DATA & AI

In der Analogie zu "Software is eating the world" sind in einem digitalen Umfeld die Daten die Botenstoffe, die heutzutage sehr gut zu identifizieren sind. Konkret: Es war noch nie so einfach wie heute Informationen über den Kunden zu erhalten, datengetrieben zu lernen und ihn in seine Geschäftsprozesse einzubinden.

Um die eigene Daten-Affinität zu definieren, reicht es häufig aus, einzuschätzen, zu welchem Grad das eigene Unternehmen bei folgenden Fragen in den Geschäftsprozessen agiert: Sind die Entscheidungen messbar? Sind die Entscheidungen datengetrieben hergeleitet? Nehmen Sie iterativ das qualitative und quantitative Kundenfeedback ernst und integrieren es datengetrieben in die Weiterentwicklung?




Analytics (inkl. Marketing)

Der Einfachheit halber werden häufig Tools wie die Marketing Platform von Google oder Adobe genutzt. In einem "mature state" sind eigene Lösungen zwar aufwendig und nicht einfach umzusetzen, aber aus einer strategischen Perspektive verfolgenswert. Ergänzend sind die weltweiten Data-Privacy-Bestrebungen durch Gesetzgeber oder auch Playern wie Apple zu berücksichtigen, die allesamt Auswirkungen auf die eigene Analysefähigkeit haben. Sowohl für die Marketingaktivitäten, als auch das Nutzerverhalten oder die Steuerung der Geschäftsprozesse sind die Definition, das Reporting, das Monitoring sowie das Alerting der entsprechenden Kennzahlen relevant.


Testing

Sowohl in der evolutionären als auch revolutionären Entwicklung des Geschäftmodels ist das Testen der Lösung für einen nachhaltigen Erfolg unabdingbar. Neben den häufig sehr wertvollen qualitativen Nutzertests durch bspw. Prototypen im Vorfeld einer Live-Stellung spielt das quantitative Testing ebenfalls eine tragende Rolle. Eine sinnvolle Nutzung fängt bereits bei der zielgerichteten Definition der Hypothesen und den dahinterliegenden Kennzahlen an. Nur dann fällt es einfach die Entwicklung iterativ zu gestalten, das Kosten-Nutzen-Verhältnis zu evaluieren und die Potentialermittlung auszuschöpfen.  


AI und ML

KI-gesteuerte Personalisierung, die Nutzung von Big Data zur Vorhersage von Trends, Nachfrage und Kundenverhalten oder auch die Nutzung von Chatbots sowie die maschinelle Erstellung von Inhalten ist nichts Neues, wird aber immer ausgefeilter. Die Fortschritte in den Technologien und der Anwendungsreife verdeutlicht die Innovationsmöglichkeiten wie auch die Herausforderungen. Ein aktives Daten- und API-Mangement sowie Make-or-Buy-Entscheidungen zur Implementierung von KI-Lösungen sind aktuelle strategische Fragestellungen, die neben der Kosteneffizienz auch die Validierung der eigenen Ressourcen und Fähigkeiten bedingt.