Big Data Daten sind der neue Content: Wie Verlage mit Big Data neue Erlösquellen schaffen

September 2014

Big Data revolutioniert das Verlagsgeschäft

Executive Summary

Qualitative Befragung von insgesamt 15 Verlagen in Deutschland

Zeitraum der Datenerhebung und Analyse: Mai/Juni 2014

Autoren: Dr. Alexander Henschel, Marc Ziegler, Alexander Schumm

Über die Kurzstudie

2

Verlage verfügen über wertvolle Datenbestände, die bisher unzureichend kapitalisiert werden. Von den derzeit über 25 denkbaren Anwendungsmöglichkeiten von Big Data-Tools entlang der Wertschöpfungskette nutzen die befragten Verlage durchschnittlich unter 25%

Verlage, die Big Data-Technologien konsequent für Prozessverbesserungen und zur Portfolio-erweiterung nutzen, erwirtschaften einen höheren Digital-Umsatzanteil (>40%) und erzielen in der Regel eine überdurchschnittliche Gesamtrendite (>15-20%), allen voran internationale Fachinformationsanbieter wie Thomson Reuters, Reed Elsevier und Wolter Kluwer

Zu den Haupterfolgsfaktoren der "Data-Leader" gehören:

Klare und konsistente Big Data-Roadmap zur Einführung der Technologien

Erschließung mehrerer, miteinander verzahnter Big Data-Anwendungsbereiche im Verlag

Einsatz von Predictive Analytics-Tools zur Prognose in der Zukunft liegender Ereignisse

Dedizierte Datenanalyse-Teams – zentral organisiert (Abteilung berichtet an CEO/CDO)

Konsequente Investitionen in digitale Infrastrukturen und Prozessverbesserungen

Die vorliegende Kurzstudie beschreibt Möglichkeiten, mit Big Data-Tools zu Kosteneffizienz- und Erlössteigerung entlang der Wertschöpfungskette zu gelangen

Quelle: goetzpartners

Datenvolumen steigt an, Unternehmen nutzen ihre

Daten aber noch unzureichend

Insbesondere getrieben durch das "Internet of Things" sowie durch Social Media steigt die Anzahl der Datenquellen rapide an

Im Verlagskontext sind soziale Netzwerke, die weiter anhal-tende Digitalisierung der Inhalteverarbeitung und Cloud Computing die wesentlichen Treiber für steigendes Daten-volumen in Unternehmen

Mit Big Data-Technologien lassen sich diese Daten erstmals sinnvoll und effizient für die Entscheidungsfindung nutzen

Hintergrund

>50%

wächst das jährlich von Unternehmen verarbeitete Datenvolumen

Date

nhaltungskoste

n

per

Gig

abyte

Zeitraum 2000 2005 2010 2014

PPI:

Date

nvera

rbeitung

und ä

hnliche S

erv

ices

(2000 =

Index 1

00)

100

105

107 €10

€1

€0,1

Datenmengen steigen kontinuierlich und durchschnittliche Speicherkosten sinken. Jedoch steigen die relativen Datenverarbeitungskosten OHNE Big Data-Ansatz zunehmend an

7

durchschnittlich mit dem Internet verbundene Geräte pro Person

0,5%

der gesammelten Daten werden von Unternehmen bis dato genutzt

Datenquellen

2

7

2010 2020

Datenvolumen Datennutzung

Datenkosten

2011 2012 2015 2006

Big Data in Zahlen

3

[1] Compound Annual Growth Rate Quelle: goetzpartners, Brynjolfsson, Gartner, IDC, Mashable, eMarketer

= Verfügbare Daten

Verlage verfügen mit ihren Daten über einen hohen

Vermögenswert, den es noch besser zu nutzen gilt

Big Data bedeutet, dass den Verlagen mehr Daten aus verschiedensten Quellen und mit einer höheren Frequenz zur Verfügung stehen

Der Datensammlung über diverse Touchpoints und der zentralen Datenhaltung kommt in Verlagen eine wichtige Bedeutung zu, kann aber grundsätzlich an externe Dienstleister mit hohen Sicherheitsstandards ausgelagert werden

Erst die analytische Verarbeitung und deren Visualisierung generieren für die Entscheidungsfindung relevante Informationen. Diese beiden Big Data- "Disziplinen" müssen Verlage zukünftig zu ihren Kernkompetenzen ausprägen

