Fraunhofer-Institut für Kluge Datenanalyse für kluges Produktmanagement
Wie das Produktmanagement auf Basis von Daten verbessert werden kann, erforschen das Fraunhofer IEM und das Heinz Nixdorf Institut der Universität Paderborn im neuen it’s OWL-Projekt Product.Intelligence. Die Anwenderunternehmen Diebold Nixdorf, WAGO, DMG Mori, Isringhausen und Schmitz Cargobull werden dabei unterstützt, klassische Aufgaben des Produktmanagements wie die Planung neuer Produktfeatures durch den Einsatz moderner Datenanalyse objektiver und erfolgreicher durchzuführen. Khoren Grigoryan leitet das Projekt am Fraunhofer IEM – und gibt erste Einblicke.
Was bedeutet ein „Datenbasiertes Produktmanagement“ – und welche Herausforderungen ergeben sich dadurch für Unternehmen?
Produktmanager:innen beschäftigen sich mit der Planung, Entwicklung, Positionierung und Vermarktung von Produkten. Ein datenbasiertes Produktmanagement analysiert produktrelevante Daten und zieht wertvolle Informationen daraus. Beispiele für solche Datenquellen können Betriebsdaten vernetzter Systeme, interne Daten aus Marketing- und Vertriebsabteilungen sowie externe Daten aus Social Media sein. Ziel der Datenanalyse ist es, objektivere und erfolgreiche Entscheidungen treffen zu können: Welche Features des Produktes werden häufig genutzt und sollten ausgebaut werden? Welche Funktionen könnten eingespart werden? Wie entwickelt sich der Markt für mein Produkt? Sollte ich meine Strategie anpassen?
Wir beobachten jedoch, dass Unternehmen vor großen Herausforderungen stehen, wenn es darum geht, Daten zur Entscheidungsunterstützung zu nutzen: Oftmals liegen die Daten in verschiedenen Abteilungen des Unternehmens verstreut und werden nicht systematisch gesammelt und analysiert. Produktmanager:innen fehlt der Überblick, welche Daten im Unternehmen vorhanden sind und wie sie genutzt werden können. Wertvolle Datenpotenziale bleiben ungenutzt und Entscheidungen werden auf Basis subjektiver Empfindungen und fehlender Informationen getroffen.
Was ist das Ziel des Projektes Product.Intelligence?
Im Projekt Product.Intelligence wollen wir Methoden entwickeln, mit denen Unternehmen systematisch ein eigenes datenbasiertes Produktmanagement umsetzen können. Wir betrachten dafür neben methodischen Ansätzen auch geeignete Tools und organisatorische Aspekte wie den Aufbau neuer Kompetenzen bei Mitarbeiter:innen. Ich freue mich besonders auf unsere Expertenstudie, die wir mit Fach- und Führungskräften aus dem Produktmanagement durchführen werden. So arbeiten wir von Beginn an nah am Bedarf der Industrie. Dabei sind wir überzeugt: Der Aufwand für die kluge Produktdatenanalyse lohnt sich, die Chancen für Unternehmen sind enorm: Sie erhalten beispielsweise Erkenntnisse zur Nutzung von Produktfeatures sowie zu Kundenwünschen und -problemen, sie identifizieren frühzeitig fehleranfällige Produktfeatures und können sie korrigieren und sie leiten wichtige Handlungsanweisungen für ihre After-Sales-Teams und den Kundensupport ab.
Welche konkreten Use Cases betrachtet das Fraunhofer IEM im Projekt?
Wir können sehr unterschiedliche Anwendungsfälle im Projekt betrachten: Mit Schmitz Cargobull arbeiten wir an dem Use Case, Telematik-, Vertriebs- und Produktionsdaten kombiniert auszuwerten. Ziel ist es, Erkenntnisse aus den verschiedenen Datenquellen zu gewinnen und somit Entscheidungen im Produktmanagement zu erleichtern. Bei WAGO geht es um die Erschließung und Vernetzung externer Datenquellen durch fortschrittliche Analytik. Wir arbeiten an einem prototypischen Tool, das externe Datenquellen miteinander verknüpft und so weitere Erkenntnisse generieren kann. Diebold Nixdorf möchte Laufzeit-, Service- und Verkaufsdaten seiner Produkte in einem prototypischen Tool kombinieren. Mithilfe von Datenanalysen möchte das Unternehmen mehr Einsicht in die Leistung und Effektivität seiner Produkte gewinnen. Das Ziel von Isringhausen ist es, Verkaufs- und Reklamationsdaten miteinander zu koppeln, um Produktfeatures zu analysieren. Ziel: Produkte verbessern und Kundenzufriedenheit erhöhen. Der Werkzeugbauer DMG MORI möchte an einem prototypischen Tool arbeiten, das Alarmfunktionen besitzt und auf Unterstützungsbedarfe seiner Kunden hinweist. Mithilfe von Datenanalysen wollen wir frühzeitig erkennen, wenn Kunden Hilfe benötigen und wie man sie am besten unterstützen kann (z.B. in Form von Schulungen).