„Quantitative Demand Management in der On
Werbung
Fachartikel „Quantitative Demand Management in der On-Demand Economy“ Erschienen in: IM+io Ausgabe 2/2016 Alexander Vocelka Competence Center Controlling & Finance [email protected] Dr. Andrei Belitski Competence Center Controlling & Finance [email protected] Hans Bauer Competence Center Controlling & Finance [email protected] www.horvath-partners.com Quantitative Demand Management in der On-Demand Economy Business Modelling für Enterprise 4.0 Alexander Vocelka, Andrei Belitski, Hans Bauer, Horváth & Partner GmbH © istockphoto | 72303769 | Rogotanie Artikel erschienen in der IM+io Fachzeitschrift für Innovation, Organisation und Management Heft 2 | Juni 2016 2 IM+io Fachzeitschrift für Innovation, Organisation und Management Auszug Heft 2 | 2016 Dank neuer quantitativer Methoden und Instrumente im Demand Management können Unternehmen ihre Märkte und Kunden mit einer bisher nicht gekannten Klarheit sehen und verstehen. Quantitatives Demand Management ermöglicht einen ganzheitlichen Blick auf die komplexen Systeme aus Angebot und Nachfrage und versetzt damit Unternehmen in die Lage, diese Systeme in allen Dimensionen zu beeinflussen. Von Demand Creation zu Demand Discovery Demand Management beschreibt die Fähigkeit eines Unternehmens, die Nachfrage nach Produkten und Dienstleistungen zu verstehen und nach Möglichkeit so zu gestalten, dass es diese im meist wettbewerbsintensiven Umfeld möglichst effizient in Form eines passgenauen Angebots erfüllen kann. Obwohl dabei der Kunde maßgeblich bestimmen sollte, was Unternehmen produzieren und anbieten, dominiert in vielen Märkten und Sektoren noch immer das Angebot die Nachfrage. Das hat zum einen damit zu tun, dass viele Märkte noch gar nicht entwickelt sind und in großen Teilen der Welt noch eine Mangelwirtschaft besteht. Zum anderen hängt es damit zusammen, dass angebotsorientierte Geschäftsmodelle einfacher sind. Man produziert − geprägt vom Vorteil der Skalenwirtschaftlichkeit − für den globalen Markt möglichst hoch standardisierte Produkte. Für diese wird dann die Nachfrage mit intensiven Marketingmaßnahmen aktiviert. Die globale Digitalisierung der ­Märkte führt zu einer tektonischen Verschiebung, die den Konsumenten und damit die „Demand Discovery“ in das Zentrum des Demand Managements rückt. Dementsprechend ist das Demand Management heute tatsächlich noch stark auf Demand Creation und weitaus weniger auf Demand Discovery ausgerichtet. Der digitale Kunde und intelligente Produkte in der On-Demand Economy Die globale Digitalisierung der Märkte führt zu einer tektonischen Verschiebung, die den Konsumenten und damit die „Demand Discovery“ in das Zentrum des Demand Managements rückt. Dank des Internets ist heute selbst für den Endverbraucher Global Sourcing möglich. Er kann selbst Nischenprodukte weltweit direkt von einem beliebigen Hersteller beziehen. In der Produktion bewirkt die digitale Revolution des 3D-Printing, dass der Verbraucher nicht nur Ersatzteile, sondern auch einfachere Produkte selbst herstellen kann. Die Abhängigkeit von komplexen Wertschöpfungsketten wird so reduziert, und selbst kleine Unternehmen können Individualprodukte kostengünstig gemäß den Wünschen im Hinblick auf das Design über Nacht herstellen. In der vernetzten Wirtschaft verändert sich auch im B2B-Geschäft die Stellung des Kunden. Während bisher jeweils der nächste Abnehmer in der Lieferkette der relevante Kunde war, so ist heute der Endkunde das Maß der Dinge. Die klassische Regel, dass derjenige, der transaktional näher am Endkunden ist, auch mehr über ihn weiß, gilt in der digitalen Welt nicht mehr. Im Internet sind sich alle gleich nah. Noch