Wie Big Data Unternehmen hilft maßgeschneiderte Produkte zu entwickeln. Eine Betrachtung am Beispiel von Netflix

Inhaltsverzeichnis

1 Einleitung

2 Big Data
2.1 Begriffsbestimmung
2.2 Big Data und die Verhaltensanalyse

3 Netflix
3.1 Die Datensammelmaschine
3.2 Der nächste Schritt: maßgeschneiderte Produkte

4 Schlussbemerkung

Literaturverzeichnis

Abstract: Big Data liefert den Unternehmen die Informationen, die sich benötigen, um ihre Produkte entsprechend der Konsumentenbedürfnisse zu individualisieren – hierin liegt ein großes Potenzial. Doch es zeigt sich, dass viele Unternehmen noch nicht den richtigen Ansatz gefunden haben, um diese neu gewonnenen Möglichkeiten zu nutzen. Netflix ist auf diesem Gebiet Vorreiter und zeigt, wie sich durch die gezielte Verwendung von Daten Wettbewerbsvorteile gewinnen lassen.

Keywords: Big Data, Netflix, maßgeschneiderte Produkte, Konsumentenverhalten, Daten, Verhaltensanalyse, datenbasierte Entscheidungen, Analytics, Kundenwünsche

Abbildungsverzeichnis

Abb. 1: Prognose zum Umsatz mit Big-Data-Lösungen weltweit von 2011 bis 2026

Abb. 2: Big-Data-Primärkreislauf

Abb. 3: Nutzer im Markt für SVoD

1 Einleitung

„Daten sind der Rohstoff unserer Zeit. Sie helfen Unternehmen, Bedürfnisse ihrer Kunden besser zu verstehen, die passenden Produkte zu entwickeln und sich damit nicht weniger als zukunftsfähig zu machen.“ (BITKOM Research GmbH im Auftrag der KPMG AG Wirtschaftsprüfungsgesellschaft, 2015, S. 5)

Es wird prognostiziert, dass der Umsatz mit Big-Data-Lösungen weltweit bis 2026 knapp 85 Millionen US-Dollar ansteigen wird, laut Quelle wird schon im Jahr 2016 mit Big-Data-Lösungen ein Umsatz von rund 38 Milliarden US-Dollar erzielt werden (siehe Abbildung).^[1]

„Wenn man sich das atemberaubende Wachstum einiger Unternehmen bzw. Marken über die letzten Jahre ansieht, lässt sich feststellen, dass all dies Unternehmen sind, die Daten auf eine neue, intelligente Art und Weise nutzen“, sagte Brian Kardon, CMO von Lattice Engines, einem Unternehmen, welches prädiktives Lead-Scoring anbietet.^[2]

Ein Unternehmen, welches Big Data bereits gewinnbringend zur Anwendung bringt, ist das amerikanische Subscription-Video-on-Demand-Unternehmen Netflix Inc. Subscription-Video-on-Demand, oder kurz SVoD, bezeichnet die Dienstleistung, einen unbegrenzten Zugang zur digitalen Bibliothek von Videoinhalten gegen eine monatliche Gebühr zu gewähren. Das Herzstück des Dienstes ist dabei der Empfehlungsalgorithmus, der den Abonnenten immer wieder Serien und Filme entsprechend ihres Nutzungsverhaltens vorschlägt. Ziel ist es, den Nutzer möglichst lange zum Verweilen zu bringen und das Gefühl zu vermitteln, immer genau zu wissen, was der Nutzer als nächstes sehen will. Doch Netflix geht noch weiter: auf Basis der Analysen werden eigene Serien produziert. So geschehen mit der preisgekrönten Serie House of Cards.

Die Entscheidung zur Produktion und zur Besetzung entstand, „[...] weil Netflix die Nutzer genau beobachtete und herausfand, dass sie sich gerne Politdramen ansehen, den Regisseur David Fincher und den Schauspieler Kevin Spacey mögen.“ (Fichter, 2014) Ungewöhnlich für die Branche wurde direkt eine gesamte Staffel mit 13 Folgen abgedreht, Kostenpunkt 100 Mio. US-Dollar.

Im Folgenden wird zunächst der Begriff Big Data erläutert, mit dem Ziel ein allgemeines Verständnis zu schaffen, um nachfolgend einen Kontext zur Verhaltensanalyse darzustellen und die hieraus resultierenden Chancen für Unternehmen ins Licht zu rücken.

Aufbauend hierauf wird ein Blick auf das Unternehmen Netflix geworfen. Im Speziellen wird der Algorithmus bzw. die Art und Weise der Erhebung und Verwendung der Daten beleuchtet. Abschließend wird anhand des Beispiels der Serie House of Cards dargestellt, wie maßgeschneiderte Produkte mit Hilfe von Daten entstehen.

Zielsetzung der Arbeit ist es aufzuzeigen, inwiefern Unternehmen, hier im speziellen Netflix, schon heute Daten und besondere Analysen heranziehen, um ihre Produkte passgenau auf die Bedürfnisse der Konsumenten abzustimmen.

