Jak zarabiać na informacjach

Chcąc czerpać zyski z informacji, firmy muszą najpierw zadbać o stworzenie zasobów takich danych, które będzie można wielokrotnie wykorzystywać, a dzięki ich rekombinacji, nadawać im nową wartość.

Wykorzystywanie większej ilości danych w celu podejmowania lepszych decyzji jest czymś, o co globalne przedsiębiorstwa starają od lat, a wiele z nich dąży również do tego, by informacje traktować jako zasoby strategiczne. Jak jednak wykazują nowe badania przeprowadzone przez MIT Center for Information Systems Research (CISR) – firmy myślące poważnie o swojej przyszłości, mają większe ambicje związane z wykorzystaniem danych. Firmy te chcą zarabiać więcej na swoich zasobach informacyjnych, dzięki szeroko zakrojonemu ulepszaniu procesów. Dążą do tego, by działać lepiej, taniej i szybciej, wzbogacać produkty o funkcje analityczne oraz sprzedawać nowe, innowacyjne rozwiązania informatyczneIndeks górny .^.<a href=>Indeks górny [1^[1

Aby faktycznie móc zarabiać na danych, firmy muszą je najpierw przetworzyć tak, by możliwe było ich ponowne wykorzystanie i rekombinacja pozwalająca na tworzenie nowej wartości. Im prostsze powtórne użycie i ponowne scalenie informacji, tym wyższa jest ich płynność, którą definiujemy właśnie jako „łatwość ponownego wykorzystywania i rekombinacji zasobów danych”.

Przygotowywanie strategicznych zasobów danych do ponownego wykorzystania

Płynność danych powinna być czymś ciągłym, a nie stanem zero‑jedynkowym.Oznacza to, że dane powinny być gromadzone w taki sposób, by zawsze możliwa była ich konwersja. Co oznacza, że różne zbiory danych mogą mieć różną płynność. Dane w wielu firmach to informacje mające niską płynność — mogą być na przykład uwięzione w lokalnych narzędziach biznesowych, ograniczone przez zamknięte platformy lub rozrzucone po wielu lokalizacjach — mogą także być niedostępne dlatego, że są zwyczajnie niekompletne, niedokładne, lub błędnie sklasyfikowane czy zdefiniowane.

Często uwaga menedżerów skupia się na uwolnieniu danych i wykorzystaniu ich do nowych, konkretnych zastosowań, takich jak szacowanie liczby klientów, którzy zrezygnują z usług firmy lub wykrywanie przerw w łańcuchu dostaw. To dobra praktyka, ale strategicznie niezbyt istotna – inicjatywa dotycząca odchodzenia klientów lub łańcucha dostaw oczywiście przyniesie firmie nową wartość, ale przedsiębiorstwa, które nadal angażują się jedynie w liniowy cykl tworzenia wartości, ograniczają w ten sposób swój potencjał dochodowy.

Ciężki sprzęt, meble biurowe, nieruchomości, a nawet gotówka będą się z czasem zużywać lub wyczerpywać. Dane są inne: można je ponownie wykorzystywać i dowolnie łączyć bez ryzyka, że się zdegradują. Zasoby informacyjne powinny być płynne, ale choć dane są z natury wielokrotnego użytku i mogą być ponownie łączone, organizacja musi zadbać o uruchomienie procesów, które na to pozwolą.

Generowanie płynności wiąże się, oczywiście, z pewnym kosztem, firma musi więc świadomie wybierać zasoby danych do upłynnienia. Warto rozpocząć taką praktykę od strategicznych zasobów danych — informacji, które mają potencjał do tworzenia i pozyskiwania wartości w przyszłości. Tylko niektóre zasoby danych są zatem strategiczne. Takie aktywa mają niezliczone możliwości wykorzystania w całym przedsiębiorstwie – niektóre zastosowania są oczywiste, a inne dopiero pojawią się z czasem. Strategiczne zasoby danych obejmują zazwyczaj dane klientów, dane o zachowaniach w kanałach cyfrowych, dane produktów i inne, które informują o wynikach działalności i potrzebach klientów oraz są istotne w całym przedsiębiorstwie.

