Mobile-Menu
  DB Podcast

Datenmonetarisierung Mehr Geschäft durch Nutzung intelligenter Daten 

Ein Gastbeitrag von Lenildo Morais 4 min Lesedauer

Anbieter zum Thema

d.velop AG
Kendox AG
xSuite Group GmbH

Die automatische Datenerfassung gibt es seit 50 Jahren. Was sich seither verändert hat, ist die Leistungsfähigkeit der zugrunde liegenden Technologie, noch intelligentere Daten für Unternehmen und Kunden zu erfassen. Richtig eingesetzt sind Smart Data gerade für mittelständische Unternehmen eine vielversprechende Möglichkeit der Datenmonetarisierung. 

(Bild: Edge of Art/Adobe Stock)
(Bild: Edge of Art/Adobe Stock)

Smart Data Commerce ist im Werbemarkt bereits fest etabliert. Dort werden die Daten beispielsweise genutzt, um vorherzusagen, wer für welche Nachrichten in welchen Medien und zu welcher Zeit kontaktiert werden kann. Dies minimiert die Verschwendung beim Einsatz von Werbebudgets. Gleichzeitig steigt die Effizienz, da Zielgruppen präziser definiert und gezielter angesprochen werden können. Bei der intelligenten Datenmonetarisierung werden Daten genutzt, um quantifizierbare und genaue wirtschaftliche Vorteile zu erzielen. Um aus dieser Ressource Nutzen zu ziehen, ist es wichtig, sie aus verschiedenen Perspektiven zu betrachten. 

Umsetzung einer intelligenten Datenmonetarisierung

Der Wert von Daten hängt immer davon ab, wie sie verwendet werden. Daher wird die Datenmonetarisierung nicht nur durch die zunehmende Verbreitung der Datenverarbeitung in Unternehmen vorangetrieben, sondern basiert auch auf Fortschritten in der künstlichen Intelligenz. Methoden der KI, wie maschinelles Lernen oder Deep Learning, ermöglichen es, große Datenmengen zu verarbeiten und so zu reduzieren, dass sie möglichst effizient genutzt werden können. Durch deren Einsatz werden Daten zu Smart Data, mit deren Hilfe wiederum neue Angebote, neue Produkte oder auch ein neuer Kundenkreis und damit mehr Umsatz erzielt werden können. 

Der Wert von Daten kann sowohl intern im Unternehmen als auch extern generiert werden. Die interne Datenmonetarisierung zielt darauf ab, interne Prozesse zu rationalisieren, um etwa das Marketing oder das Kundenerlebnis zu verbessern. Die Daten werden daher vor allem intern genutzt, um Einsparpotenziale zu identifizieren und die Produktivität durch Prozessoptimierung zu steigern. Da Daten nur indirekt über die Auswirkungen der Datennutzung monetarisiert werden, spricht man auch von indirekter Datenmonetarisierung.

Verkauf verarbeiteter Daten an andere Unternehmen

Allerdings ist auch eine direkte Datenmonetarisierung möglich, beispielsweise durch den Verkauf verarbeiteter Daten oder Rohdaten an andere Unternehmen, was auch als externe Datenmonetarisierung bezeichnet wird. Dies ist auch dann der Fall, wenn aus Daten gewonnene Erkenntnisse, etwa Markt- oder Produktanalysen oder Prognosen, als Dienstleistung verkauft werden. Es besteht auch die Möglichkeit, sich auf die Datenanalyse zu spezialisieren und auf dieser Basis Lösungen für bessere oder neueste Produkte und Dienstleistungen anzubieten. Damit eröffnen sich grundsätzlich drei verschiedene Geschäftsmodelle zur Monetarisierung externer Daten. Seit ihrer Einführung sind intelligente Softwarelösungen zur Datenerfassung effizienter und genauer geworden und haben sich zu einem entscheidenden Instrument zur Verbesserung der Mitarbeiterproduktivität und des Kundenerlebnisses sowie zur Kostensenkung entwickelt.

