Event: IBI Symposium, 30.11.2017 Speaker: Dr. Christoph Tempich Weitere Tech-Vorträge: https://www.inovex.de/de/content-pool/vortraege/ Tech-Artikel im inovex-Blog: https://www.inovex.de/blog/

1. Data Product Discovery
Die Produktseite der
digitalen Transformation
Dr. Christoph Tempich
Chief Data Economist
Stuttgart, www.inovex.de 30.11.2017
#Datenprodukte #dataproducts @ctempich
IBI Symposium 2017

2. 2Source: http://fortune.com/2012/07/30/amazons-recommendation-secret/
Welchen Wertbeitrag liefern Empfehlungen?

3. 3G Linden, B Smith, J York: Amazon. com recommendations: Item-to-item collaborative filtering - IEEE Int. Comp., 2003
Wie wurden sie am Anfang berechnet?
2003 2017
Item-to-item
Collaborative Filtering
Hybrid Recommenders
Session-basierte
Empfehlungen
Deep learning

4. Zufall
4G Linden, B Smith, J York: Amazon. com recommendations: Item-to-item collaborative filtering - IEEE Int. Comp., 2003
Wie wurden sie am Anfang berechnet?
2003 2017
Item-to-item
Collaborative Filtering
Hybrid Recommenders
Session-basierte
Empfehlungen
Deep learning

5. 5Quelle: inovex.de/mobile-cs
Recommendations @ inovex
Deutschlands größter Fahrzeugmarkt
inovex @ mobile.de
› Data Science &
Engineering
› Web-Entwicklung
› Skalierung zu sehr großen
Datenmengen
=> Wir haben einen Stand!

6. 6
Ein Empfehlungssystem ist ein
Datenprodukt

7. 7
Datenprodukte: Typen
Data as a Service
Data-enhanced
Products
Data as Insights
Typ 1 Typ 2 Typ 3
› Autonomes Fahren
› Empfehlungen
› Wetterdaten › Marketingplanung

8. 8
Weit verbreites Phänomen: „Datenprodukte“

9. 9
Wie können Sie ein
Datenprodukt entdecken?

10. 10Bildnachweis: https://www.colourbox.de
Value Chain Analyse
Mit dem Nutzer beginnen!
Entscheidung
für Sport
Laufen
Auswahl
eines Schuhs
Trainingsplan
Strecken-
auswahl
Laufen Ausruhen
Customer Jobs

11. 11
Unsicherheit

12. 12
Stakeholder Unsicherheit
Welches Problem gilt es zu lösen und können
Daten es lösen?
Stakeholder:
Läufer
• Steigerung
Ausdauer
• Gewichtsmgmt.
Customer Jobs
Bester
Fall
Schlech-
tester
Fall
• Performance
Gewinn
• Spaß
• Kontinuierliche
Steigerung
• Motivierend • Trainings-
fördernd
• Trainings-
fördernd
• Herzinfarkt • KaputteGelenke • Keine Steigerung
• Zu Anstrengend
• Demotivierend • Demotivierend • Kein Trainingserfolg
Entscheidung
für Sport
Laufen
Auswahl
eines Schuhs
Trainingsplan
Strecken-
auswahl
Laufen Ausruhen

13. 13
Werteversprechen

14. 14Sam Horner: Why Netflix Killed Max, SXWX, 2017. https://designmatters.io/media/1795/netflix.pdf
Werteversprechen realisieren

15. 15Quelle: Laura Dorfer: Datenzentrische Geschäftsmodelle als neuer Geschäftsmodelltypus …, 2016.
Werteversprechen und Zahlungsbereitschaft
Zahlungsbereitschaft steigt mit Wert der Entscheidung
Nutzer Käufer
Soziale Interaktion
Entertainment
Neugierde
Entscheidungsunterstützung
Transparenz
Informationsbedarf
ZahlungsbereitschaftWerteversprechen

16. 16
Mit Daten in die Zukunft sehen
Beispiel: Turnschuh
• Soziale Interaktion
• Welche Strecken bin ich gelaufen?
• Information
• Wie schnell laufe ich gerade?
• Entscheidung
• Wann soll ich wieder laufen?
Basierendauf
Transaktionsdaten
Basierende
aufMasterdaten
Value Proposition Service
• Information
• Schuhe
Future
Present
Past
Datensatz
Aussage über

17. 17
Data Value Chain &
Feedback Loop

18. 18Quelle: https://www.inovex.de/blog/feedback-loop/
Der Rückkanal
Trainingsdaten für den Algorithmus …
… und Grundlage für ein Alleinstellungsmerkmal

19. 19
Zusammenfassung

20. 1. Mit dem Kunden beginnen!
2. Wo ist das Problem und können Daten es lösen?
3. Testen Sie Ihre Hypothese
mit dem einfachsten Algorithmus!
4. Es gibt viele Möglichkeiten,
das Werteversprechen zu erfüllen.
5. Schließen Sie die Feedback Loop!
20#Datenprodukte #dataproducts @ctempich

21. Fragen?
inovex GmbH
Dr. Christoph Tempich
Chief Data Economist
@ctempich
www.datenprodukte.de
blog.inovex.de
www.inovex.de