In jedem Ökosystem entsteht eine Vielzahl von verschiedenen Daten. Erfahren Sie hier wie Sie mit diesen Daten Wert schaffen können! Wir gehen auf die drei Schritte auf dem Weg zur wertschaffenden Datennutzung ein, erläutern Datenquellen und Datentypen, sowie die Rollen bei der Nutzung von Daten. Außerdem präsentieren wir Ihnen ein Beispiel, welches Sie vertieft in unserer Kategorie „Beispiele aus der Praxis“ finden.
Wissensinhalt
Warum ist das Thema Datenmanagement in Ökosystemen relevant?
Die Relevanz von Daten als Ressource für Innovation und Wertschaffung steigt in vielen Industrien und Bereichen der Wirtschaft, so auch in Ökosystemen[2]. Daten werden häufig als das Öl des 21. Jahrhunderts bezeichnet [1][14]: Wie Rohöl, müssen auch Rohdaten gefördert und verarbeitet werden, um dann tatsächlich einen wertvollen Informationsgehalt aufzuweisen.
In der Literatur ist der Begriff Datenökosystem entstanden. In diesen Ökosystemen geht es besonders um den Austausch von Daten. Sie basieren nicht zwangsläufig auf einer zentralen Plattform, sondern auf einer Sammlung von Daten welche nicht zentral von einem einzigen Akteur bereitgestellt werden[2]. Datenökosysteme sind dabei aber keine losgelöste weitere Art von Ökosystemen, sondern können in anderen Ökosystemen entstehen, wie z.B. im Bereich der Stahlindustrie oder Automotive[2], in denen es sinnvoll ist für effizientere Prozesse Daten auszutauschen.
Datensammlung, Dateninterpretation und Datenverwertung (Gelhaar 2021)
Damit Daten Wert schaffen können, müssen diese zuerst gesammelt, dann interpretiert und letztlich verwertet werden. Der erste Schritt ist deshalb die Datensammlung, welche die Generierung und Sammlung von Daten umfasst [3]. Im industriellen Kontext sind Sensoren in der Produktion ein Beispiel, welche automatisiert Daten sammeln [4][5].
Der zweite Schritt ist die Interpretation der Daten. Hier werden verschiedene Datenanalyse Methoden wie z.B. Data Mining oder Machine-Learning verwendet, um aus Rohdaten wertvolle Informationen zu generieren, welche sowohl für die Entscheidungsfindung als auch für die domänenspezifische Nutzung benötigt werden [6].
Der dritte Schritt ist die Verwertung der Daten. Informationen werden in Geschäftstätigkeiten integriert und das gesammelte Wissen ermöglicht Wert für das Geschäft [6][7]. Dazu gehören beispielsweise optimierte Risikoeinschätzungen und Betrieb, sowie transformierte Geschäftsmodellen und Prozessen [8].
Welche Arten von Datenquellen und Datentypen gibt es?
In Ökosystemen können viele unterschiedliche Arten von Daten verwendet werden. In Datenökosystemen wird grundsätzlich in strukturierte und unstrukturierte Daten unterschieden[2]: Unstrukturierte Daten können dabei beispielsweise Dokumente, Audio- und Videodateien oder Bilder sein. Strukturierte Daten sind im weitesten Sinne Daten die einer vordefinierten Struktur folgen, wie beispielsweise relationale Datenbanken.
Es gibt Daten, welche „organisationsbezogen“, „menschenbezogen“ oder „technologiebezogen“ sind[2]: Zu den „organisationsbezogenen“ gehören beispielsweise Jahresberichte oder Pressemitteilungen, aber auch Social Media Auftritte. Zu den menschenbezogenen gehören beispielsweise Informationen über die Führungsebene, Eigentümer und Investoren, welche sich u.a. auf der Website wiederfinden. Auch Daten von Entwicklern finden sich, beispielsweise in Repositories. Die „technologiebezogenen“ Daten sind beispielsweise Patente oder ebenfalls Repositories, in denen sich diverse technische Informationen finden lassen.
Rollen
In jedem Datenökosystem gibt es verschiedene Rollen die von den Akteuren ausgefüllt werden: Data Provider, welche Daten sammeln, Analytics Services Providers, welche Daten analysieren und interpretieren und Data Consumers, welche die Daten verwerten[14][7][10]: Diejenigen, welche Daten im Ökosystem bereitstellen werden also Data Provider genannt. Diese Unternehmen stellen von ihnen produzierte bzw. gesammelten Daten anderen Ökosystemteilnehmern zur Verfügung. Analytics Services Providers sind Akteure im Ökosystem, welche die gesammelten Daten analysieren, interpretieren und so für die Data Consumer zugänglich und nutzbar machen. Zuletzt die Data Consumer, also die Konsumenten der Daten. Diese nutzen die Daten z.B. um eigene Prozesse zu verbessern oder benötigen diese für eigene Produkte oder Services.