Auf einen Blick

Variety:

Der Anteil unstruk-turierter und semi-strukturierter Daten ist auf über 90% aller Daten angestiegen

Volume:

Stetig wachsende Datenmengen über-steigen die Kapazität traditioneller Daten-banken

Velocity:

Zunehmende Datengeschwindigkeit erhöht die Anforde-rungen an Erfassung und Verarbeitung

Entschei-dungs- relevante Erkennt-nisse auf nie dage-wesenem Niveau

DATEN- QUELLEN

ERP

CRM

Social Media

E-Mail

Web Analytics

Echtzeit- Daten

Mitarbeiter- aufzeich- nungen

…

Externe Auswer- tungen

BIG DATA CHARAKTERISTIKEN

BIG DATA ARCHITEKTUR

Datenzugriff & Datenhaltung

Analytische Verarbeitung

Applikation/ Visualisierung

Erfassung aus multiplen Datenquellen

Hadoop[1]

für besseren Datenzugriff

Schnellere In-Memory Datenhaltung

Data Mining/ Discovery

Pattern Recognition

Predictive Analytics

Visuelle Darstellung und Ent-deckung von Trends und Korrelationen

Einbettung von Analysen in Applikation

BIG DATA ERGEB- NISSE

Zukünftig wichtige Kernkompetenzen von Verlagen

4

Was ist Big Data und welcher Teil davon ist wirklich wichtig für Verlage?

[1] (Apache) Hadoop ist ein open-source Software-Framework zur Verwaltung sehr großer Datenmengen, das bei den meisten Big Data-Systemen/Anwendungen zum Einsatz kommt

Quelle: goetzpartners

@

Verlage haben die Möglichkeiten zur Bewältigung des

Strukturwandels bisher unzureichend ausgeschöpft

Der digitale Wandel und seine Folgen

Erlöstreiber

Signifikanter Reichweitenausbau

Steigerung Customer Experience

Datengetriebener Journalismus

Time-to-Market neuer Produkte/ Services reduzieren

Erlössteigerung

Content-Monetarisierung

Erschließung neuer Erlösquellen

Mindset, Organisation, Prozesse

Selbstverständniswandel

Strategische Partnerschaften

Digitalisierung von Strukturen/ Prozessen

Prin

t D

igit

al

Sald

o

TRANSFORMATIONSPOTENZIALE IN VERLAGEN

€ -1.552 Mio. € -127 Mio.

5

Herausforderungen und Hebel zur Bewältigung des digitalen Wandels

Während das Gros der Verlage kontinuierliche Reichweiten-verluste in Print weitgehend durch Preissteigerungen kom-pensieren konnte, verzeichnen Verlage im Anzeigengeschäft weiterhin gravierende Umsatzeinbußen

Die Zugewinne im Digitalge-schäft konnten die Verluste im Stammgeschäft bisher nicht ansatzweise auffangen – mit der Folge durchschnittlich sinkender Profitabilität

Die bisher eingeschlagenen Maßnahmen zur digitalen Transformation greifen zu kurz, um die Verluste im Stammgeschäft hinreichend zu kompensieren

Infolge des immer noch unzu-reichenden Selbstverständnis-wandels ist es Verlagen noch nicht gelungen, das digitale Stammgeschäft hinreichend zu monetarisieren und neue Erlösquellen zu erschließen

[1] In Deutschland in Mio. EUR; [2] Tages-/Wochenzeitungen, Publikums-/Fachzeitschriften

Quelle: goetzpartners, PWC Global Entertainment Media Outlook 2014-2018

VERTRIEBSERLÖSE[1]

ZEITUNGEN/MAGAZINE[2]

ANZEIGENERLÖSE[1]

ZEITUNGEN/MAGAZINE[2]

660 423 187

+17,1% (+473)

2017e 2013 2009

5.172

4.117

- 4,9% ( - 2.025 )

6.142

- 1% ( - 710)

7.177 7.802 7.887

594 142 11

+64% (+583)

2017e 2013 2009

Big Data liefert zentrale Ansatzpunkte,

um diese Transformationspotenziale zu heben

Durch die zunehmende Datenverfügbarkeit und Analysemöglichkeiten in beinahe allen Geschäfts-bereichen, hat Big Data diverse Ansatzpunkte in praktisch allen Wertschöpfungsstufen

