Читать книгу Data Science - Michael Zimmer - Страница 42

»Information is costly to produce but cheap to reproduce«, schreiben Carl Shapiro und Hal R. Varian 1999 in ihrem Buch »Information Rules« [Shapiro & Varian 1999]. In diesem Buch haben sie viele Entwicklungen der letzten beiden Jahrzehnte vorweggenommen, indem sie ökonomische Grundprinzipien auf die entstehende Informationsökonomie angewendet haben. Die Tatsache, dass im Jahr 2018 die Geschäftsmodelle der wertvollsten Firmen auf dem Handel von Daten basieren, illustriert das eindrücklich [The Economist 2017]. In diesem Kapitel betrachten wir die Produkte, die in einer Ökonomie der Information gehandelt werden, die Datenprodukte, und deren Entstehung.

In den letzten Jahren haben sich bestimmte Vorgehensweisen für die Entwicklung von digitalen Produkten durchgesetzt. Die agile Entwicklung ist zum Beispiel heute das Standardvorgehensmodell in der Softwareentwicklung. Datenprodukte sind digitale Produkte mit einem spezifischen Kundennutzen, der im Wesentlichen auf der Verarbeitung von Informationen beruht. Die Digitalisierung von Prozessen liefert oft die Datengrundlage, um aus diesen Daten Datenprodukte zu kreieren. Dazu werden Daten häufig mithilfe von Data-Science-Methoden ausgewertet und daraus neue Erkenntnisse gewonnen. Aus Daten werden Informationen und schließlich Wissen [Probst et al. 1998]. Für Datenprodukte müssen einige etablierte Vorgehensweisen allerdings angepasst werden. Die Integration von Machine-Learning-Funktionalität ist nicht einfach ein neues Feature, sondern beeinflusst den gesamten Prozess der Produktentwicklung.

Angefangen von der Identifikation eines Kundenproblems über die Definition einer Value Proposition, die Konzeption des Produkts bis zur Definition eines sinnvollen Team-Setups zeigen wir, wie man ein erfolgreiches Datenprodukt bauen und produktiv betreiben kann. Ein besonderes Augenmerk richten wir dabei auf die Feedbackschleife. Jedes Datenprodukt ist ein kybernetisches System mit einer Regelschleife. Allerdings ist die Erfassung und Auswertung des Feedbacks bei Datenprodukten oft nicht trivial und muss daher konzeptionell betrachtet werden.

Im Folgenden beginnen wir mit einer Definition von Datenprodukten und einer Beschreibung der grundlegenden Monetarisierungsstrategien von Datenprodukten. Datenprodukte entstehen als Teil der digitalen Produktentwicklung, daher verweisen wir auf die gängigen Vorgehensmodelle in diesem Bereich. Unter Berücksichtigung der Erfolgsfaktoren von Datenprodukten leiten wir ein Vorgehensmodell für die Erstellung von Datenprodukten ab. Dieses Vorgehen lässt sich unter bestimmten organisatorischen und technischen Voraussetzungen besonders gut realisieren. Mit der Beschreibung dieser Anforderungen schließen wir das Kapitel und ziehen ein Fazit.