dramatischer wirkt sich aus, dass der westliche Konsument nicht mehr länger als Blueprint für den Rest der Welt dient. Mit der Schwerpunkt 3 Demand Management Phases and Quantitative Demand Management Instruments Discover & Analyze Need and Demand Marketing & Sales ■ ■ ■ ■ ■ ■ Innovation & Trend Discovery Opportunity Discovery Macro-Market Analysis Competitive Market Analysis Customer Analysis Market Segmentation Design and Plan Offer ■ ■ ■ ■ ■ ■ Packaging Design Promotion Design Channel Strategy & Plan Campaign Planning Revenue Planning Pricing & Profit Fulfill Lifecycle Delivery Grow Market ■ ■ ■ ■ ■ ■ Customer Acquisition Channel Development Market Development Marketing Camp Management Partner Management Customer Value Development (X-Selling) ■ ■ ■ ■ Packaging & Promotion Marketing Customer Lifecycle Sales Customer Relationship and Satisfaction Monitoring Digitization Supply Chain ■ ■ ■ ■ Innovation Analysis Existing Products Analysis Channel Analysis Sourcing Analysis ■ ■ ■ ■ ■ Quantitative Instruments Product Lifecycle Design Merchandise / Assortment Sourcing Strategy & Plan Service Segmentation Demand Forecasting 1 Innovation Radar 2 3 Demand Offer Model steigenden Kaufkraft der globalen Mittelschichten steigt die Nachfragemacht der lokalen Märkte. Inzwischen melden auch smarte Produkte Bedürfnisse an. Sie werden intelligent und sind im Internet of Things sowie den Produktionsketten der Industrie 4.0 vernetzt. Sie melden zurück, aus welchen spezifischen Komponenten sie bestehen, in welchem Zustand sie sich befinden, wie lange sie voraussichtlich noch leben werden, und wie sie gepflegt und gewartet werden müssen. Für das Quantitative Demand Management (QDM) ist das eine wahre Goldgrube an Informationen. Es bedeutet aber auch, dass man auf die Bedürfnisse von Produkten in Echtzeit reagieren können muss. Die Digitalisierung führt insgesamt zu einer dramatischen Beschleunigung der Innovationszyklen und einer Ausweitung der Produktvarianz und verlangt vom Unternehmen höchste Agilität in der Produktentwicklung und im Service. Neue Geschäftsmodelle wie die Sharing Economy entstehen. Wie aber sehen Produkte für die Sharing Economy aus, die von vielen unterschiedlichen Nutzern verwendet werden? ■ ■ ■ ■ Multi-Echelon Planning Collaboration Forecasting Promotion Management History and Pattern Analysis ■ ■ ■ ■ ■ Product Model & Configuration Management Replenishment After Sales Services Time Phase Allocation Distribution Analytics Customer Value Model 4 Customer Engagement Model Ein zentrales Thema unserer Gesellschaft ist das nachhaltige Wirtschaften auf unserem Planeten. Daraus ergeben sich weitere Randbedingungen für das Demand Management. Neben den Bedürfnissen der Kunden sind auch die der Regulatoren in allen Märkten zu berücksichtigen. Und bei all dem wacht der emanzipierte Kunde im Internet dank digitaler Transparenz rund um die Uhr und weltweit darüber, dass die Unternehmen alle Standards und Vorgaben über den gesamten Produktlebenszyklus hinweg einhalten. Er wacht darüber, dass die Produkte nicht nur den funktionalen Bedarf, sondern auch gesundheitliche, ökologische und ethische Ansprüche befriedigen. Tausende von Foren, Marktplätzen und Bewertungsportalen haben eine nie gekannte Markttransparenz geschaffen. Preisentwicklungen von Produkten werden online prognostiziert, und der Kunde wird benachrichtigt, sobald der Preis des neuen Bildschirms sein Budget unterschreitet. Kunden drohen mit negativen Rezensionen, wenn der Service nicht stimmt, und Gaststätten auf der ganzen Welt fürchten selbst einzelne negative Kundenkritiken auf TripAdvisor. Abbildung 1: Der Demand-ManagementProzess wurde seit der Einführung des Internets quasi vom Ende her digitalisiert und automatisiert. 