Big Data dient hierbei hauptsächlich der Transfor-mation des bestehenden Geschäfts, aber auch der Anpassung vorhandener und der Erschließung neuer Geschäftsfelder

Nur durch einen kombinierten Einsatz von Big Data-Tools und begleitendem Change Management-Programm können die adressierten Potenziale gehoben werden

Auf einen Blick

Big Data hat 2 generelle Ansatzpunkte …

Optimierung von Geschäftsprozessen

Automatisierung von Prozessen durch Tools

Anpassung an veränderte Wert-schöpfungsketten 2

. O

perati

on

al

Excellen

ce

1.

Str

ate

gie

Erschließung neuer datengetriebener Geschäftsmodelle

Höhere Wertschöpfung aus bestehenden Erlösquellen durch Targetierung und Personalisierung

Dadurch kann ein Großteil der Transformationspotenziale bedient werden

Erlöstreiber

Signifikanter Reichweitenausbau

Steigerung Customer Experience

Datengetriebener Journalismus

Time-to-Market reduzieren

Erlössteigerung

Content-Monetarisierung

Erschließung neuer Erlösquellen

Mindset, Organisation, Prozesse

Selbstverständniswandel

Strategische Partnerschaften

Digitalisierung von Strukturen/ Prozessen

… mit Einsatzfeldern entlang der gesamten Wertschöpfungskette

Inhalte- erstellung

Inhalte- Aggregation

Inhalte- Transformation

Multi-Plattform- Distribution

Monetari- sierung

User Engagement B

ig D

ata

-Ein

satz

en

tlan

g W

erts

ch

öp

fun

gskett

e

6

Big Data-Ansatzpunkte zur Lösung struktureller Herausforderungen

Quelle: goetzpartners

Eher geringer Hebel Big Data-Tools als großer Hebel

Big Data-Potenziale werden von Verlagen überwie-

gend erkannt, aber noch nicht umfassend genutzt

Primärerhebung unter deutschen Verlagen zur Nutzung von Big Data-Tools

Unter den befragten deutschen Verlagen werden die Anwendungsmöglichkeiten von Big Data durchweg erkannt

Big Data-Tools sind bei Verlagen entlang der gesamten Wertschöpfungs-kette im Einsatz, am stärksten im Bereich der Content-Distri-bution, durchschnittlich am schwächsten im Bereich User Engagement

Trotz der relativ starken Ver-breitung von Big Data-Tools werden diese in deutschen Verlagen nur in durchschnitt-lich unter 25% aller mög-lichen Anwendungsfälle eingesetzt

Das Gros der Big Data- Anwendungen ist "rückwärts-gewand"; Predictive Analytics spielen bisher eine unter-geordnete Rolle in Verlagen

Big Data-Nutzung

Inhalte- erstellung

Content & Service Aggre-gation

Content Transfor-mation (Web, Mobile, Apps,

E-Edition)

Cross Platform Distri-bution

und Konsum

Content Monetari-sierung

User Engage-ment / Social Media

Relevante Big Data- Use Cases[1]

Ausschöp-fungsgrad möglicher Big Data-Use Cases je Wert-schöpfungs-stufe der befragten Verlage

# 4 # 5 # 3 # 4 # 6 # 3

25% 25% 40% 15% 20% 40%

Verlags- wertschöp- fungskette

7

[1] Stand: 2014

Quelle: goetzpartners Primärerhebung, n=15

Die diversen Big Data-Einsatzmöglichkeiten entlang

der Value Chain erfordern eine Priorisierung

Die Nutzung der durch Big Data gegebenen Möglich-keiten ist heute noch relativ gering und verteilt sich unterschiedlich stark auf die Schritte der Wertschöpfungskette

Das Big Data-Potenzial, gespiegelt am Einfluss auf die Unternehmensprofitabilität, steigt jedoch, getrieben durch die Digitalisierung und enorme Forschungsfortschritte in diesem Bereich, rasant an

