Monetyzacja danych wykorzystuje dane generowane w wyniku operacji biznesowych, dostępne dane lub treści egzogeniczne, a także dane powiązane z poszczególnymi podmiotami, takie jak dane zebrane za pośrednictwem urządzeń elektronicznych i czujników uczestniczących w Internecie rzeczy. Wszechobecność Internetu rzeczy generuje, na przykład, dane lokalizacyjne i inne dane z czujników i urządzeń mobilnych w coraz szybszym tempie. Gdy dane te są zestawiane z tradycyjnymi bazami danych, wartość i użyteczność obu źródeł danych wzrasta, co prowadzi do ogromnego potencjału w zakresie wydobywania danych dla dobra społecznego, badań i odkryć oraz osiągania celów biznesowych. Ściśle związane z monetyzacją danych jest tworzenie nowych modeli danych jako usługa dla analiz finansowych i biznesu. Dojście do efektów czyli tworzenia nowych modeli danych, wymaga optymalizacji procesów obsługi Internetu rzeczy i analizy Business Intelligence. Zajmiemy się tym zagadnieniem w kontekście dwóch ważnych trendów w BI, tzn. demokratyzacja dostępu do danych i zarządzanie przepływem danych (Modern Data Stack).
Czym jest monetyzacja danych?
Monetyzacja danych jest uzyskiwaniem wymiernych korzyści ekonomicznych. Jest efektem, do którego zmierzają procesy wykorzystywania danych. Metody wewnętrzne lub pośrednie obejmują wykorzystywanie danych do wdrażania efektywnych ulepszeń wydajności biznesowej i skuteczności w podejmowaniu decyzji. Metody zewnętrzne lub bezpośrednie obejmują udostępnianie danych w celu uzyskania korzystnych warunków od partnerów biznesowych, wymianę informacji, bezpośrednią sprzedaż danych (za pośrednictwem brokera danych lub niezależnie) lub oferowanie produktów i usług informacyjnych (na przykład w tym informacje jako składnik wartości dodanej) istniejącej oferty). W skrócie, aby monetyzować dane skutecznie, czyli uzyskać jak największy zysk z danych na zasadzie ich wykorzystywani wewnętrznie w organizacji lub ich komercjalizacji. Należy się więc zastanowić jakie sposoby zarządzania danymi wspierają efektywność monetyzację danych.
Przeczytaj case study : Monetyzacja danych dla Property Group
Demokratyzacja dostępu do danych
Zwolennicy demokratyzacji danych przepowiadają, że pozwoli ona wyrównywać szanse w rywalizacji rynkowej między dużymi markami, a mniejszymi firmami. Szeroki dostęp do danych w organizacji ma umożliwić szybsze tworzenie nowych modeli biznesowych, w oparciu o weryfikowalne i aktualne dane, a nie w oparciu o intuicję. Przeciwnicy demokratyzacji danych widzą w niej zagrożenie anarchią i zagrożenie danych wrażliwych. Mimo to trend rozwija się. Badania MIT pokazują, że organizacje podejmujące decyzje biznesowe w oparciu o dane uzyskują wskaźnik produktywności wyższy o 4% i o 6% wyższe zyski.
Narzędzia umożliwiające dostęp do zautomatyzowanych procesów przygotowania i analizy są już stosowane na każdej linii biznesowej: optymalizacja produkcji, sprzedaż, łańcuch dostaw, logistyka, serwisy klienckie, HR, marketing, finanse i księgowość. Ponadto demokratyzacja to możliwość sięgania do danych z różnych działów jednocześnie! Nie ma przesady w stwierdzeniu, że współcześnie większość pracowników staje się analitykami. Faktem jest, że decyzje podejmowane w oparciu o dane odblokowują potencjał już nie tylko dużych przedsiębiorstw. Sieci restauracji z krajowych stają się globalnymi, dzięki systemowi informacji geograficznej (GIS). Badacze dochodzą do nowych metod leczenia nowotworów dzięki systemom wdrażanym w organizacjach trzeciego sektora (ONKO.SYS).