2 Big Data

Laut dem Technology Trends Index von KPMG, welcher die größten Technologietrends in acht Industriesektoren betrachtet und einstuft, gehört das Thema Big Data und Analytics zu den drei populärsten Trends.^[3] Zunächst soll betrachtet werden, was sich hinter diesem Thema verbirgt.

2.1 Begriffsbestimmung

„Big Data bezeichnet die wirtschaftlich sinnvolle Gewinnung und Nutzung entscheidungsrelevanter Erkenntnisse aus qualitativ vielfältigen und unterschiedlich strukturierten Informationen, die einem schnellen Wandel unterliegen und in bisher ungekanntem Umfang anfallen.“ (BITKOM Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V., 2012, S. 7) Big Data besteht dabei im Wesentlichen aus vier Merkmalen:

- „Datenmenge (Volume): Immer mehr Organisationen und Unternehmen verfügen über gigantische Datenberge, die von einigen Terabytes bis hin zu Größenordnungen von Petabytes führen.
- Datenvielfalt (Variety): Unternehmen haben sich mit einer zunehmenden Vielfalt von Datenquellen und Datenformaten auseinanderzusetzen. Aus immer mehr Quellen liegen Daten unterschiedlicher Art vor, die sich grob in unstrukturierte, semistrukturierte und strukturierte Daten gruppieren lassen. Gelegentlich wird auch von polystrukturierten Daten gesprochen. Die unternehmensinternen Daten werden zunehmend durch externe Daten ergänzt, beispielsweise aus sozialen Netzwerken.
- Geschwindigkeit (Velocity): Riesige Datenmengen müssen immer schneller ausgewertet werden, nicht selten in Echtzeit. Die Verarbeitungsgeschwindigkeit hat mit dem Datenwachstum Schritt zu halten. Damit sind folgende Herausforderungen verbunden: Analysen großer Datenmengen mit Antworten im Sekundenbereich, Datenverarbeitung in Echtzeit, Datengenerierung und Übertragung in hoher Geschwindigkeit.
- Analytics: Analytics umfasst die Methoden zur möglichst automatisierten Erkennung und Nutzung von Mustern, Zusammenhängen und Bedeutungen. Zum Einsatz kommen u.a. statistische Verfahren, Vorhersagemodelle, Optimierungsalgorithmen, Data Mining, Text- und Bildanalytik. Bisherige Datenanalyse-Verfahren werden dadurch erheblich erweitert.“ (BITKOM Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V., 2014, S. 12)

An dieser Stelle kann noch über zwei weiterführende Aspekte nachgedacht werden: den zu erwartenden Mehrwert (Value) und die inhaltliche Qualität der Daten (Validity). „Mit Value von Big Data ist hier der unternehmerische Mehrwert gemeint, den die Auseinandersetzung mit dem Phänomen Big Data erbringen muss.“ (Ronald Bachmann, 2014, S. 28) Die Validity meint hier die Widerspruchsfreiheit der Daten, also die Sicherstellung der Validität der Daten. ^[4]

Zum Verständnis sollte ergänzt werden, dass wir alle „Generatoren“ von Big Data sind. Jeder einzelne erzeugt unablässig Daten, beispielsweise durch das Versenden unverschlüsselter E-Mails, durch die Nutzung von Facebook und Apps jeglicher Art, durch das Nutzen des Navigationsgeräts auf dem Handy, durch das Bezahlen mit der EC-Karte. Den Zusammenhang zwischen Datenerzeugung, Datenverarbeitung und Datennutzung wird in der folgenden Abbildung Big-Data-Primärkreislauf skizziert.

Unternehmen nutzen und verarbeiten die zur Verfügung stehenden Daten, um ihre Produkte und Services weiterzuentwickeln. „Durch den Gebrauch von (weiterentwickelten und innovativen) Produkten, Services und Kommunikationsmedien liefern wir alle wiederum Daten in den Kreislauf. Dadurch wachsen die Datenbestände exponentiell an und Big Data entsteht.“ (Ronald Bachmann, 2014, S. 23)

[...]

^[1] Wikibon. (n.d.). Prognose zum Umsatz mit Big-Data-Lösungen weltweit von 2011 bis 2026 (in Milliarden US-Dollar). In Statista - Das Statistik-Portal. Zugriff am 01. Januar 2016, von http://de.statista.com/statistik/daten/studie/265253/umfrage/prognose-zum-umsatz-mit-big-data-loesungen-weltweit/.

^[2] Eigene Übersetzung: „If you look at the mind-blowing growth of brands over the past couple of years, they’re all brands that use data in new, intelligent ways,“ said Brian Kardon, CMO of predictive lead scoring company Lattice Engines. (Russel Glass, 2015, S. 89)

^[3] Vgl.: http://technologytrendsindex.kpmg.com; Abgerufen am 25. Dezember 2015

^[4] Vgl.: Ronald Bachmann, 2014, S. 29