SPECTRUM – APPLIED RESEARCH 116 / UdZ 01.23 Im gesamten Projektverlauf hat sich die Problematik der Ermittlung des intrinsischen Werts von Daten als nicht unerheblich ergeben, da dieser im Gegensatz zu physischen Vermögenswerten schlicht nicht vorhanden ist. Stattdessen definiert sich der Wert durch die Nutzung in betrieblichen Anwendungskontexten, in denen die betrachteten Daten, unter Berücksichtigung der gegebenen Datenqualität, genutzt werden. Ausgangspunkt für jedes Bewertungsvorgehen ist deshalb der Anwendungsfall, in dem die zu untersuchenden Datenobjekte genutzt werden. Im Ergebnis wurde eine Bewertungsmatrix erstellt, die Anwendern ein Rahmenwerk bietet, unternehmenseigene Datenbestände, unter Berücksichtigung der vorliegenden Datenqualität und des Verwertungskontextes, in dem sie aktuell oder zukünftig genutzt werden sollen, auf unterschiedliche Weise zu bewerten (s. Figure 1). Kriterienbasierte Datenbewertung: Einordnung und erstes Ranking datengetriebener Anwendungsfälle im Unternehmen Im ersten Schritt sollen die für die quantitative Bewertung zu priorisierenden Verwertungskontexte und darin involvierten Datenobjekte identifiziert und beschrieben werden. Kostenbasierte Datenbewertung: Quantifizierung der Kosten, die für die Durchführung des untersuchten Datenverwertungskontextes anfallen. Dies umfasst Kosten für den Aufbau der benötigten Infrastruktur, der Datenaufbereitung sowie -speicherung. Nutzenbasierte Datenbewertung: Ermittlung des datengetriebenen Nutzens und qualitätsabhängigen Potenzialen. Die Quantifizierung erfolgt mithilfe von Messmodellen, die von finanziellen Effekten abgeleitet werden, welche wiederum auf qualitativen Effekten basieren, die durch den datengetriebenen Anwendungsfall ausgelöst werden. Anschließende Verrechnung des zu erwartenden Nutzens mit den zuvor ermittelten Kosten. In the course of the project, the problem of determining the intrinsic value of data became readily apparent, as unlike physical assets, data do not possess any intrinsic value. Instead, the value is defined by its use in the context of its industrial application and by taking its quality into account. Therefore, the starting point for any valuation process is the use case in which the data objects under investigation are utilized. As a result of the project, an evaluation matrix was created that provides users with a framework for valuating corporate data sets in different ways, taking into account the existing data quality and the present and future context of utilization (see Figure 1). � Criteria-based data valuation: classification and initial ranking of data-driven use cases in the company. The first step is to identify and describe the utilization contexts to be prioritized for quantitative assessment and the data objects involved in them. � Cost-based data valuation: quantification of the costs incurred to implement the data utilization context under investigation.This includes costs for setting up the required infrastructure, data preparation, and data storage. � Benefit-based data valuation: Determination of the data-driven benefits and quality-dependent potential. Quantification is performed using measurement models derived from financial effects, which in turn are based on qualitative effects dependent on the data-driven use case. Subsequently a cost-benefit analysis is performed, based on the expected benefits and the previously determined costs. � Reporting-based data valuation: The company’s annual management report is to be expanded and further developed: In addition to the insights gained from the valuation activities, information on the digital maturity of Figure 1: 4-field matrix as a framework for intersubjective data valuation
RkJQdWJsaXNoZXIy NzcyMw==