4 IM+io Fachzeitschrift für Innovation, Organisation und Management D: Durability D1: … broken in less than two weeks D2: … useless after 4 - 5 months D3: … still new after 1 and 1/2 years D4: … lasted only 3 - 4 months as all others I1 I2 P: Price P1 : … the most expensive P2: … worth the extra money P3 : … very good price P4: … best blades for my money P3 D2 D3 I: Installation … I1: … easy to pop into place I2: … changed the adapters within seconds D1 P2 D4 P1 Abbildung 2 zeigt einen visualisierten Zwischenschritt der semantischen Demand-OfferModellierung für Scheibenwischer. Der Übersichtlichkeit wegen sind nur einige Grundaussagen eingeblendet. Auszug Heft 2 | 2016 F3 F2 F1 F: Functionality F1: … noticed streaks on the windshield F2 : … has a wider sweep than others F3: … silent cleaning of the windshield P4 In der Summe beschreiben all diese Entwicklungen den Wandel von einer standardisierten Angebotswirtschaft zur hochvariablen On-Demand Economy mit dem digitalen Kunden im Zentrum. Instrumente des Quantitative Demand Managements Der Kunde ist dank des Internets zum digitalen König geworden und er weiß oft mehr über das Produkt als das Unternehmen selbst. Aber wie viel weiß das Unternehmen über seine Kunden? Über deren Bedarf, Bedürfnisse und Ansprüche? Wenig, viel zu wenig! Zwar teilt sich der digitale Kunde schon seit vielen Jahren dem Unternehmen via Internet mit, nur wurde er bislang kaum gehört oder gar verstanden. Das wird sich ändern, denn dank neuer quantitativer Methoden und Instrumente im Demand Management können Unternehmen ihre Märkte und Kunden mit einer bisher nicht gekannten Klarheit sehen und verstehen. Vier wesentliche Instrumente stehen im Kern des Quantitative Demand Managements, auf die wir im Folgenden eingehen werden: Das Demand-Offer Model, das Innovation Radar, das Customer-Value Model, das Customer-Interaction Model. Das Demand-Offer Model Die Grundidee des Demand-Offer Models ist einfach, nicht aber dessen Umsetzung. Anstatt den Kunden und das Produkt getrennt zu betrachten, integriert man beide ganzheitlich in einem Modell. Ganzheitlich bedeutet dabei, dass alle bekannten Aspekte des Kunden und dessen Reflexion zum Produkt genutzt werden. Wer ist der Kunde? Warum hat er das Produkt gekauft? Wer hat es empfohlen? Was mag er daran, was nicht? Wie war die Lieferung, wie die Installation? Wie nutzt er es? Wer nutzt es sonst noch? Es werden also alle verfügbaren Aussagen für die Modellierung genutzt. Das Demand-Offer Model ermöglicht es, den Bedarf, die Bedürfnisse und die Produkterfahrung quantitativ zu erfassen. Dabei sind Wettbewerbsprodukte ebenso als Teilmodelle einkoppelbar. Zwar gilt auch weiterhin das Primat der 4Ps (Product, Package, Price, Promotion), aber es wird jetzt stark quantifiziert, durch Hunderte von Variablen. Das Design der Produkte sowie die Produkt- und Portfolioplanung werden entsprechend zu einer komplexen Optimierungsaufgabe. Die Variablen sind oft von hoher Heterogenität geprägt und das Verhältnis von externen zu internen Daten erreicht dabei nicht selten das Hundertfache, wobei die Datenmenge für die Analyse weit weniger entscheidend ist als die Wahl des richtigen Modells, die Struktur der Schwerpunkt Variablen und die Leistungsfähigkeit der Algorithmen. Ein Großteil der Information im Quantitative Demand Management liegt in Textform vor und wird entsprechend semantisch aufbereitet. Dabei kommen Machine-Learning-Algorithmen zum Einsatz. Die Datenquellen selbst sind sehr unterschiedlich strukturiert. Dies muss bei den automatisierten Schnittstellen berücksichtigt werden. Wichtig ist auch, dass der