Personalbilanz Lesebogen 76 Ein Startup muss aus Datenrohstoffen Wissen schöpfen: Geschäftsmodell und Geschäftsprozesse hinterfragen

Von Jörg Becker

Hinsichtlich ansteigender Datenfluten stellt sich die grundsätzliche Frage, ob der Heuhaufen nur größer geworden ist oder ob es auch wirklich mehr Nadeln im Heuhaufen zu finden gibt. Unstreitig ist: wer gesammelte Daten richtig für sich zu nutzen weiß, kann hieraus so manche Wettbewerbsvorteile, Umsatzsteigerung oder Kostensenkung ausschöpfen. Erste Voraussetzung hierbei: Man muss selbst wissen, was man von seinen Daten überhaupt erfahren will und dann die richtigen. Fragen stellen. Mehr oder weniger zwangsläufig ergibt sich dann die darauf basierende Auswahl der Daten. Ein Startup muss für sich entscheiden, ob aufgrund solcher Datenanalysen dann Geschäftsmodell und Prozesse hinterfragt werden sollen (müssen). Ein Startup muss sich als komplexes System in einer komplexen Umwelt komplexer Systeme eine offene Informationsstruktur verschaffen. Im Rahmen von Konzepten des Customer Relationship Management (CRM) richten Unternehmen ihre Geschäftsaktivitäten stärker auf ihre Kunden aus: in der gesamten Wertschöpfungskette ist der Kunde dabei gleichzeitig auch Lieferant für das nächste Glied der Kette. Um die notwendigen Innovationen zu einem Gesamtoptimum bündeln zu können, ist ein Denken und Handeln in Form von Prozessen notwendig. Mit der Szenariotechnik werden zwischen allen Beteiligten kreative Ideenfindungs- und Erfahrungsaustauschprozesse in Gang gesetzt. Erkennbar wird, dass innerhalb des abgesteckten Spektrums der Zukunftsmöglichkeiten auch ein gangbarer Entwicklungspfad in die tatsächliche Zukunft vorhersehbarer wird. Hierbei entwickelte Szenarien stellen keine unumstößlichen Voraussagen der Zukunft auf: vielmehr liefern sie auf der Basis der erfassten Einflusskräfte in sich stimmige Bilder denkbarer Möglichkeiten, gegenseitige Wechselbeziehungen zwischen Einflussfaktoren werden klarer. Je dynamischer die Entwicklungen im Umfeld sind, desto mehr wird ein Startup mit der Erfassung relevanter Einflussfaktoren einschließlich allen damit verbundenen Risiken, Interdependenzen und Unsicherheiten unterstützt.

• Sprache: Deutsch
• Herausgeber: BoD E-Short
• Erscheinungsdatum: 17. Nov. 2014
• ISBN: 9783734731006

Jörg Becker

Diplomkaufmann Jörg Becker, Managementerfahrungen u.a.: IKT-Wirtschaft, Internationale Consultingfirmen, Wissensintensive Unternehmen, Softwaremarketing. Managementinformation, Projektmanagement, Führungsseminare. SpG Business Intelligence und Wissensmanagement

Buchvorschau

Inhaltsverzeichnis

1 Daten sind die Rohstoffe der Zukunft

2 Im größeren Heuhaufen mehr Nadeln finden

3 Startup-Ressource Wissen

4 Achtung Zeitfaktor !

5 Intellektuelles Kapital transparent machen

6 Was nützt Wissen, wenn es nicht angemessen wahrgenommen wird ?

7 Daten in Zusammenhänge und Relationen einordnen

8 Elementare Schlüsselprozesse herausfiltern

9 Nicht ausgeschöpfte Potenziale für Innovationserfolge nutzbar machen

10 Marktwisssen und Fachwissen mit Datenanalysen erweitern

11 Informationsverarbeitungskapazitäten sind personenbedingt

12 Mehr IT = weniger Kosten und mehr Business

13 Daten können Gutes tun

14 Große Bandbreite von Best-Case- und Worst-Case-Szenarien

15 Beschreibung einer vorstellbaren Zukunft

16 Kreative Ideenfindungs- und Kommunikationsprozesse in Gang setzen

17 Ein Startup interessiert mehr das Morgen und Übermorgen als das gestern Gewesene

18 Informationswünsche bestimmen Datenwaren

19 Wissen lokalisieren und ausschöpfen

20 Informations-Endmontage mit externen Daten

21 Erfolgspotenziale Markt- und Kundenattraktivität, Wettbewerbsposition

22 Kaufentscheider identifizieren und kontaktieren

23 Kundenzufriedenheit ist kein Selbstläufer

24 Aufbereitung der Daten-Rohstoffe

25 Big Data und transparente Heuhaufen

26 Wissensbilanzen sind unumgänglich

Impressum

1 Daten sind die Rohstoffe der Zukunft

Verdichtungen und Kennzahlen – Predicitive Analytik und Prognose – Anwendungsspektrum über der beschreibenden Analyse. Die sich immer höher auftürmenden Big Data-Willen machen nur dann wirklich Sinn, wenn man sie nicht nur verwalten, sondern aus ihnen auch wertvolle Erkenntnisse (Grundlagen für Entscheidungen) gewinnen kann. Vor einer Analyse kommen zunächst also immer eine entsprechende Bereitstellung und Bereinigung von Daten. Es geht darum, einzeln Prozessschritte der Datenanalyse zu strukturieren und mittels entsprechender Instrumente zu automatisieren.

Geeignete Verdichtungen und Kennziffern liefern zunächst lediglich einen Überblick über vergangene oder (bestenfalls) gegenwärtige Zustände. Erst mit einer sogenannten Predictive Analytik geht es um Prognosen, zukünftiges Verhalten von Menschen und Zuständen, um Potenziale und konkrete Handlungsempfehlungen: ein Anwendungsspektrum, das weit über eine lediglich beschreibende Analyse hinausreicht. Für ein fundiertes Risikomanagement sind derartige Werkzeuge und Simulationsrechnungen eine unverzichtbar Unterstützung. Hoch entwickelte Algorithmen rastern nach Mustern und können auch unscheinbare Unregelmäßigkeiten aufspüren: es entstehen völlig neue Einsatzgebiete für kreative Analytiker. Predictive-Anwendungsgebiete, die ohne eine intelligente Nutzung des Rohstoffes