Datenprodukte erklärt!

Mit Daten Geld verdienen: Google, Facebook und Amazon machen es vor – aber wie mache ich es nach? Wir wollten wissen, ob und wie sich Datenprodukt-Geschäftsmodelle als Geschäftsmodelle auf der Basis von Daten von anderen digitalen und traditionellen Geschäftsmodellen unterscheiden. Dazu beantworten wir in diesem Blogartikel zunächst die Frage: Was sind Datenprodukte überhaupt?

Aus Projektmanagement wird Produktmanagement

In einem kürzlich erschienen Interview erklärt Conny Dethloff, „Division Manager BI Agile Product and Data Management“ bei der OTTO Group, dass sich das Projektmanagement bei OTTO in ein Produktmanagement gewandelt hat. Dies ist bemerkenswert, weil er als Verantwortlicher für Data Management nur interne Produkte entwickelt und diese nicht extern vermarktet und es sich bei seinen Produkten gar nicht um physische Artefakte handelt, sondern um aus Daten erzeugte Erkenntnisse. Für mich ist das ein Zeichen dafür, dass sich Daten bzw. Informationen hinsichtlich ihrer Wertigkeit zusehends wandeln.

Daten dienen nicht mehr nur dazu, andere Dinge besser zu machen. Daten werden selbst Kern des Werteversprechens.

Mein persönliches Interesse gilt schon seit längerer Zeit der Frage, wie aus Daten Produkte werden, d. h. Datenprodukte. Daten werden schon lange dazu benutzt, Reports zu generieren, z. B. den Umsatz pro Quartal oder pro Region oder pro Kunde zu segmentieren. Die Bedeutung von Daten als eigentlicher Werttreiber einer Dienstleistung ist allerdings relativ neu. Der Wandel von Daten als Nebenprodukt oder Hilfsmittel hin zum Kern der Value Proposition stellt eine neue Perspektive dar. Unter diesem Blickwinkel können Methoden des Produktmanagements auf Daten angewendet und neue Erkenntnisse gewonnen werden.

3 Typen von Datenprodukten definiert

Zunächst möchte ich den Begriff des Datenproduktes definieren. Ein kurzer Blick in Wikipedia zeigt nämlich, dass der Begriff des Datenproduktes im deutschsprachigen Raum wenig geläufig ist. Für mich gibt es drei Typen von Datenprodukten, die sich im Wesentlichen aus dem assoziierten Geschäftsmodell herleiten:

• Data as a ServiceDaten können dazu genutzt werden, direkten Umsatz zu generieren, also Anzahl Daten * Preis = Umsatz. Beispiele hierfür sind Anbieter, die bestimmte wertvolle Daten zur Verfügung stellen (Börsendaten: wertpapierindex.de, Adressdaten: schober; Wetterdaten: wetter.com, strikeiron, MS Azure Datahub).
• Data-enhanced ProductsDaten können auch dazu genutzt werden, physische oder virtuelle Produkte anzureichern. In dem Fall entspricht die Änderung des Umsatzes des physischen Produktes dem Umsatz, der durch Daten erzielt wird.
• Data as InsightsDie Erkenntnisse aus Daten werden dazu genutzt, ein anderes Produkt besser zu vermarkten. Die Daten selbst werden nicht in der Kundeninteraktion transparent.

Beispiele für Datenprodukte

Den zweiten Fall finde ich persönlich am spannendsten, weil er die vielen unterschiedlichen Möglichkeiten für die Nutzung von Datenprodukten darstellt.

Nehmen wir Google Recaptcha: Unter traditionellen Gesichtspunkten ist diese Produktentwicklung nicht sinnvoll. Die Websites, die Recaptcha benutzen, bezahlen kein Geld; die Nutzer bezahlen auch kein Geld. Google stellt also ein Produkt zur Verfügung, ohne damit Geld zu verdienen. Das ist natürlich nur die halbe Wahrheit: Recaptcha hat lange Zeit Fotos von Hausnummern durch Menschen verifizieren lassen. Es wurde ein Bild einer Google-Street-View-Aufnahme angezeigt und in den Fällen, in denen der Algorithmus die Hausnummer nur mit einer bestimmten, zu kleinen Wahrscheinlichkeit richtig erkannt hat, wird der Nutzer über Recaptcha zur Eingabe und damit Korrektur der Algorithmus-Einschätzung herangezogen. Wiederholt man diesen Vorgang mit mehreren Menschen, wird die korrekte Nummer mit großer Wahrscheinlichkeit identifiziert. Recaptcha verbessert also den Dienst „Google Maps“, wodurch die Nutzung von Google Maps steigt und damit die Möglichkeit für Google, über Maps Werbung auszuspielen und damit Geld zu verdienen.

Auch Tesla verfolgt dieses Muster für eines seiner Datenprodukte: den Autopiloten. Zu Beginn wurde dieser „kostenlos“ als Feature allen Tesla-Fahrern zur Verfügung gestellt. Durch die Nutzung des Autopiloten konnte Tesla lernen, in welchen Situationen der Mensch in die Entscheidung des Autopiloten eingegriffen hat. Diese Situationen werden zur Verbesserung genutzt, damit der Autopilot mit immer mehr Situationen des Straßenverkehrs umgehen kann. Mittlerweile wird der Autopilot sogar als Feature verkauft und hat sich damit von einem Typ-2- zu einem Typ-1-Datenprodukt gewandelt.

Produktmanagement-Sicht auf Datenprodukte

Wenn man sich aus Produktmanagement-Sicht mit Datenprodukten auseinandersetzt, müssen verschiedene Aspekte des Produktmanagements demnach neu gedacht werden, wie nachfolgende Beispiele zeigen.

1. Dazu zählt zunächst die Frage: Wer sind meine Kunden, für wen baue ich das Produkt? Dabei kann der zahlende Kunde ein ganz anderer sein als der Hauptnutzer.
2. Warum nutzt der Kunde das Produkt und welches Wertversprechen motiviert ihn, es zu nutzen? Nicht alle Wertversprechen von Daten führen auch zu einer Zahlungsbereitschaft.
3. Für welche Datenprodukte ist ein Kunde bereit, Geld zu bezahlen?​ Dies steht natürlich in direktem Zusammenhang mit dem Wertversprechen.
4. Insbesondere für die Fälle, in denen der Kunde nicht bereit ist, für die Nutzung zu bezahlen, gilt es herauszufinden, für welche Datenprodukte der Kunde bereit ist, mich auf andere Art (z. B. Nutzung) zu entlohnen?
5. Wie stelle ich die Vollständigkeit des Angebotes sicher, wie gewährleiste ich, dass die Nutzung des Kunden tatsächlich zu einer Verbesserung des Angebotes führen kann?

Fazit

In diesem Artikel habe ich meine Kategorisierung von Datenprodukten vorgestellt. Aus meiner Sicht sind aktuell vor allem diejenigen Datenprodukte interessant, die genutzt werden, um die Erfahrung mit einem anderen Produkt noch besser zu machen. Dazu interessiert mich natürlich auch eure Meinung und ich freue mich auf eure Kommentare!

Weiterhin bin ich der Ansicht, dass sich Datenprodukte so grundlegend von anderen Produkten unterscheiden, dass es sich lohnt, sich mit ihnen näher auseinanderzusetzen. In loser Folge werde ich daher in nächster Zeit meine Perspektive auf die Erfolgsfaktoren von Datenprodukten, adäquate Organisationsmodelle und das Datenproduktmanagement im Allgemeinen hier teilen.