W celu przejścia od zwykłego korzystania z danych do tworzenia płynnych strategicznych zasobów, firmy muszą zdekontekstualizować dane uwalniając je od pierwotnego przeznaczenia i przygotować każdy zasób tak, by stał się dokładny, kompletny, aktualny, ustandaryzowany, możliwy do wyszukania i zrozumiały na przestrzeni całego przedsiębiorstwa. Proces ten może się wiązać z wdrażaniem praktyk, takich jak zarządzanie danymi podstawowymi, zarządzanie metadanymi, integracja danych, zarządzanie jakością danych oraz rozwój taksonomii czy ontologii. Wzięcie pod uwagę pięciu obszarów, w których można monetyzować dane, zidentyfikowanych przez  MIT CISR—  zasoby danych, platformy danych, nauka o danych, zrozumienie klientów i akceptowalne możliwości wykorzystania danych— może zwiększyć płynność danych.Indeks górny [2^[2

Budowanie wysoce płynnych strategicznych zasobów danych w Fidelity

Fidelity Investments, bostońska firma świadcząca usługi finansowe, dąży do posiadania wysoce płynnych strategicznych zasobów danych do użytku w całym przedsiębiorstwie w ramach wieloletniej inicjatywy rekonstrukcji platformy danych. Przedsiębiorstwo pracuje nad udoskonaleniem swoich możliwości monetyzacji danych poprzez najnowocześniejszą technologię, przemyślaną architekturę, jasne zakresy odpowiedzialności i koordynację lokalno‑globalną.

Fidelity zatrudnia ponad 47 000 pracowników i ma wiele jednostek biznesowych zajmujących się między innymi zarządzaniem aktywami, pośrednictwem detalicznym, usługami rozliczeniowymi i powierniczymi, usługami funduszy emerytalnych i ewidencją pracodawców oraz  rynkami kapitałowymi. W 2020 roku firma odnotowała rekordowe przychody w wysokości 21 miliardów dolarów. Przewodniczący działu architektury danych i technologii w przedsiębiorstwie – Mihir Shah – częściowo przypisuje ten sukces „połączeniom pomiędzy wszystkimi przedsięwzięciami Fidelity”.

W 2019 r. firma Fidelity zgrupowała podobne inicjatywy strategiczne w nadzorowane bezpośrednio przez kadrę wykonawczą „sąsiedztwa”.  Łączą one projekty o podobnej tematyce pomiędzy różnymi jednostkami biznesowymi. Spośród siedmiu sąsiedztw pięć jest zorientowanych na biznes — koncentruje się na przykład na pozyskiwaniu nowych klientów. Pozostałe dwa to aktywatory platform takich jak interfejsy API, dane i przetwarzanie w chmurze — obszary zainteresowania Shaha.

Jak wyjaśnił Shah: „Chcemy tworzyć długoterminowe zasoby danych w celu tworzenia wartości — nie tylko natychmiastowego, ale mając także na uwadze takie przypadki wykorzystania danych, które nie zostały jeszcze zidentyfikowane”. Kierując sąsiedztwem skoncentrowanym na danych, zainicjował czteroletni program, którego przeznaczeniem było włączenie ponad 100 magazynów danych i baz danych analitycznych do wspólnej platformy analitycznej. Głównym celem było zorganizowanie, wzbogacanie i nadzorowanie danych dotyczących priorytetowych obszarów tematycznych — takich jak klienci, pracownicy i inwestycyjne produkty ubezpieczeniowe — tak by powstały strategiczne zasoby danych, które są zintegrowane i łatwe do wykorzystania w całej firmie.

Fidelity najpierw wdrożyło szereg kluczowych struktur podstawowych:

·       Identyfikatory uniwersalne ze wspólną sygnaturą przypisaną do każdej głównej jednostki danych, która jest powszechnie stosowana w całej firmie, jak na przykład informacje o kliencie.

·       Profile pojedynczych klientów aby zapewnić 360‑stopniowy widok każdego z nich w celu uproszczenia zarządzania kontem we wszystkich kanałach interakcji.

·       Pojedyncza zaawansowana platforma analityczna na bazie chmury do przechowywania i udostępniania danych na dużą skalę.

·       Centralna taksonomia i katalog w celu uporządkowania wspólnej terminologii Fidelity i definicji ponad 3000 elementów danych firmy.

·       Zdecydowane działania zarządcze zapewniająca ścisłe egzekwowanie zasad z obszaru prywatności, prawa, umów i etyki.

