Nachrichten

CIO-Geschichte: Die Umwandlung von Big Data in Big Value in der neuen Welt des modernen Handels

Houston,

April 6, 2017

Von Valerie Howard

Big Data ist eines der meistgespielten Wörter in der Wirtschaft. Marketingexperten nutzen Daten, um die Vorlieben ihrer Kunden zu ermitteln. Die NASA nutzt Big Data zur Visualisierung von Weltraummissionen. Politiker nutzen Daten, um den Ausgang von Wahlen vorherzusagen. Versicherer nutzen die Datenwissenschaft zur Risikokalkulation. Die Beispiele sind endlos. Trotz der zunehmenden Verbreitung von Technologie und unseres Zugangs zu Daten stellt sich die Frage: Setzen Unternehmen dieses wertvolle Gut dort ein, wo es am wichtigsten ist - bei der Steigerung des Geschäftsergebnisses? Überraschenderweise ist die Antwort ziemlich einfach - nicht so sehr, wie sie es sein könnten.

Im Zeitalter von Big Data sind Analysen ein leistungsstarkes Instrument zur Unterstützung der neuen Welt des modernen Handels, in der sich das Kauferlebnis der Kunden für immer verändert hat. Und wo Transparenz der Name des Spiels ist. Aber viele Fachleute versuchen immer noch, aus diesen Daten schlau zu werden, um ihr Umsatzwachstum zu unterstützen. Tatsächlich sagen Experten, dass vier von zehn Unternehmen Geld auf dem Tisch liegen lassen, weil ihnen moderne Ansätze wie dynamische Preisgestaltung fehlen.1 Ganz gleich, um welches Produkt oder welche Dienstleistung es sich handelt, Unternehmen müssen die Datenwissenschaft nutzen, um die Preisgestaltung zu verbessern, den Vertriebsteams zu helfen, intelligenter zu verkaufen, die Gewinnspannen zu verbessern und den Umsatz zu steigern - es geht nur darum, die richtigen Prozesse einzurichten. Den meisten Unternehmen fehlen die Daten und Analysetools, die sie für eine adäquate Bewertung ihrer Preisgestaltung benötigen. Es gibt jedoch Möglichkeiten, diese Probleme zu lösen, damit Unternehmen die Nase vorn haben.

Aufbau der richtigen Infrastruktur  

Es gibt zwar keine "schnelle Lösung", aber wenn Unternehmen bereit sind, Zeit und Ressourcen für eine bessere Rationalisierung und ein besseres Verständnis ihrer Daten aufzuwenden, werden sie langfristig davon profitieren. Die Schaffung einer Unternehmenskultur, die darauf ausgerichtet ist, Daten in verwertbare Erkenntnisse umzuwandeln, erfordert eine betriebliche Investition, die sich jedoch zehnfach auszahlen wird.

Dynamic Pricing Science, d. h. die Führung eines Unternehmens auf der Grundlage von Fakten, Algorithmen und kontextbezogenem, maschinengesteuertem Lernen, ist der Dreh- und Angelpunkt, der Big Data mit dem Endergebnis verbindet. Anstatt Preise auf der Grundlage von Vermutungen festzulegen, nutzt dieses Modell Echtzeit-Marktdaten, um Preisentscheidungen besser zu informieren, Angebot und Nachfrage korrekt zu antizipieren und das tatsächliche Kaufverhalten sowie die tatsächlichen Faktoren zu analysieren, die die Kaufentscheidungen der Kunden beeinflussen. In den meisten Fällen sind die Antworten überraschend.

