Case

Was machen wir mit der Datenflut?

2,3 Tsd. mal gelöst
4.2 5 105

Problemdefinition

Dein Kunde ist ein großer Automobilkonzern. Dieser erhält eine große Menge an Daten von den verkauften Autos. Er möchte von Dir wissen, welche Möglichkeiten er hat, diese Daten zu monetarisieren.


Kommentare

In diesem Case soll sich der Kandidat verschiedene Handlungsmaßnahmen für den Kunden überlegen und gegeneinander abwägen, sowie den Wert einer vorgegebenen Möglichkeit berechnen.


Kurzlösung (Ausklappen)


Detaillierte Lösung

Grüne Abschnitte bedeuten, dass Diagramme in dem Bereich „Case Exhibits“ geteilt werden können.

Blaue Abschnitte bedeuten, dass die Informationen dem Interviewten erzählt werden dürfen.

Orangene Abschnitte geben Vorschläge, wie der Interviewte durch den Case geführt werden kann.

I. Informationen

Informationen, die dem Kandidaten auf Nachfrage erzählt werden können:
  • Die Daten decken ein breites Spektrum ab, z.B. Temperatur im Wagen, gespielte Musik, Anzahl der Personen im Wagen, Position des Wagens, technische Daten (Zustand des Motors, Tanks, etc.), usw.
  • Der Kunde ist einer der größten internationalen Automobilkonzerne.

II. Potential der Daten

Frage den Kandidaten: "Welche Möglichkeiten fallen Dir ein, die Daten, welche der Kunde erhält, zu nutzen und in welcher Weise kannst Du diese Möglichkeiten strukturieren?"

Der Kandidat sollte eine logische Struktur bzw. Einordnung für seine Ideen zeigen. Die Ideen sollten zudem aus unterschiedlichen Bereichen kommen.

Eine mögliche Strukturierung der Antwort ist die Aufteilung in kundenorientierte und unternehmensorientierte Maßnahmen.

Kundenorientierte Maßnahmen

  • Verkehrsdaten aus den Daten extrahieren und an die Kunden melden (vgl. Staumeldungen)
  • Sicherheitshinweise über den Wagen (Zustand der technischen Teile) den Kunden übermitteln
  • Warnung für nötige Reparaturen den Kunden vermitteln
  • etc.

Unternehmensorientierte Maßnahmen

Die unternehmensorientierten Maßnahmen können noch in unternehmensintern und -extern aufgeteilt werden.

Intern:

  • Analyse der Wagennutzung für zukünftige Anpassung der Produkte an die Wünsche der Kunden
  • Analyse der technischen Daten zur technischen Optimierung der Produkte
  • etc.

Extern:

  • Übermittlung der Verkehrsdaten an Dritte
  • Verkauf von "Gewohnheitsdaten" wie Musikpräferenzen an z.B. Streamingdienste
  • etc.

III. Auswahl einer Maßnahme

In zwei Tagen ist ein weiteres Treffen mit dem Kunden angedacht. Da Du daran interessiert bist, dem Kunden ein Projekt zu verkaufen, möchtest Du diesem das Potential der Datennutzung aufzeigen.

Frage den Kandidaten: "Welche Nutzungsmöglichkeit würdest Du auf Profitabilität prüfen und weshalb?"

Die Begründung des Kandidaten für seine Wahl sollte verschiedene Aspekte miteinbeziehen. Die Möglichkeit sollte:

  • quantifizierbar sein (Werte wie z.B. zusätzlicher Umsatz oder Gewinn sollten klar in Zahlen ausdrückbar sein)
  • innerhalb der zwei Tage bis zum Treffen analysierbar sein, da ein Ergebnis vorliegen soll
  • Potential für Profitabilität aufweisen
  • mehr Profitabilität als die anderen Möglichkeiten erkennen lassen

IV. Bestimmung des Wertes von predictive maintenance

Was ist Predictive Maintenance?

  • Viele Komponenten der Autos sind Verschleißteile und müssen nach einiger Zeit ausgetauscht werden.
  • Predictive maintenance bedeutet, dass die Daten genutzt werden, um dem Benutzer mitzuteilen, wenn bestimmte Teile vorzeitig gewechselt werden müssen.
  • Beispiel: Ein Teil, welches eigentlich nur alle 5 Jahre ausgetauscht werden muss, zeigt nach einem Jahr bereits starke Verschleißerscheinungen. Dies bemerkt der Wagen anhand der Daten. Daraufhin teilt der Wagen dem Benutzer dies mit und empfiehlt ihm, die nächste Vertragswerkstatt unseres Kunden aufzusuchen, um das Teil auszuwechseln und so größeren Schaden zu verhindern.

Frage den Kandidaten: "Welchen Wert hat die Einführung von predictive maintenance? Baue Dir dafür zuerst eine Struktur, mit welcher Du an die Fragestellung herangehen möchtest. Fokussiere Deine Analyse auf ein bestimmtes Bauteil mit den folgenden Merkmalen."