Modelem operacyjnym wybranym dla nowej platformy był rynek wewnętrzny. Lokalni właściciele danych wnoszą wkład w strategiczne zasoby danych Fidelity, organizując informacje zgodnie z taksonomią przedsiębiorstwa, przy czym niepodlegająca negocjacjom zasada nakazuje, aby dane i definicje były spójne z centralnym katalogiem. Technologie centralnego repozytorium umożliwiają wyszukiwanie i katalogowanie w ramach całego przedsiębiorstwa. Dopóki przestrzegane są podstawowe zasady platformy, użytkownicy mogą pobierać dane z wielu źródeł, łączyć je i przebudowywać zgodnie z wymaganiami lokalnego obszaru biznesowego.

Platforma, zbudowana w oparciu o technologię chmury, umożliwia współużytkowanie, uzyskiwanie dostępu i stosowanie danych bez konieczności ich przenoszenia. Zamiast być przesyłane, dane są utrzymywane na miejscu, a platforma pozwala właścicielom danych kontrolować dostęp do nich. Gdy pracownicy potrzebują dostępu, inicjują prostą procedurę, która potwierdza, że ich dostęp jest autoryzowany - technologia zabezpieczeń umożliwia tokenizację pól danych, dzęki której staną się nieczytelne gdy wpadną w niepowołane ręce.  

W 2021 roku Fidelity jest już w zaawansowanej fazie realizacji programu. Co kwartał liderzy informują o przewidywanych wynikach generowania wartości. Niektóre sukcesy już się urzeczywistniają.  Eksperci w dziedzinie analityki danych spędzają więcej czasu na rozwiązywaniu problemów biznesowych i ich modelowaniu,niż na gromadzeniu i czyszczeniu danych. Udało się znacząco ( o 60‑80%) zmniejszyć trudność zbierania danych na potrzeby nowch projektów analitycznych.  . Usprawniono też proces

wzbogacania danych Fidelity o dane zewnętrzne. Co więcej, liderzy firmy zaczęli dostrzegać sposobności wykorzystania informacji, które nigdy wcześniej nie były możliwe i pracują nad takimi opcjami monetyzacji danych, które dodają wartości dla klientów, zwiększają przychody i podnoszą wydajność.

Rosnąca płynność danych w strategicznych inicjatywach cyfrowych

Analizując to, w jaki sposób firmy uzyskują przewagę konkurencyjną przy użyciu zasobów danych, badacze MIT CISR zidentyfikowali 73 inicjatywy strategiczne.Indeks górny [3^[3 Godnym uwagi odkryciem tej eksploracji był sposób, w jaki organizacje wykorzystują strategiczne inicjatywy cyfrowe do budowania płynności danych w spektakularny sposób, tak jak w przypadku działań związanych z rekonstrukcją platformy danych w Fidelity.

Na przykład francuska grupa bankowa BNP Paribas stworzyła własny system oceniania środowiska biznesowego, czynników społecznych i jakości zarządzania  (ESG), oparty na strategicznych zasobach danych ESG, w celu ilościowego określenia niefinansowych wyników firmy i porównania ich z wynikami konkurentów.Indeks górny [4^[4 BNP Paribas wykorzystuje teraz ESG w procesach podejmowania wielu decyzji inwestycyjnych.

Australijski Urząd Skarbowy korzysta z danych w inny sposób: stosując zaawansowaną analitykę do wstępnego wypełniania formularzy podatkowych i oceny przetwarzanych wniosków.Indeks górny [5^[5 Czerpiąc ze strategicznych zasobów danych stworzonych przez specjalny program o nazwie Smarter Data urząd poprawia swoje zdolności analityczne , Inicjatywa ta wspiera postępy urzędu w realizacji misji polegającej na polepszeniu doświadczeń obywateli, w kontakcie z urzędem

Firma Pegasystems (Pega) wykorzystała jeden ze swoich produktów B2C – narzędzie bazujące na sztucznej inteligencji-  do uproszczenia i i usprawnienia interakcji z klientami B2B.[6 Model AI opiera się na strategicznych zasobach danych dotyczących kontaktów Pega, aby automatycznie dostarczać istotne treści potencjalnym klientom podczas gdy przechodzą oni przez firmowy cykl sprzedaży.

Piękno każdej ze strategicznych inicjatyw cyfrowych tych organizacji nie polega na pojedynczym wykorzystaniu danych, ale na powtarzającym się ponownym użytkowaniu i rekombinacji starannie dobranych strategicznych zasobów danych. Przekształcając się w podmioty gotowe na wyzwania jakie niesie przyszłość, firmy muszą postrzegać swoje strategiczne inicjatywy cyfrowe nie tylko jako sposoby wykorzystania cyfrowych możliwości, ale także jako możliwości przekształcania dostępnych informacji w wysoce płynne, strategiczne zasoby. Jak blisko rosnącej wykładniczo monetyzacji danych jest Twoja organizacja?