charakteristische Bias und das Rauschen der Quelle herausgefiltert werden. So kann man aus einer unterschiedlichen Anzahl von Web-Quellen ein leistungsstarkes Demand-Offer Model als Basis für alle weiteren Analysen entwickeln. Das Innovation Radar Viele Unternehmen veranstalten aufwändige Ideenfindungs- oder Innovations-Workshops mit den unterschiedlichsten Teilnehmerkreisen ihrer Wertschöpfungsnetze. Dabei ist die zur Verfügung stehende „Crowd Intelligence“ durch die limitierte Teilnehmerzahl begrenzt und mit Bias belastet. Die wesentlich größeren sogenannten Web-Jamming Sessions liefern oft eine Fülle an Ideen, jedoch wieder mit hohem Bias und sind aufwändig zu organisieren. Innovation aber findet zu jeder Minute an jedem Ort der Welt statt. Dutzende von Universitäten forschen an neuen Batterietechnologien, Tausende von Patenten werden täglich angemeldet, 5 Das Innovation Radar ermöglicht ­ es, sowohl Innovationen und Trends differenziert und quellenbasiert ­zu ­erkennen und rund um die Uhr zu verfolgen. und zahllose Start-ups entwickeln täglich neue Produkte. Für ein Unternehmen ist es kaum möglich, mit klassischen Mitteln all diese Entwicklungen systematisch, kontinuierlich und gleichzeitig effizient zu verfolgen. Noch schwieriger ist es, latente relevante Innovationen und Trends früh genug zu entdecken und in der eigenen Angebotsstrategie zu berücksichtigen. Das Innovation Radar ermöglicht es, sowohl Innovationen und Trends differenziert und quellenbasiert zu erkennen und rund um die Uhr zu verfolgen, als auch neue Geschäftsfelder zu suchen und Portfolio-Lücken auszumachen. Die Radare arbeiten dabei nach einer halbautomatisierten Initialisierungsphase selbständig und mit sich dynamisch entwickelnden Suchmustern. Eine Vielzahl von möglichen Fokus- und Filtereinstellungen ermöglicht ein differenziertes Target-Setting. Umgekehrt kann man auch eine vollständig offene und relevanzintelligente dynamische Suche durchführen Abbildung 3: Digitale Business Radars vom Typ des Innovation Radars gibt es für verschiedene Funktions- und Themenbereiche. 6 IM+io Fachzeitschrift für Innovation, Organisation und Management Auszug Heft 2 | 2016 Abbildung 4: Client-Management Alexander Vocelka Alexander Vocelka ist Partner und leitet das Horváth & Partner Steering Lab in München. Er ist Impulsgeber und ein gefragter Sprecher zu den Themen Digitalisierung, Big Data, Business Modeling und Quantitative Demand Management. Vocelka ist Herausgeber von „Die moderne Finanzfunktion“ (Gabler 2007) und Verfasser zahlreicher White Papers und Artikel. Vor seiner Zeit bei Horváth & Partners war Vocelka unter anderem bei IBM Global Business Services und KPMG tätig. Kontakt AVocelka@horvath-­ partners.com Tel.: +49 895 446250 www.horvath-partners.com lassen. Das Radar sucht dann von selbst nach relevanten bekannten und noch unbekannten Themen und findet somit Innovationen und Trends, die dem Menschen sonst verborgen bleiben. Das Customer-Value Model Ein weiteres wesentliches Instrument ist das Customer-Value Model. Dieses wird auf dem bestehenden Kundenstamm und dem historischen und aktuellen Portfolio aufgebaut. Dazu werden alle internen Datenvariablen interaktionaler als auch transaktionaler Natur genutzt. Hinzu kommen externe Datenvariablen, die das Modell stark anreichern. Customer-Value Modelle werden vor allem für die Kundenentwicklung benötigt. Sie beinhalten im Vergleich zu den Demand-Offer-Modellen im Kern das Stammkunden- und das Produktmodell. Dies erlaubt nicht nur eine sehr feine Kundensegmentierung und eine differenzierte Vorhersage des Kundenbedarfs, sondern auch eine Optimierung des kombinierten Kunden-Produkt-Lebenszykluses. Damit ist das