Auf einen Blick

Big Data

Nutzung heute Potenzial in den nächsten 3 Jahren

Auswirkung

Reduktion von Zeitaufwand bei Recherche und Texter-stellung des Journalisten

Zeitlicher Vorsprung gegenüber Wettbewerbern

Reduktion des manuellen Aufwands

Signifikante Reichweiten-steigerung

Steigerung der Vertriebserlöse durch indivi-duelle Ansprache

Erhöhter Inhalte- konsum

= Big Data-Potenzial (Einfluss auf Profitabilität) innerhalb der nächsten 3 Jahre

Fallbeispiel 1[1]

Automatische Textkörper-vorschläge auf Basis von Algorithmen

Beispiel

Predictive Analytics zur Identifizierung von zukünftig aufkommenden Themen

Automatische Inhalte-anpassung an diverse Endgeräte

Konsequent targetierte Kampagnen-aussteuerung auf Basis von Nutzer- und Nutzungsdaten

Targetierung von "wert-vollen" Kunden im Rahmen von Up- und Cross-Selling- Kampagnen

Identifizierung der Social Multipliers (Meinungs-bildner) in Netzwerken

goetzpartners hat insgesamt über 25 relevante Anwendungs-beispiele von Big Data im Verlagsumfeld identifiziert

Fallbeispiel 2[1] Fallbeispiel 3[1]

8

Potenziale, Einsatzfelder und Auswirkungen von Big Data in Verlagen

[1] siehe Fallbeispiele auf den folgenden Seiten

Quelle: goetzpartners

Inhalte- erstellung

Content & Service Aggre-gation

Content Transfor-mation (Web, Mobile, Apps,

E-Edition)

Cross Platform Distri-

bution und Konsum

Content Monetari-sierung

User Engage-ment / Social Media

Verlags- wertschöp- fungskette

5. Live Performance-Tracking 4. Artikelgenerierung nach Nutzerrelevanz

3. ARTIKELPLATZIERUNG

Artikel Y

Fallbeispiel 1: Mit Big Data-Tools zu schnelleren und

besseren Newsroom-Entscheidungen

Anwendungsbeispiele für Big Data in der Online-Redaktion Effektivere Newsroom-Ent-scheidungen durch Big Data

WORLD ONLINE NEWS

A

B

C

D

E

2. BILDSELEKTION

Artikel X

1. ÜBERSCHRIFTENTEST

35%

Option 1: "2:0! Sieg für Deutschland"

vs. Option 2: "Deutschland nach Sieg weiter!" 57%

Klicks

B

C

C

B

011001010010100101010010101010010101010101100101101010101010101001101001100101001010011001010010100101010010101010010101010101100101101010101010101001101001100101001010010

Twitter

Face- book

Wettbewerber European News

Internet

Youtube Blogs

Thema 1

Thema 2

Thema 3

A

B

C

D

120 EUR/h

6 Tsd. Klicks/h

40 EUR/h

2 Tsd. Klicks/h

60 EUR/h

3 Tsd. Klicks/h

80 EUR/h

4 Tsd. Klicks/h

Anwendungsbeispiele

9

Aus der heutigen Flut an

Informationen Relevantes zu filtern und daraus Inhalte mit Mehrwert zu formen, kostet Zeit

Big Data-Tools können nicht die kreative Leistung von Journalisten ersetzen, ihnen wohl aber helfen, einige Entscheidungen schneller und zielgruppenspezifischer zu treffen

Big Data-Tools können Verlage bspw. dabei unterstützen: Aufkommende Themen

in Echtzeit zu erkennen Automatisch die thema-

tische und inhaltliche Positionierung der Wett- bewerber zu beobachten

Artikel live zu optimieren (z.B. Bilder, Überschriften, Websiteplatzierung)

Die Vermarktung der Inhalte durch zeitgenaues Performance-Tracking oder User-basierte Banner-selektion zu optimieren

Quellen: Visual Revenue; MIT Technology Review, goetzpartners

65%

vs.

52%

Klicks

44%

vs.