PRZYPISY

Indeks górny 1. Firmy mogą generować korzyści ekonomiczne ze swoich danych poprzez ich ulepszanie, pakowanie i sprzedaż – jak opisano w:  B.H. Wixom, “[Data Monetization: Generating Financial Returns From Data and Analytics — Summary of Survey Findings](http://Data Monetization: Generating Financial Returns From Data and Analytics -- Summary of Survey Findings)”, s. 437, MIT CISR, Cambridge, Massachusetts, 19‑04‑2019, https://cisr.mit.edu. Indeks górny koniec^{1. Firmy mogą generować korzyści ekonomiczne ze swoich danych poprzez ich ulepszanie, pakowanie i sprzedaż – jak opisano w:  B.H. Wixom, “[Data Monetization: Generating Financial Returns From Data and Analytics — Summary of Survey Findings](http://Data Monetization: Generating Financial Returns From Data and Analytics -- Summary of Survey Findings)”, s. 437, MIT CISR, Cambridge, Massachusetts, 19‑04‑2019, https://cisr.mit.edu.}

Indeks górny 2. Opisujemy 5 możliwości monetyzacji danych w: B.H. Wixom and K. Farrell,  “Building Data Monetization Capabilities That Pay Off”, s. 437, MIT CISR, Cambridge, Massachusetts, 19‑04‑2019, https://cisr.mit.edu. Indeks górny koniec^{2. Opisujemy 5 możliwości monetyzacji danych w: B.H. Wixom and K. Farrell,  “Building Data Monetization Capabilities That Pay Off”, s. 437, MIT CISR, Cambridge, Massachusetts, 19‑04‑2019, https://cisr.mit.edu.}

Indeks górny 2. Opisujemy 5 możliwości monetyzacji danych w: B.H. Wixom and K. Farrell,  “Building Data Monetization Capabilities That Pay Off Indeks górny koniec^{2. Opisujemy 5 możliwości monetyzacji danych w: B.H. Wixom and K. Farrell,  “Building Data Monetization Capabilities That Pay Off}Indeks górny „, research briefing XIX‑11, MIT CISR, Cambridge, Massachusetts, 21‑11‑2019, https://cisr.mit.edu. Indeks górny koniec^{„, research briefing XIX‑11, MIT CISR, Cambridge, Massachusetts, 21‑11‑2019, https://cisr.mit.edu.}

Indeks górny 3. W roku 2020 badacze i współpracownicy MIT CISR przeprowadzili 73 wywiady z liderami do spraw danych i analityki organizacji członkowskich MIT CISR by zrozumieć nowo powstające strategiczne inicjatywy cyfrowe związane z danymi. Indeks górny koniec^{3. W roku 2020 badacze i współpracownicy MIT CISR przeprowadzili 73 wywiady z liderami do spraw danych i analityki organizacji członkowskich MIT CISR by zrozumieć nowo powstające strategiczne inicjatywy cyfrowe związane z danymi.}

Indeks górny 4. “ESG Scoring Framework”, BNP Paribas Asset Management, stan z 22‑07‑2021, www.bnpparibas‑am.com. Indeks górny koniec^{4. “ESG Scoring Framework”, BNP Paribas Asset Management, stan z 22‑07‑2021, www.bnpparibas‑am.com.}

Indeks górny 5. I.A. Someh, B.H. Wixom, R.W. Gregory, “The Australian Taxation Office: Creating Value With Advanced Analytics”, s. 447, MIT CISR, Cambridge, Massachusetts, 10‑11‑2020, https://cisr.mit.edu. Indeks górny koniec^{5. I.A. Someh, B.H. Wixom, R.W. Gregory, “The Australian Taxation Office: Creating Value With Advanced Analytics”, s. 447, MIT CISR, Cambridge, Massachusetts, 10‑11‑2020, https://cisr.mit.edu.}

Indeks górny 6. B.H. Wixom and C.M. Beath, “Pega Drives Customer Engagement Using AI‑Enabled Decision‑Making”, s. 449, MIT CISR, Cambridge, Massachusetts, 17‑06‑2021, https://cisr.mit.edu. Indeks górny koniec^{6. B.H. Wixom and C.M. Beath, “Pega Drives Customer Engagement Using AI‑Enabled Decision‑Making”, s. 449, MIT CISR, Cambridge, Massachusetts, 17‑06‑2021, https://cisr.mit.edu.}