CustomerValue Model auch das Fundament für das Customer-Interaction Model. Das Customer-Interaction Model Vom Customer-Value Model lassen sich nicht nur die bekannten Recommendation-Modelle ableiten, sondern auch wesentlich leistungsfähigere Customer-Interaction Modelle. Solche Modelle können an allen Kundeninteraktionspunkten eines Unternehmens genutzt werden und geben so Empfehlungen für strategisch und taktisch optimierte Kundeninteraktionsketten. Somit ermöglicht Quantitative Demand Management (QDM) nicht nur die bedarfsgerechtere Entwicklung von Produkten und Lösungen, sondern auch einen bedarfsgerechteren Gesamtservice von der Erstansprache durch den ganzen Kundenlebenszyklus hindurch. Besonders wertvoll ist die Cross-Selling-Leistung der Customer-Interaction Modelle. Alle Modelle sind außerdem jeweils stark rückgekoppelt und lernen quasi über Nacht aus den neuen Daten des vergangenen Tages. Vorteile des Quantitative Demand Managements Quantitatives Demand Management ermöglicht es, Märkte, Kunden und Produkte als das zu sehen, was sie eigentlich sind, das heißt als ganzheitliche und komplexe Systeme. Um diese Systeme und damit Angebot und Nachfrage richtig verstehen und in allen Dimensionen beeinflussen zu können, bedarf es spiegelbildlich einer hohen systemischen beziehungsweise multidisziplinären Kompetenz der Unternehmen selbst. Erfolgreiche Unternehmen in der Schwerpunkt On-Demand Economy werden dank dem Quantitative Demand M ­ anagement auch ihre eigene systemische Entwicklung durch eine stete innere Vernetzung ihrer Funktionen und Expertenteams beschleunigen. Tabelle 1 zeigt die wesentlichen Leistungsmerkmale, die das Quantitative Demand Modeling vom klassischen Demand Management unterscheiden. Neben der hohen Effizienz und Echtzeitfähigkeit sind eine hohe Marktabdeckung sowie eine differenzierte Marken-, Kunden-, Produkt- und Wettbewerbsanalyse möglich. Kurz und bündig Wir erleben derzeit den Wandel von einer standardisierten Angebotswirtschaft hin zu einer hochvariablen On-Demand Economy. War das Demand Management bislang stark auf „Demand Creation“ ausgerichtet, so führt die globale Digitalisierung der Märkte zu einer Verschiebung, die den Konsumenten und damit die „Demand Discovery“ in das Zentrum des Demand Managements rückt. Dank neuer quantitativer Methoden und Instrumente im Demand Management können Unternehmen ihre Märkte und Kunden nun mit einer bisher nicht gekannten Klarheit sehen, verstehen und besser bedienen als jemals zuvor. Wie die Einführung von Quantitative Demand Management gelingt Quantitative Demand Management ist zwar logisch, aber nicht unbedingt intuitiv für den Menschen. Gerade bei komplexen Big-Data-basierten Modellen und „mysteriöser“ Mathematik entsteht sehr schnell der Black-Box-Effekt. Das Management und die Mitarbeiter trauen dieser Black-Box nicht, weil sie sie nicht verstehen. Daher ist der bewährte Weg für die Einführung, eine Reihe von „Use Cases“ zu finden, bei denen der Nutzen intuitiv ersichtlich ist und die Umsetzung in kurzen Phasenabschnitten mit klaren und nachprüfbaren Ergebnissen erfolgt. Ein Use Case, den die Mitarbeiter im Kopf und von Hand lösen können, ist sicherlich nicht geeignet. 