33%

Klicks Option 1:

Option 2:

Relevanz von Themen

Option 1:

Option 2:

Fallbeispiel 2: Durch kombinierten Analytics-Tool-

einsatz zur signifikanten Reichweitensteigerung

Der von den meisten Verlagen praktizierte Einsatz von weiteren Web Analytics-Tools neben Google Analytics ist eine wesentliche Grundlage zur Steigerung erzielbarer Reichweiten

Durch den zusätzlichen und konzertierten Einsatz von Mobile- und Social Media- Analytics sowie Multi-Device Tracking Tools können Verlage ihre Reichweiten, den Kundenwert und somit die Monetarisierungschancen signifikant steigern

Neben der Orchestrierung der Tools ist die Echtzeit-Einbindung externer Reich-weitenpartner (z.B. Affiliate-Netzwerke, Real Time Bidding-Plattformen) auf Basis der gewonnen Daten-erkenntnisse für die Monetari-sierung relevant

Empfehlung

User & Usage Analytics-Tools

Web Analytics

Mobile Analytics

Multi-Device Tracking

Social Media Analytics

Sammeln und Auswer-tung von Nutzerverhal-ten auf stationären Webseiten (Woher? Was? Wie häufig?)

Sammeln und Auswer-tung von Nutzerverhal-ten auf mobilen Webseiten & Apps (Woher? Was? Wie oft? Welche Endgeräte?)

Messung, Analyse, Interpretation von Nutzerinteraktion und Verbindungen zwischen Peers, Themen und Ideen/Anregungen

Eindeutiges Tracking einzelner Nutzer und deren Verhalten über unterschiedliche Endgeräte hinweg

Nutzerstimmungen über unzählige Online-Quellen hinweg erkennen und targetieren

Optimierung der Webseite, des Traffics und der Onsite-Conversion Rates, besseres Targeting

Optimierung der mobilen Website/App, des Traffics und der In-App Conversion Rates, besseres Targeting

Weitere Optimierung der Targetierungsmöglich-keiten einzelner Nutzer

10

Web-, Mobile-, Social Media- und Multi-Device-Tracking im Zusammenspiel

Quelle: goetzpartners

Fallbeispiel 3: Up- und Cross-Selling-Potenziale

durch den Einsatz von Predictive Analytics-Tools

Wissen, was der Kunde tut, bevor er es tut. Big Data-gestützte Prognose-methoden ermöglichen fundierte Entscheidungen in Echtzeit und eröffnen ein erhebliches Up- und Cross-Selling-Potenzial

Die Bestandskundenbasis bietet große Umsatz- steigerungspotenziale

Predictive Analytics-Tools können Verlage dabei unter-stützen, diese Potenziale gezielt zu adressieren

Dabei werden große Daten-mengen verwendet, um Up- und Cross-Selling-Maßnahmen kundenindividuell zu gestalten und gezielt umzusetzen

Verlage können die bereits vorhandenen Kunden- und Nutzerdaten gewinnbringend einsetzen

Mit exakten Prognosen können kundenspezifische Kampagnen in Echtzeit geschaltet werden

Signifikante Steigerungen in der Conversion Rate führen zu steigenden Umsätzen

Auf einen Blick

Daten analysieren

Profile erstellen

Verhalten modellieren

Maßnahmen ableiten und umsetzen

Kaufverhalten

Kündigungsverh.

Selektion und Analyse histori-scher und aktueller Kunden-/ Nutzerdaten mit Big Data-Tools

Erstellung individueller Kunden-/ Nutzerprofile anhand speziell definierter Kriterien

Prognose von Kundenverhalten zur Einschätzung von Kaufabsicht sowie Kündi-gungsrisiko

Gezielte Auswahl spezifischer Maßnahmen und Produktvorschläge anhand prognostizierter Erfolgswahrscheinlichkeiten je Kunde bzw. Nutzer

CRM

Erfolg visualisieren

Erfolgstracking der einzelnen Maßnahmen in Echtzeit sowie visuelle Dar-stellung

Profil Maßnahme

11

Interaktionshistorie Beschwerden Zahlungsmethoden Nutzungsprofil … Vertragsdaten Laufzeit Typ … …

Beispielszenarien für Maßnahmenbewertung

A) Kunden mit gleichen soziodemographischen Merkmalen kaufen zu 77% Produkt "XYZ"

B) Nutzer mit gleicher Click-Through- Historie abonnieren zu 53% Zusatzservice "ABC"

C) Nutzer mit gleichem Medieninteresse kündigen Probeabo "123" nur zu 32%

Kern-produkte

Bezahlart

Kompo-nenten

Daypass Monatsabo Jahresabo

Print Web/Deskt. ePaper@ App

Info-Service/Research

EventsCDs/DVDs

Wein Kunst

Bücher &Editionen

eBooks StudienMedien-produkte

eLearn-ing

eEventsDossiers,Guides &Specials

Neue digitalePlatt-

formen

Quelle: goetzpartners

Durch konsequenten Big Data-Einsatz zu

erfolgreicherem Digitalgeschäft

Verlage, die konsequent Big Data-Technologien zu Prozessverbesserungen und Portfolioerweiterung nutzen, haben einen höheren Digital-Umsatzanteil.

