En innovasjonsmetodikk for å identifisere og vurdere «Data-as-a-Service» konsepter
Master thesis
Submitted version
Permanent lenke
https://hdl.handle.net/11250/2660494Utgivelsesdato
2019Metadata
Vis full innførselSamlinger
- Master's theses (HH) [1130]
Sammendrag
Produksjonen av data vokser med en enorm eksponentiell vekst og data blir mer og mer vanlig som en handelsvare. I 2018 var topp fem av de største selskapene i verden, rangert etter markedsverdi, selskaper med data som et sentralt element i forretningsmodellen. Likevel opplever selskaper at de sitter på store mengder data uten å kapitalisere på muligheten for å selge dem. Det oppstår et behov for en strukturert innovasjonsmetodikk som kan gi indikasjoner på hvilke dataprodukter et selskap bør vurdere å realisere. Fra dette har studiet fått følgende problemstilling: Hvordan kan en metodikk se ut for at teknologiselskaper kan identifisere og vurdere nye Data-as-a-Service forretningskonsepter?
For å besvare problemstillingen har det blitt gjennomført to studier. Det første studiet består av ekspertintervjuer for å lære hvilke kravspesifikasjoner metodikken må ha. Det er deretter utviklet en prototype av metodikken basert på resultatene av studiet. Det andre studiet består av en testing av prototypen og validering av metodikkens resultater. Studiet ble gjennomført via to workshops med to ulike teknologiselskaper.
Studiet finner at metodikken kan basere seg på kvalitative spørsmål og faktorer som må vurderes i en ordnet rekkefølge. Metodikken består av to deler; del 1 er et idékart som frembringer potensielle dataprodukter; del 2 er et scoring-verktøy i Excel som rangerer dataproduktene etter gjennomførbarhet og muligheter.
Studiet finner at metodikkens hovedfunksjon oppleves som en metode for å strukturere tanker og ideer om til konkrete hypoteser som kan enkelt formidles og etterprøves. Resultatene anses som verdifulle ettersom selskapene får identifisert dataprodukter og gjort seg vurderinger av viktige faktorer. Metodikken gir derimot ikke konkrete estimater på hvilke omkostninger eller inntjeninger selskapet kan forvente av forretningskonseptet og det oppstår et behov for å etterprøve dette. Videre må det påpekes at utvalget i studie en og to består av selskaper som mer eller mindre har et fokus på IoT-data og at metodikkens design kan bære et preg av dette. Det er likevel ingen grunn til å anta at metodikken ikke kan benyttes i andre bransjer med andre datasett. The production of data grows with tremendous exponential growth and data is becoming more and more common as a commodity. In 2018, top five of the largest companies in the world, ranked by market value, were companies with data as a key element of the business model. Yet, companies find that they are not capitalizing on the opportunity to sell their data. A need arises for a structured innovation methodology that can give indications of which data products a company should consider. The research question for the study is: What must a methodology involve to help tech-companies identify and evaluate new Data-as-a-Service business concepts?
Two studies have been carried out to answer the research question. The first study consists of expert interviews to learn which requirements the methodology must have. A prototype of the methodology was then developed based on the results of the study. The second study consists of testing of the prototype and validation of the results of the methodology. The study was conducted through two workshops with two different technology companies. The study finds that the methodology can be based on qualitative questions and factors that must be considered consecutively. The methodology consists of two parts; part 1 is an Idea Map that produces potential data products; part 2 is a scoring tool in Excel that ranks the data products by feasibility and opportunities.
The study finds that the main function of the methodology is perceived as a method for structuring thoughts and ideas into concrete hypotheses that can be easily communicated and verified. The results are considered valuable because the companies are able to identify data products make considerations of important factors. The methodology, on the other hand, does not give concrete estimates of what costs or profits the company can expect from the business concept. There arises a need to verify this at a later stage. Furthermore, it must be pointed out that the companies in both study one and two, consists of companies that more or less have a focus on IoT data and that the design of the methodology can bear a mark of this. However, there is no reason to assume that the methodology cannot be used in other industries with other data sets.