7 Dort aber, wo aus großen Datenmengen Muster ermittelt werden können, die einem Menschen verborgen geblieben sind, tritt ein positiver Erkenntniseffekt auf. Sind die Modelle zudem sehr deklarativ und die Resultate direkt verifizierbar, dann stellt der Mensch sehr schnell von Misstrauen auf Neugier und Eigennutzen um. Solche Modelle erlauben es auch, Expertenwissen direkt einfließen zu lassen und ermöglichen ein Human-Machine-Learning, das oft sportliche Züge annimmt. Beim Spielen lernt man Neues am liebsten und am besten! Deshalb ist zum Beispiel ein Benchmarking gegen die eigene klassische Methodik stets sehr überzeugend. Quantitative Demand Management Klassisches Demand Management Marktabdeckung bis zu 100% meist nur Marktausschnitte Analysefrequenz Echtzeit Monate bis Jahre Demandanalyse sehr gut; umfassend gut in Ausschnitten Bedürfnisanalyse sehr gut; umfassend gering; punktuell Profiling-Fähigkeit sehr hoch gering Demand Forecasting stark verbessert Standard Wettbewerbsanalyse sehr umfassend gering Pricing-Analysen sehr gut gering - mittel Innovationsanalyse sehr umfassend und differenziert gering Brand-Analysen sehr gut mittel - gut Entdecken von Portfolio-Lücken sehr gut; systematisch mittel; punktuell Entdecken neuer Geschäftsfelder (Offene Suche) sehr gut; kontinuierlich mittel; punktuell Differenzierung (Anzahl und Art der Variablen) nicht limitiert stark limitiert Retrovergleichbarkeit der Analysemodelle einfach begrenzt möglich Analysekosten gering hoch bis sehr hoch Verhältnis externer zu interner Daten > 95 : 5 < 50 : 50 Dr. Andrei Belitski Andrei Belitski ist Senior Quantitative Business Modeler im Horváth & Partners Steering Lab in München. Er promovierte in Computational Modeling und seine Schwerpunktthemen im Steering Lab beinhalten probabilistische Entscheidungsunterstützungssysteme und quantitative Steuerungsmodelle. Kontakt [email protected] Tel.: +49 895 446250 www.horvath-partners.com Tabelle 1: Quantitative Demand Management vs. Klassisches Demand Management Wissen, was morgen wichtig ist! Heft 3 I September 2015 I G 9765F I ISSN: 1616-1017 www.im-io.de Heft 2 I Juni 2015 I G 9765F I ISSN: 1616-1017 www.im-io.de Das Magazin für Innovation, Organisation und Management „Smart Services und Industrie 4.0: Sie ergänzen sich nicht nur, sie bedingen einander.“ 152 bpm Prof. Dr. Helmut Krcmar Heart Rate 2543 Calories 18 km/h Max. Speed 32 Tweets Zukunftsprojekt 5:58 Smart Services Avg. Pace 87 Likes 67 % Pleasure 39 % Stress level 84 % Health status Management-Skills in der digitalen Ökonomie Neue Businessmodelle im Rahmen von Industrie 4.0 7:23 h Sleep 1616-1017 Heft 1 I März 2015 I G 9765F I ISSN: www.im-io.de Einblicke in das IT-Unternehmerwunderland Heft 4 I Dezember 2015 I G 9765F I ISSN: 1616-1017 www.im-io.de Heft 1 I März 2016 I G 9765F I ISSN: 1616-1017 www.im-io.de Mittelstand 4.0 Marktmacht Plattform ig B ge Chan „Auch meine Unternehmen müssen sich neu erfinden.“ Prof. Dr. August-Wilhelm Scheer The PLATTFORM Predictive Analytics Effizienz steigern und Kosten senken mithilfe intelligenter Datenauswertung Im Interview mit Dr. Ferri Abolhassan Die Auswirkungen der digitalen Transformation auf Unternehmen und Organisationen „Digitalisierung in Bildung und Wissenschaft“ IT-Gipfelthema von Bundesministerin Prof. Dr. Johanna Wanka und Prof. Dr. August-Wilhelm Scheer 12.02.2015 14:40:36 2015-IM+io-Ausgabe1-The big change-Cover-v6.indd 1 im+io_004.2015_s.01_titel.indd 1 13.11.15 16:33 Jetzt abonnieren! bit.ly/1Tic8Vm Das Standard-Abonnement mit 4 Ausgaben jährlich erhalten Sie zum Preis von 99,- € / 120,- CHF. Unter www.im-io.de finden Sie weitere Informationen zu unseren Abonnementkonditionen. Als Abonnent unseres Fachmagazins für Innovation, Organisation und Management erhalten Sie viermal im Jahr hochkarätige Fachbeiträge mit aktuellen Erkenntnissen aus den Bereichen Hightech und Informationstechnologie sowie neuen Managementmethoden und Innovationsmanagement. Die IM+io erscheint im Medienverlag des AWS-Institut für digitale Produkte und Prozesse gGmbH Scheer Tower | Uni Campus Nord | 66123 Saarbrücken/Deutschland Tel.: +49 681 96777-0 | [email protected] | www.im-io.de