Insbesondere Fachverlage, die einen Großteil ihres Geschäfts auf datengetriebene Produkte/ Geschäftsmodelle verlagert haben, erzielen die höchsten Renditen in der Branche.

Weitere Merkmale, die Big Data einsetzende Verlage von anderen unterscheiden, sind:

Konsolidierte, unternehmens-weite Datensammlung und -speicherung

Signifikante Investitionen in Big Data-Tools

CIO auf Board-Level

Chief Data Scientist orchestriert Daten-Teams für diverse Use Cases

Aktive Digital-Transformation

Mit Big Data zu erfolg-reicherem Digitalgeschäft

Anteil des Digitalgeschäfts am Gesamtumsatz (in %)

EB

ITD

A-M

arg

e in

%

"Big Data-Leader" im Fachinformationsumfeld mit eigenen, innova-tiven und erfolgreichen Big Data-Produkten

"Big Data-Leader" im Zeitungsumfeld, die Big Data-Tools zur Prozess-verbesserung und Monetarisierung konsequent einsetzen

NYT gehört zweifelsohne zu den Big Data Leadern, hat den Transformations-prozess aber später eingeleitet

12

Digitalumsatz und EBITDA-Marge ausgewählter Verlage

Quelle: goetzpartners, Unternehmensangaben = Umsatz in MEUR 2013

3.786

2.070

264

1.880

879

9.197

3.565

7.121

2.801

1.156

844

396

0 25 50 75 100

40

- 20

20

10

30

0

Axel Springer

Gannett

Thomson Reuters Wolters Kluwer

Reed Elsevier

G+J

564

Financial Times Group

1.812

Schibsted

Guardian Media Group

NY Times

Ringier

Tamedia

NZZ

Holtzbrinck

Auf dem Weg zur "Big Data Company" – Welche

Meilensteine Verlage ins Visier nehmen sollten

Big Data-Anwendungen sollten schrittweise, aber konsequent im Verlag eingeführt werden

Big Data und die daraus

entstandenen Möglichkeiten werden die Verlagsbranche nachhaltig verändern

Tools werden die Publisher zunehmend in allen Bereichen unterstützen und ggfs. lang-fristig auch einen Teil der journalistischen Arbeit übernehmen

Für die Organisation bedeutet dies, dass zunächst mit dem Aufbau von Big Data-Teams, (Data Scientists) begonnen werden muss. Die Zahl dieser datengetrieben arbeitenden Personen wird stark ansteigen

Die Konzentration auf Umsätze mit Inhalten und Werbung wird langfristig nicht erfolgreich sein, sondern es müssen neue Erlösquellen erschlossen werden

Handlungsempfehlungen –Meilensteine

Jetzt 1-2 Jahre 3-5 Jahre >5 Jahre

Portfolio- erweiterung

Organisation/ Management

Tool-Unter-stützung

Big

Data

Han

dlu

ng

sfe

lder

Einsatz von ersten Data Scientists

Erstellung Big Data-Roadmap/ Use Case-Definition

Intensivierung des Web Analytics-Ein-satzes und in Richtung Mobile & Social Media- Analytics

Personalisierung Targeting

Verstärkter Einsatz von Predictive Analytics-Tools

Fokusbereiche: Vertrieb (Up/ Cross-Selling) und Redaktion

Verzahnung aller im Unternehmen eingesetzten Daten und Tools

Ausbau einzelner Daten-Teams für die wichtigsten Anwendungs-felder

Erste datenge-triebene Produkt-erweiterungen, z.B. zur Anreiche-rung von Paywall Angeboten

Interactive Story-telling

Anzahl an Software- Ingenieuren über-steigt Anzahl an Journalisten

>50% der Verlagsmitarbei-ter arbeiten mit statistischen Pro-grammen/Tools

Eigenständige "Daten-Produkte" (z.B. automatisch kompilierte Dossiers, Workflow Solutions)

