Muster typ vorbild

Die zweite Iteration folgte einem konzeptionell-empirischen Ansatz (Nickerson et al. 2013), um die Cluster qualitativ zu analysieren und zu validieren. Eine qualitative Analyse ist notwendig, da eine Clusteranalyse die verschiedenen Abstraktionsebenen von BMPs nicht erkennen kann. Darüber hinaus validieren wir die Cluster qualitativ. Abbildung 2 fasst den Entwicklungsprozess zusammen. Es zeigt die Mengen an BMPs in jedem Cluster (1. Iteration) oder Unterstruktur (2. Iteration) und enthält Anfangsnamen für Cluster (1. Iteration).

Zwei Forscher untersuchten alle BMPs in einem Cluster, um Verallgemeinerungen (Schritt 4c) und Spezialisierungen (Schritt 5c) zu erkennen und die Taxonomie kontinuierlich zu überarbeiten (Schritt 6c). BMPs mit einem höheren Abstraktionsgrad wurden zu übergeordneten BMPs. Wenn es keinen BMP auf hoher Ebene gab, der den Schnittpunkt von Low-Level-Eigenschaften abdeckt, haben wir einen neuen BMP erstellt. Wir teilen auch Cluster auf hoher Ebene auf, indem wir auf Clustern auf niedrigerer Ebene aufbauen, die zu 27 und 51 Clustern aus der Analyse geführt haben. Beispielsweise hat der Wertversprechen-Cluster aus der ersten Iteration 70 Elemente (siehe Abb. 2). So nutzten wir die Low-Level-Cluster innerhalb des Value Proposition Clusters, um BMPs weiter zu differenzieren. Untergeordnete Cluster unterstützten die Trennung zwischen Zahlungs-/Preismodellen, Umsatzströmen, Zielkunden, Wertversprechen und Entwicklungsprozessen. Andere Cluster könnten nahezu ohne Änderungen für die hierarchische Struktur verwendet werden (d. h.

Händlermodell, mehrseitige Plattformen und Wertnetzwerk). Zum Aufteilen und Zusammenführen von Clustern und zum Erstellen der hierarchischen Ebenen haben wir aus der ersten Iteration, die aus der Analyse mit 27 und 51 Clustern resultierte, in hohem Maße auf untergeordneten Clustern aufgebaut. Schließlich umfasste die Klassifizierungsstruktur hierarchische Beziehungen und alle Endbedingungen waren erfüllt (Schritt 7). Alle decken die folgenden Elemente ab, um eine BM-Instanz zu charakterisieren: Wertversprechen, Wertabgabe, Wertschöpfung und Werterfassung. Darüber hinaus gibt es BM-Frameworks, die sich nicht direkt mit wertbasierten Elementen, sondern mit spezifischen Aspekten befassen. Das casual Loop-Diagramm (Casadesus-Masanell und Ricart 2010; Casadesus-Masanell und Ricart 2011) als logikorientiertes BM-Framework verwendet Entscheidungen und Konsequenzen, um BM-Instanzen zu beschreiben und hebt deren Verstärkungszyklen hervor. Das matrixförmige BM-Framework nach Weill et al. (2005) konzentriert sich auf vier BM-Archetypen (d.h. Schöpfer, Distributor, Vermieter und Makler) und die Art des betreffenden Vermögens (z.B. finanzielle, physische, immaterielle und menschliche) (Weill et al. 2011). IBM-Geschäftsmodell (Chesbrough 2010; Pohle et al.

2005) illustriert die Kategorie der spezialisierungsorientierten BM-Frameworks. Sie umfasst eine Rechenschaftsebene (d. h. direkte, steuern und ausführende Ebene) und deckt keine Dimension der direkten Werterfassung ab. Neben spezialisierten BM-Frameworks gibt es auch BM-Frameworks, die auf einen spezifischen Kontext zugeschnitten sind: digitale BMs (Bock und Wiener 2017), Big Data (Hartmann et al. 2016), FinTechs (Eickhoff et al. 2017), Carsharing (Remané et al. 2016), Plattform BMs (Täuscher und Laudien 2018) oder nachhaltige BMs (Upward und Jones 2016). Die große Anzahl an Rahmen und ihre Unterschiede unterstreichen die Mehrdeutigkeit des Konzepts von BMs. Zentrales Argument Das zentrale Argument von Bloklands Dissertation ist, dass die harmonischen und rhythmischen Regeln für Graphensysteme und später für Die Typografie und die damit verbundene Konditionierung, die die Grundlage für das „mythische Auge“ des Typdesigners (oder „der oberste Richter“, wie Pierre Simon Fournier es in seiner Manuel Typographique [1764–1766] nannte), immer relativ zu den angewandten Modellen sind.

Dieser Beitrag wurde unter Allgemein veröffentlicht. Setze ein Lesezeichen auf den Permalink.

Die Kommentarfunktion ist geschlossen.