Beispiel Athinia
Wie können Daten in Ökosystemen ausgetauscht werden damit sie Wert schaffen? Der wohl effizienteste Weg ist eine Digitale Plattform, welche den sicheren Austausch von Daten und die Zusammenarbeit von Unternehmen im Ökosystem ermöglicht.
Ein Beispiel ist die Plattform Athinia [11], welche von Merck in Zusammenarbeit mit dem US-Unternehmen Palantir entwickelt wurde. Ziel der beiden Unternehmen war es, die Datenanalyse in der Halbleiterindustrie zu optimieren, mit der Plattform Lieferketten transparenter zu machen und dem Chipmangel entgegenzuwirken. Die auf der Plattform aggregierten und analysierten Daten sind für alle Unternehmen im Ökosystem wertvoll und können genutzt werden um das eigene Tagesgeschäft zu optimieren. Wichtig dabei ist, dass die Unternehmen dabei nicht die Hoheit über die Daten abgeben und das Wissen geschützt bleibt.
Fazit
Der Austausch von Daten innerhalb eines Ökosystems kann für alle Unternehmen im Ökosystem wertvoll sein, vorausgesetzt dieser findet auf sicherem Wege statt und ermöglicht allen Unternehmen Wert für sich zu schaffen. Unternehmen sollten darüber nachdenken welche Relevanz welche Daten in ihrem Ökosystem haben und wie die Anreizmechanismen für den Austausch dieser Daten sind. Dabei kann beispielsweise die von Gelhaar et. al[1] entwickelte Taxonomie helfen: Sie hilft das Ökosystem in dem das Unternehmen aktiv ist zu verstehen und die dort wirkenden Anreizmechanismen. Das hilft dabei das Ökosystem und Anreizmechanismen zum eigenen Vorteil zu formen und so mehr Wert für sich durch den Austausch von Daten zu generieren. Außerdem hilft sie als Ausgangspunkt für die Schaffung und Weiterentwicklung eines neuen Daten Ökosystems mit Anreizmechanismen um vom Cross-organisationalen Austausch von Daten zu profitieren[12][13].
Wissensabfrage
Referenzen und weiterführende Literatur
1.The Economist 2017. The world’s most valuable resource is no longer oil, but data.
https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longeroil-but-data.
2.Gelhaar, J., and Otto, B. 2020. “Challenges in the Emergence of Data Ecosystems,” in Proceedings of the 24th Pacific Asia Conference on Information Systems (PACIS).
3.Chen, M., Mao, S., and Liu, Y. 2014. “Big Data: A Survey,” Mobile Networks and Applications (19:2),pp. 171-209.
4.Azkan, C., Iggena, L., Möller, F., and Otto, B. 2021. “Towards Design Principles for Data-Driven Services in Industrial Environments,” in Proceedings of the 54th Hawaii International Conference on System Sciences, pp. 1789-1798.
5.Tountopoulos, V., Kavakli, E., and Sakellariou, R. 2018. “Towards a Cloud-Based Controller for DataDriven Service Orchestration in Smart Manufacturing,” in Sixth International Conference on Enterprise Systems (ES), Limassol, Cyprus, pp. 96-99.
6.Curry, E. 2016. “The Big Data Value Chain: Definitions, Concepts, and Theoretical Approaches,” in New Horizons for a Data-Driven Economy, J. M. Cavanillas, E. Curry and W. Wahlster (eds.),Cham: Springer International Publishing, pp. 29-37.
7.Badewitz, W., Kloker, S., and Weinhardt, C. 2020. “The Data Provision Game: Researching Revenue Sharing in Collaborative Data Networks,” in 22nd Conference on Business Informatics (CBI),Antwerp, Belgium, pp. 191-200.
8.Gillon, K., Aral, S., Lin, C.-Y., Mithas, S., and Zozulia, M. 2014. “Business Analytics: Radical Shift or Incremental Change?” Communications of the Association for Information Systems (34).
9.Basole, Rahul C, and Accenture Ai. Understanding Ecosystem Data, 2020.
10.Heimstädt, M., Saunderson, F., and Heath, T. 2014b. “From Toddler to Teen: Growth of an Open Data Ecosystem,” JeDEM – eJournal of eDemocracy and Open Government (6:2), pp. 123-135(doi: 10.29379/jedem.v6i2.330).
11.Athinia Website,www.athinia.com/ecosystem/participants.
12.Cappiello, C., Gal, A., Jarke, M., and Rehof, J. 2019. “Data Ecosystems: Sovereign Data Exchange among Organizations: Report from Dagstuhl Seminar 19391,” Dagstuhl Reports (9:9), pp. 66-134.
13.Otto, B., Mohr, N., Roggendorf, M., and Guggenberger, T. 2020. “Data sharing in industrial ecosystems: Driving value across entire production lines,” McKinsey & Company.
14.Gelhaar, J., Gürpinar, T., Henke, M. and Otto, B., 2021. ”Towards a taxonomy of incentive mechanisms for data sharing in data ecosystems,” in Proceedings of the 24th Pacific Asia Conference on Information Systems (PACIS).
Kommentare