Reagieren auf Daten in Echtzeit 

Der erste Schritt des Dynamic Pricing Science-Modells ist die Preisempfehlung auf der Grundlage von Echtzeit-Marktdaten. Es gibt eine Reihe von Faktoren, die sich auf Preise und Produktion auswirken können. In der Technologiebranche beispielsweise haben Unternehmen, die bestimmte Teile wie Batterien für den Betrieb ihrer Geräte wie Hoverboards und Mobiltelefone verwenden, verschiedene Probleme mit Fehlfunktionen. Diese Probleme haben sich letztlich auf den Umsatz und das Endergebnis ausgewirkt und zwingen diese Unternehmen, ihre Produkt- und Preisstrategien zu ändern. Die Beschleunigung der Technologie hat eine neue Ära des modernen Handels geschaffen, in der die Kunden sofortige Reaktionsfähigkeit und ein ununterbrochenes Kauferlebnis erwarten. Mit Hilfe der dynamischen Preisgestaltung können Unternehmen besser auf die Bedürfnisse ihrer Kunden eingehen, indem sie schnelle und präzise Preisangebote erstellen, die anstrengende Verhandlungen überflüssig machen. Die Antworten sind schnell, was zu einem viel besseren Kauferlebnis führt. 

Zusätzlich zu den Marktschwankungen ist die Beobachtung von Angebots- und Nachfragedaten ein integraler Bestandteil des modernen Handelspuzzles. Unternehmen können Data Science nutzen, um Preise in Echtzeit auf der Grundlage der Nachfrage festzulegen und auch die Nachfrage vorherzusagen, um die Auftragsabwicklung richtig zu verwalten. Das Hauptziel eines jeden Unternehmens besteht darin, Kunden mit einem Produkt, einer Dienstleistung oder einer Lösung zu versorgen, was bedeutet, dass diese Ressourcen für den Verbrauch verfügbar sein müssen, um Umsatz und Gewinn zu steigern. Die Verwendung integrierter Daten, wie z. B. Bestandsalgorithmen, ermöglicht es Unternehmen, sich auf unerwartete Ereignisse, wie z. B. Rohstoffknappheit oder Preiserhöhungen, vorzubereiten. Durch den Einblick in Angebot und Nachfrage sind Unternehmen in der Lage, Gemeinkosten zu reduzieren und einen strategischen Erfüllungsplan zu erstellen.

Berechnung der Kundenzufriedenheit

Es ist zwar wichtig, marktbewegende Faktoren und Trends bei Angebot und Nachfrage zu bewerten, aber einer der wichtigsten Bereiche, auf den man sich konzentrieren sollte, ist der Endkunde. Menschen können unberechenbar sein, aber die Analyse von Datenmustern in Bezug auf die Preissensibilität und den Bedarf eines Kunden an einem Produkt - oder sogar sein Budget und seine Zahlungsbereitschaft - kann unschätzbare Erkenntnisse liefern. Anhand dieser Daten können Vertriebsmitarbeiter personalisierte Preise anbieten, die auf dem wissenschaftlichen Verständnis der Kundenpräferenzen basieren, um ein personalisiertes Kauferlebnis zu schaffen. Die dynamische Preisgestaltung zielt darauf ab, eine Anleitung zur Ermittlung des richtigen Preises in der richtigen Zeit und beim ersten Versuch zu geben. Die Kunden sind nicht länger bereit, langwierige Verhandlungen zu ertragen: Sie wollen Preise, die es ihnen ermöglichen, schnell zu bekommen, was sie brauchen. Dieses Maß an Präzision kann nur von Unternehmen erreicht werden, die ein solides Verständnis davon haben, wie man Big Data in einen großen Wert verwandelt.

Big Data, maschinelles Lernen und ausgefeilte Analysen können abteilungsübergreifend in einem Unternehmen eingesetzt werden, um Geschäftsfunktionen und das Lieferkettenmanagement zu verbessern, den Gewinn zu steigern und die Kundenbeziehungen zu pflegen. Der Trick für Unternehmen besteht darin, die Daten so zu optimieren, dass sie die gesamte Geschäftsstrategie unterstützen. Die meisten Unternehmen verfügen über diese Daten; es geht lediglich darum, sie zu rationalisieren und die Muster zu bewerten. Big Data und Dynamic Pricing Science sind in aller Munde und werden in den kommenden Jahren noch an Raffinesse gewinnen. Für Unternehmen ist es jetzt an der Zeit, eine Strategie der dynamischen Preisgestaltung einzuführen, wenn sie auf dem heutigen Markt wendig und wettbewerbsfähig bleiben wollen.

1Gartner Prognosen 2016, Simon-Kucher Global Pricing Study 2016