Eigenständiges Geschäftsfeld "Data driven Products/ Services" mit Umsatzanteil >15-20%

Verlage erwirt-schaften einen Großteil der Umsätze mit Pro-dukten außerhalb ihres ehemaligen Kerngeschäfts

Weitgehend alle Wertschöpfungs-stufen mit Big Data-Tools unterfüttert

Anzahl der Anwendungsfälle je Stufe deutlich gestiegen

13

Big Data-Vorgehensmodell: Die Konzeptionsphase

entscheidet über den Erfolg und die Nachhaltigkeit

Der Erfolg und die Nachhaltig-

keit des Big Data-Einsatzes hängt entscheidend von der Konzeptionsphase ab

Die isolierte Einführung von Big Data in einzelnen Verlags-bereichen führt zu einer suboptimalen Nutzung der vorhandenen Potenziale

Vor dem unternehmensweiten Rollout sollten Verlage über ein Big Data-Pilotprojekt Machbarkeit überprüfen

goetzpartners hat diverse Verlage bei der Big Data- Einführung begleitet

Gerne stehen wir Ihnen für ein Gespräch zur Verfügung, um die Big Data-Potenziale in Ihrem Verlag auszuloten

Handlungsempfehlungen - Vorgehen

Aktuelle Daten- und System-landschaft

2

6

7

Konzeptionsphase (Kernkompetenz goetzpartners)

Umsetzungsbegleitung

Evaluierung von Big Data- Potenzialen und Entwicklung einer Big Data-Roadmap

Neuorganisation und Aufbau von Big Data-Kompetenzen;

Einleiten von "Change"

Feinkonzeption für priorisierte Big Data-Anwendungsbereiche

im Verlag

Tool-/Anbieter-Auswahl, Implementierung und Inte-gration in Systemlandschaft

5

Datenkonsolidierung, Migra-tion und Einführung/Einsatz

der Big Data-Tools

t

Big Data Reifegrad

Umsetzung eines Big Data- Pilotprojekts (Machbarkeit und Überzeugungsarbeit)

4

14

Roadmap für die Big Data-Einführung

Quelle: goetzpartners

1

3

Über goetzpartners

Beratung für Strategie, M&A und Transformation

250 Berater

Büros: München, Düsseldorf, Frankfurt, London, Madrid, Mailand, Moskau, Paris, Prag, Zürich, Peking und Shanghai

Branchenfokus:

TMT

Energy

Industrials & Automotive

Healthcare

Financial Institutions

Retail & FMCG

15

Daten & Fakten

goetzpartners steht für unabhängige Beratung entlang der Kernfragen unternehmerischen Handelns: Strategie, M&A und Transformation. Kunden erzielen durch diesen einzigartigen Ansatz messbar mehr Erfolg. Dabei unterstützen inter-national 250 Berater in 12 Büros und 9 Ländern.

Das Unternehmen zählt zu den 10 größten deutschen Beratungsunternehmen (Lünendonk®). Bei "Best of Consulting 2014" belegte goetzpartners einen 1. Platz in der Kategorie "Project Excellence".

Disclaimer

Diese Publikation ist urheberrechtlich geschützt. Die Vervielfältigung, der Verleih sowie jede sonstige Form der Verbreitung oder Veröffentlichung, auch auszugsweise, bedürfen der Zustimmung von goetzpartners. Die eigenen Analysen und Annahmen für diese Publikation wurden nach bestem Wissen und Gewissen angefertigt. Für die Richtigkeit und Vollständigkeit der Analysen und Annahmen übernimmt goetzpartners keinerlei Gewähr. Es liegt in der Natur der Sache, dass die vorliegende Publikation nicht die Umstände des jeweiligen Einzelfalls berücksichtigt. Sie kann daher weder die individuelle fachkundige Beratung noch die eigene ausführliche Recherche des Dritten ersetzen.

goetzpartners

Prinzregentenstr. 56

80538 München

T +49 – 89 – 29 07 25 – 0

www.goetzpartners.com

Dr. Alexander Henschel

Managing Director

henschel@goetzpartners.com

Marc Ziegler

Head of Digital Business

ziegler@goetzpartners.com

München l Düsseldorf l Frankfurt l London l Madrid l Mailand | Moskau l Paris l Prag l Zürich | Peking | Shanghai