVP) für Live-Tests.
Unsere Gestaltungskriterien: Vier Design-Prinzipien
Bündelung von Business, Legal und Technik
Selbst wenn Datenprodukte manchmal wie Science-Fiction anmuten, haben sie konkreten und direkten Einfluss auf Unternehmensprozesse und -abläufe. Deshalb müssen sie geschäftliche Rahmenbedingungen, bestehende IT-Architektur, Datenschutz-Richtlinien und rechtliche Belange sowie die beteiligten Menschen berücksichtigen. Unsere Teams sind interdisziplinär besetzt und stellen sicher, dass die gelieferten Lösungen tatsächlich umgesetzt werden können.
Product Owner statt Projektmanager
Mehr als 80 Prozent der Dateninitiativen scheitern. Warum? Weil Ideen zwar schnell in einer Powerpoint skizziert sind, der Weg zu einem konkreten Datenprodukt aber weit ist. Deshalb sind unsere Product Owner entscheidend im Entwicklungsprozess und bauen mit entschlossenem Requirement-Engineering die Brücke zwischen Strategie und Umsetzung.
Outcome über Output
Unsere Dienstleistung endet nicht automatisch, wenn ein Häkchen hinter jedes Jira-Ticket gesetzt ist. Unter End-to-End verstehen wir sicherzustellen, dass alles funktioniert und die Datenprodukte den erwünschten Nutzen generieren. Um dies zu gewährleisten, bestehen unsere Data Engineers auf echte Testdaten und unsere Prozessdesigner stellen sicher, dass das Datenprodukt in die Prozesse eures Unternehmens eingebettet ist.
Datenschutz von Anfang an
Viel zu häufig werden die Rechtsabteilung und relevante Fragen nach Compliance, Datenschutz und Lizenzrecht zu spät in Projekten mit einbezogen. Wir binden unsere Legal Engineers bereits in der frühen Entwurfsphase ein, um sicherzustellen, dass wir eine Lösung liefern, die Mehrwert bietet und DSGVO -konform ist.
Los geht’s!
Interessiert an einem Datenprodukt für nachhaltige Wertschöpfung in eurem Unternehmen?
Ganz gleich, ob ihr gerade erst anfangt, Daten zu sammeln oder die Daten-Pipelines bereits heiß laufen: Unser Workshop-Format passt für alle Szenarien und hat insbesondere das Ziel, (bisher ungenutzte) Möglichkeiten zu entdecken, um Daten wertschöpfend zu nutzen.
Und weil gemeinsam jammen nur dann funktioniert, wenn die Chemie stimmt, lasst uns genau das herausfinden! Hier die Details zum Workshop:
diconium:
Creating Digital Champions.