Informationen zu der betrachteten Komponente
  • Diese bestimmte Komponente wird in der Regel (bei 90% der Wägen) alle 4 Jahre ausgetauscht. Beim Rest fällt die Komponente vorher aus.
  • Die Komponente kann von Vertragspartnern oder auf dem "grauen Markt" (von anderen Werkstätten) ausgewechselt werden.

An dieser Stelle sollte der Kandidat auf jeden Fall Fragen stellen, um mehr Informationen über den Sachverhalt zu erhalten, da die bisher gegebenen Informationen nicht reichen, um das Problem zu lösen.

Informationen, die dem Kandidaten auf Nachfrage gegeben werden können:
  • Der Kunde sieht keine Möglichkeit seinen Marktanteil bei den "gewöhnlich" nach 4 Jahren ausfallenden Komponenten zu steigern, daher beschränkt sich die Zielgruppe für eine potentielle Marktanteilssteigerung auf die früher ausfallenden (vor Ablauf der 4 Jahre) Komponenten.
  • Der Kunde sieht Potential in der früher ausfallenden Gruppe. Zusätzlich kann das Vertrauen der Nutzer in unseren Kunden verstärkt werden.
  • Der Marktanteil der Vertragspartner für den Wechsel der Komponente bei der früher ausfallenden Gruppe beträgt momentan 50%. Unser Kunde prognostiziert eine Steigerung auf 70% durch die Einführung der predictive maintenance.
  • Der Kunde bekommt keinen Gewinn, wenn die Komponente von Nicht-Vertragspartnern ausgewechselt wird.

Der Kandidat soll im Folgenden den zusätzlichen Gewinn durch die Einführung des predictive maintenance berechnen. Daher sollte der Kandidat an dieser Stelle erfragt haben, was der Kunde mit "Wert" meint. Falls dies nicht geschehen sein sollte, weise den Kandidaten auf die fehlende Definition hin.

Informationen, die auf Nachfrage gegeben werden können:

  • Stückpreis der Komponente: 800 €
  • Materialkosten der Komponente: 250 €
  • Herstellungskosten der Komponente: 50 €
  • Insgesamt werden jährlich 2.000.000 Stücke der Komponente ausgetauscht
  • Die Investition für die Einführung wird nicht miteinbezogen, sondern es wird angenommen, dass die Software bereits vorhanden ist

Der Kandidat sollte eine Struktur aufbauen, mit welcher der zusätzliche Gewinn durch die Einführung der predictive maintenance für die eine Komponente berechnet werden kann.

Gewinn = Umsatz - Kosten oder Gewinn = Anzahl * Gewinn pro Stück

(In diesem Fall ist Gewinn pro Stück = Deckungsbeitrag pro Stück, da keine Fixkosten vorliegen)

Hier wird mit der zweite Variante gerechnet.

Der Gewinn pro Komponente beträgt:

Gewinn = Umsatz - Kosten

Umsatz = Preis * 1 = 800 €

Kosten = Materialkosten + Herstellungskosten = 250 € + 50 € = 300 €

=> Gewinn = 500 €

Der Gesamtgewinn wird berechnet mit:

Gesamtgewinn = Anzahl der Komponenten * Gewinn pro Komponente

Da nur nach dem zusätzlichen Gewinn gefragt wurde, wird auch nur die zusätzliche Anzahl an Komponenten in den Gewinn gerechnet, die durch die Einführung des predictive maintenance bei den früher ausfallenden Komponenten zu den Vertragspartnern gehen anstatt zu anderen Werkstätten.

Die Anzahl der zusätzlich von Vertragspartnern ausgewechselten früher ausgefallenen Komponenten beträgt:

Anzahl zusätzlicher Komponente
= Anzahl bei 70% Marktanteil - Anzahl bei 50% Marktanteil
= Gesamtzahl der gewechselten Komponenten * %-Anteil der früher ausfallenden Komponenten * (%-Anteil der zu Vertragspartnern gehenden Nutzern nachher - %-Anteil der zu Vertragspartnern gehenden Nutzern vorher)
= 2.000.000 * 10% * (70% - 50%)
= 2.000.000 * 0,1 * 0,2
= 40.000

Somit beträgt der gesamte zusätzliche Gewinn:

zusätzlicher Gewinn = Anzahl der Komponenten * Gewinn pro Komponente = 40.000 * 500 € = 20.000.000 €


Schwierige Fragen

Welche Risiken siehst Du bei der Einführung von predictive maintenance?

Verwandte BootCamp-Artikel

Profitability Case

Learn to crack Profitability Framework Consulting Cases, which are the number 1 reason for real consulting projects and hence are an important case type.

4.2 (105 Bewertungen)
4.2 5 105
Case-Exhibits

Es gibt noch keine Case-Exhibits