Niezależnie od swojego rozmiaru wiele organizacji jest blokowanych przez limity w przechowywaniu, analityce i data science, manualne czasochłonne procesy, nie wystarczająco zaangażowani pracownicy przez ich brak poczucia wpływu na zmiany w zarządzaniu. Holistyczne rozwiązania analityczne pozwalają na analitykę w czasie rzeczywistym dla całych zespołów.
Nowoczesny układ danych, Modern Data Stack
81% firm zgadza się, że dane powinny napędzać wszystkie procesy decyzyjne. Jednak 63% decydentów twierdzi, że nadal nie są w stanie uzyskać odpowiedzi, których potrzebują, w odpowiednim czasie (https://researchscape.com/). Nowoczesne narzędzia do integracji danych w połączeniu z platformami danych w chmurze rozwiązują pierwszą część tego celu – to jest przygotowanie danych do analizy i przekształcanie ich w użyteczny zasób. Jednakże firmy nie są jeszcze gotowe aby sprostać prawdziwej samoobsługowej analizie biznesowej i w konsekwencji nie podejmują decyzji w całej organizacji w oparciu o dane z trzech głównych powodów.
Analitykę da się „wrzucić” w silosy nawet podczas projektów między zespołowych. Jeden zespół wysyła żądanie do drugiego, a drugi bierze się do pracy i przekazuje informacje z powrotem. Zamiast tego najlepsze w swojej klasie zespoły w wiodących firmach, takich jak Showpad, tworzą i organizują kwartalne warsztaty, aby wspólnie zająć się rozwiązywaniem zagadnień. Łączenie zespołów marketingu, inżynierii i BI w celu wspólnego warsztatu projektów analitycznych pozwala im zadawać bardziej kreatywne pytania i szybciej znajdować odpowiedzi. Dopilnowanie, by zespoły od samego początku mówiły tym samym językiem, określając, jakie problemy biznesowe próbują rozwiązać i jakich danych używają, co pozwala wszystkim efektywniej wykonywać swoją pracę.
Nie wszystkie dane, które są ważne dla firmy, znajdują się na wykorzystywanych platformach. Informacje kontekstowe też mają znaczenie. Sprzedawca detaliczny może wypróbować różne miejsca docelowe określonego produktu w jednym miesiącu, a następnie przenieść go w następnym, aby sprawdzić, czy ma to wpływ na jego sprzedaż. Ale gdzie zostaje uchwycony ten eksperyment i jego wyniki? W głowie menedżera, a może w Excelu. Ale jak połączyć ten eksperyment i jego wyniki ze wszystkimi innymi źródłami danych?
W 2021 roku zobaczymy więcej firm włączających te trudne do uchwycenia źródła danych i kładąc je na stole decyzyjnym. W jaki sposób? Korzystając z nowoczesnego układu danych (Modern Data Stack), który nie tylko przetwarza dane z platform, ale także z dokumentów i programu Excel – łącząc tradycję z nowoczesnością.
Podsumowanie
W ciągu 2020 roku, wszędzie czytaliśmy o rozwoju sztucznej inteligencji (AI). Spodziewano się, że będzie to trend przyszłości, który rozwiąże wszystkie potrzeby analityczne, także wystarczy przekazać wszystkie swoje decyzje maszynom. Jednakże, dochodzenie do naprawdę istotnych wniosków biznesowych wymaga analizy danych w kontekście procesów, trendów rynkowych i celów firmy. Interpretacja danych przez pryzmat wiedzy i wcześniejszych doświadczeń ma również duży wpływ – a sztuczna inteligencja po prostu nie może tego zrobić. Kluczem do skutecznej monetyzacji danych wydaje się być włączenie technologii bazujących na przetwarzaniu danych dzięki AI, ale z ułatwieniem dostępu do tych danych w czasie rzeczywistym, w sposób demokratyczny w organizacji.
