Die funktionellen Eigenschaften von Daten, Ursache-Wirkungs-Beziehungen sichtbar zu machen, können ebenfalls genutzt werden, um Attribute zu identifizieren, die den wahrgenommenen Nutzen des Kunden widerspiegeln. Die Herausforderung besteht jedoch darin, das in den Daten liegende Wertschöpfungspotenzial vollständig zu erheben. Zum einen ist eine entsprechende Infrastruktur notwendig, welche die Daten zugänglich und nutzbar macht. Zum anderen sollten im Kontext der Preisfindung Datenquellen identifiziert werden, die im Zusammenhang mit einem zentralen Mehrwert des Kunden stehen. So kann die Nutzenwahrnehmung für die jeweiligen Kundensegmente abgeleitet werden. Dabei sollten Daten und Datenpunkte identifiziert werden, die mit den Bedürfnissen des Kunden und der Umsetzung seins Wertversprechens korrespondieren. Dies erfordert eine tiefe Kenntnis darüber, welche Kennzahlen das Geschäft der Kunden messbar machen und welche grundlegenden Probleme gelöst werden sollen. Eine kritische Bewertung der vorhandenen Datenqualität ist dabei unerlässlich, um den Kontext zu verstehen und den Grenzen der Aussagekraft sowie der Repräsentativität bewusst zu sein! Als Faustregel lässt sich festlegen:

Je höher die Anzahl der Daten und die Datenqualität, desto höher ist der erzielte Mehrwert durch die Daten.

Ein weiterer wichtiger Aspekt im Umgang mit Daten ist das Vertrauen der Kunden auf Kundenseite. Eine unbedachte Datennutzung kann das Vertrauen untergraben und damit auch die Grundlage für eine erfolgreiche Monetarisierung schwächen. Qualität, Relevanz und die ethische Nutzung von Daten stehen somit im Zentrum einer jeden Datenstrategie.

Zusammengefasst liegt die Herausforderung in der sorgfältigen Analyse, Aufbereitung und Nutzung der Daten, um einen echten Mehrwert schaffen und effektiv monetarisieren zu können. Dabei spielen die Qualität der Daten, das Vertrauen der Kunden und die Fähigkeit, relevante Erkenntnisse zu gewinnen, eine zentrale Rolle. Um einen ersten Überblick über die eigene und verwendbare Datenverfügbarkeit zu bekommen, sollten folgende Fragen beantwortet werden:

• Welche Daten stehen im Zusammenhang mit den Kundenbedürfnissen?
• Welche Daten stehen im Zusammenhang mit dem wahrgenommenen Nutzen des Kunden?
• Was sind die Kennzahlen, die das Geschäft sowie die Nutzenwahrnehmung des Kunden messbar machen?

Beispiele verschiedener Datentypen sind unter anderem:

Eine Kundenintegration kann eine nutzenorientierte Preisfindung, sowie Vertrauen, Kundenzufriedenheit und -bindung positiv beeinflussen. Kundenintegration meint dabei, die Kunden in den Prozess der Datengenerierung zu integrieren. Kunden liefern durch ihr Verhalten und die Nutzung (des Wertversprechens) wertvolle Daten, die analysiert und in einen Mehrwert umgewandelt werden können, für den sie letztendlich bereit sind zu zahlen. Dies schafft eine direkte Verbindung zwischen dem generierten Wert und der Preisfindung.

Durch die Kundenintegration (Abgabe und Bereitstellung von Daten), kann direkt der Wert generiert werden, für den die Kunden bereit sind zu zahlen.

• Datenwirtschaft und Datentechnologie (2022)

  Marieke Rohde, Matthias Bürger, Kristina Peneva, Johannes Mock

  Springer Berlin Heidelberg DOI:10.1007/978-3-662-65232-9