Externe Geschäftsmodelle für die Datenmonetarisierung

Intelligente Erkennungssoftware macht den Informationsfluss schneller und genauer und macht die routinemäßige manuelle Dateneingabe überflüssig. Die wertvollste Lösung zur Datenerfassung ist heute „kognitiv“. Fast wie ein Mensch hilft die Lösung dabei, wichtige Informationen anhand ihrer Quelle, ihres Kontexts, ihrer Form und ihres Inhalts zu identifizieren, zu klassifizieren und zu destillieren. Die Informationen werden dann an der richtigen Stelle gespeichert, sodass sie auch leicht auffindbar sind. Darüber hinaus werden die Informationen zur weiteren Verarbeitung an die zugrunde liegenden Prozesse übergeben.

  • Reiner Produzent oder Daten als Produkt: Ein Unternehmen generiert Daten und verkauft diese roh oder bereits verarbeitet an Dritte. Beispielsweise können im verarbeitenden Gewerbe Daten zu Produktionsmaschinen erhoben werden, die gegen eine angemessene Gebühr an Maschinenbauer verkauft oder eingetauscht werden, damit diese ihr Angebot verbessern oder erneuern können. Ein weiteres Beispiel sind Einzelhändler, die Daten über das Kaufverhalten ihrer Kunden sammeln und diese an Unternehmen verkaufen, die daraus neue Marketingstrategien entwickeln. 

  • Producer Service Provider oder Insight as a Service: Bei diesem Geschäftsmodell werden Daten genutzt, um Prozesse zu analysieren und entsprechend zu optimieren. Da die Datenanalyse immer auf das Know-how im jeweiligen Fachgebiet angewiesen ist, eröffnen sich für mittelständische Unternehmen mitunter gute Chancen. Um das Geschäftsmodell nutzen zu können, ist jedoch in der Regel die Einholung zusätzlicher externer Daten erforderlich. Die Komplexität dieses Modells ist daher größer als die des reinen Produzentenmodells.

  • Lösungsanbieter oder datengetriebene Produkte: Dieses Geschäftsmodell ist das komplexeste. Daten werden verwendet, um neue Produkte oder Dienstleistungen anzubieten. Diese werden häufig als Lösungen in die Wertschöpfungskette des Kunden integriert. Ein gutes Beispiel hierfür ist das Serviceangebot zur vorausschauenden Wartung, bei dem der Dienstleister anhand relevanter Anlagendaten vorhersagt, wann bestimmte Teile der Anlage gewartet werden müssen.

    Jetzt Newsletter abonnieren

    Verpassen Sie nicht unsere besten Inhalte

    Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

    Aufklappen für Details zu Ihrer Einwilligung

Warum sich die Monetarisierung von Smart Data lohnt

Die neuesten „Cognitive Capture“-Lösungen nutzen KI, um Dokumente wie ein Mensch zu „lesen“, den Dokumenttyp zu identifizieren und zu klassifizieren und wichtige Daten zu extrahieren, die automatisch in Geschäftssysteme eingespeist werden. Die maschinelle Verarbeitung hingegen ist stark darin, halbstrukturierte Dokumente in ihrer eigenen Umgebung zu verarbeiten. Im Laufe der Jahre kamen viele Optionen hinzu. Beispielsweise wird OCR (Optical Character Recognition) verwendet, um Daten aus verschiedenen Quellen wie gescannten Dokumenten, Standortregeln, Datenbanksuchen und feldübergreifenden Validierungen zu erfassen. Dazu gehören Interessenerklärungen, medizinische Anfragen und Rechnungen. Auch eine Handschrifterkennung ist möglich. 

Darüber hinaus müssen einige Lösungen auch in der Lage sein, das gesamte Dokument wie ein Mensch zu „lesen“, einschließlich Kopf- und Fußzeilen, Datenbeschriftungen, Tabellen, Textformatierungen wie Fett- und Kursivschrift und andere Dokumentmerkmale im Kontext zu erkennen. Durch die Erkennung von Sätzen und die Bestimmung, um welche Art von Dokument es sich handelt, kommt die Leistungsfähigkeit intelligenter Daten voll zur Geltung. Intelligente Daten sind ein Vermögenswert, der Kunden wettbewerbsfähige Mehrwertangebote liefern, Einnahmequellen für bestehende Unternehmen schaffen und sogar zu einem marktfähigen Vermögenswert werden kann.

DatenmonetarisierungLenildo Morais
ist als Professor, Researcher und Project Manager an der Universität von Pernambuco in Brasilien tätig. Er hat einen Master in Computer Science.

Bildquelle: Lenildo Morais

Weiterführende Inhalte