Uw gegevens goed benutten

Op basis van ons onderzoek hebben we een vierdimensionaal model ontwikkeld voor de digitale transformatie in de software-intensieve embedded systeemindustrie. In de laatste twee berichten hebben we de dimensies bedrijfsmodel en productupgrade onderzocht. Deze post gaat over de dimensie van data-exploitatie.

Zoals de figuur laat zien, is de eerste stap in de meeste bedrijven gericht op het gebruik van gegevens voor kwaliteitsborging en diagnostiek. In dit geval komen de gegevens vaak in batches en via klachten van klanten bij het bedrijf binnen. Als reactie op een klacht downloaden vertegenwoordigers van het bedrijf de gegevens en onderzoeken ze of het systeem zich verkeerd heeft gedragen en proberen ze de hoofdoorzaak te achterhalen. Veel bedrijven gebruiken dit soort gegevens al tientallen jaren.

Evoluerend gebruik van gegevens

De tweede stap is het gebruik van gegevens om de prestaties van het product en het gebruik van functies te controleren. Deze vorm van gegevensverzameling wordt meestal geïntroduceerd in combinatie met het vaker uitrollen van software. Het monitoren van productprestaties stelt het bedrijf in staat om te bevestigen dat het product goed presteert na een software-upgrade. Het meten van het gebruik van features zorgt voor een beter geïnformeerde prioritering van R&D-middelen door ervoor te zorgen dat onderzoek en ontwikkeling zich voornamelijk richten op het verbeteren van features die daadwerkelijk door klanten worden gebruikt.

Omdat we nu een continue stroom van gegevens van elke klant hebben, kunnen we overgaan naar de derde fase waarin we gegevens kunnen gaan verzamelen die relevant zijn voor de klant. Elke klant heeft KPI’s waarvoor de organisatie optimaliseert, zoals churn bij bedrijven die abonnementsdiensten aanbieden, het meten van servicegebruik door eindklanten of het classificeren van eindklanten in segmenten die verschillende behandelingen vereisen. Omdat het bedrijf nu aanzienlijke hoeveelheden gegevens van elke klant verzamelt, kan het die gegevens verwerken en analyseren en elke klant relevante inzichten bieden.

Tot slot, in de laatste fase, betrekt het bedrijf een tweede bedrijfsecosysteem waarbij het gegevens die zijn verzameld van zijn primaire klantenbestand te gelde maakt bij een secundair klantenbestand. Een vrachtwagenbedrijf zou bijvoorbeeld route-informatie van de vrachtwagens die bij zijn klanten in gebruik zijn, kunnen verkopen aan benzinestations en wegenwachtbedrijven. Of een telecombedrijf kan geaggregeerde bewegingspatronen van gebruikers van mobiele telefoons verkopen aan stadsplanners.

Als het bedrijf eenmaal de laatste fase heeft bereikt, zijn de gegevens die worden verzameld in de producten die worden ingezet voor de primaire klantenbasis nu steeds meer gericht op het voldoen aan de behoeften van de secundaire klantenbasis. Het bedrijf zal dus waarschijnlijk gegevens gaan verzamelen die helemaal niet relevant zijn voor het primaire klantenbestand, maar wel voor het secundaire. Een tweede aspect is dat het bedrijf de inkomsten uit de secundaire klantenkring kan gebruiken om de producten voor de primaire klantenkring te subsidiëren en zo zijn marktaandeel te vergroten. Veel industrieën gaan, naarmate de digitalisering doorzet, in de richting van een “winner takes all”-situatie en dit patroon van positieve feedbackcycli ligt hieraan ten grondslag.

Concluderend heeft digitalisering gevolgen voor het bedrijfsmodel, de manier waarop we producten upgraden en de manier waarop we gegevens verzamelen, gebruiken en te gelde maken. Bedrijven evolueren in voorspelbare en herhaalbare patronen door deze transformatie en in deze post beschreef ik de vijf typische stadia die we in ons onderzoek tegenkomen. Data is de nieuwe olie, maar als je niet in staat bent om zakelijke waarde te genereren uit je data, heb je er niet veel aan. Ga dus aan de slag met het experimenteren met verschillende manieren om waarde te creëren uit je data!