Monetyzacja danych

Monetyzacja danych , forma monetyzacji , może odnosić się do generowania wymiernych korzyści ekonomicznych z dostępnych źródeł danych (analityka). Rzadziej może również odnosić się do aktu monetyzacji usług transmisji danych. W przypadku analityki korzyści te są zwykle naliczane jako oszczędności w przychodach lub wydatkach, ale mogą również obejmować wzrost udziału w rynku lub wartości rynkowej przedsiębiorstwa. Monetyzacja danych wykorzystuje dane generowane w ramach operacji biznesowych, dostępne dane lub treści egzogeniczne, a także dane powiązane z poszczególnymi podmiotami, takie jak dane gromadzone za pośrednictwem urządzeń elektronicznych i czujników uczestniczących w Internecie rzeczy . Na przykład wszechobecność Internetu rzeczy generuje dane o lokalizacji i inne dane z czujników i urządzeń mobilnych w coraz szybszym tempie. Kiedy dane te są zestawiane z tradycyjnymi bazami danych, wzrasta wartość i użyteczność obu źródeł danych, co prowadzi do ogromnego potencjału wydobywania danych dla dobra społecznego, badań i odkryć oraz osiągania celów biznesowych. Ściśle związane z monetyzacją danych są pojawiające się danych jako usług dla transakcji obejmujących dane według elementu danych.

wiążą się trzy wektory etyczne i regulacyjne ze względu na czasami sprzeczne interesy podmiotów zaangażowanych w cyfrowy łańcuch dostaw . Indywidualny twórca danych, który generuje pliki i zapisy własnymi siłami lub jest właścicielem urządzenia, takiego jak czujnik lub telefon komórkowy, które generuje dane, ma prawo własności do danych. Podmiot gospodarczy, który generuje dane w trakcie swojej działalności, takie jak transakcje z instytucjami finansowymi lub czynniki ryzyka wykryte na podstawie informacji zwrotnych od klientów, również ma prawo do danych przechwyconych za pośrednictwem ich systemów i platform. Jednak osoba, która przekazała dane, może również mieć uzasadnione roszczenie do danych. Platformy internetowe i dostawcy usług, tacy jak Google lub Facebook , którzy wymagają od użytkownika zrzeczenia się części praw własności do swoich danych w zamian za korzystanie z platformy, również mają uzasadnione roszczenia do danych. Tak więc praktyka monetyzacji danych, choć powszechna od 2000 r., cieszy się coraz większym zainteresowaniem organów regulacyjnych. Unia Europejska i Kongres Stanów Zjednoczonych zaczęły zajmować się tymi kwestiami. Na przykład w branży usług finansowych przepisy dotyczące danych zawarte są w ustawie Gramma-Leacha-Blileya i ustawie Dodda-Franka . Niektórzy indywidualni twórcy danych przechodzą na korzystanie ze skarbców danych osobowych i wdrażają koncepcje zarządzania relacjami z dostawcami , co odzwierciedla rosnący opór wobec federacji lub agregacji ich danych i odsprzedaży bez wynagrodzenia. Grupy takie jak Personal Data Ecosystem Consortium, Patient Privacy Rights i inne również kwestionują korporacyjną kooptację danych bez wynagrodzenia.

Stosunkowo dobrym przykładem branży nastawionej na generowanie przychodów poprzez wykorzystanie danych są firmy świadczące usługi finansowe . Wydawcy kart kredytowych i banki detaliczne wykorzystują dane o transakcjach klientów do lepszego kierowania ofert sprzedaży krzyżowej . Partnerzy coraz częściej promują programy premiowe oparte na sprzedawcach , które wykorzystują dane banku i jednocześnie zapewniają rabaty klientom.

Rodzaje monetyzacji danych

Monetyzacja danych wewnętrznych — dane organizacji są wykorzystywane wewnętrznie, co przynosi korzyści ekonomiczne. Dzieje się tak często w organizacjach wykorzystujących analitykę do odkrywania spostrzeżeń, co skutkuje większymi zyskami, oszczędnościami kosztów lub unikaniem ryzyka. Zarabianie na danych wewnętrznych jest obecnie najpowszechniejszą formą zarabiania, wymagającą znacznie mniej zabezpieczeń, własności intelektualnej i prawnych środków ostrożności w porównaniu z innymi rodzajami. Potencjalne korzyści ekonomiczne z tego typu monetyzacji danych są ograniczone przez wewnętrzną strukturę i sytuację organizacji.
Zarabianie na danych zewnętrznych — osoba lub organizacja odpłatnie udostępnia posiadane dane stronom zewnętrznym lub pośredniczy w ich pośrednictwie. Ten rodzaj monetyzacji jest mniej powszechny i wymaga różnych metod dystrybucji danych do potencjalnych nabywców i konsumentów. Jednak zysk ekonomiczny wynikający z gromadzenia danych, pakowania ich i rozpowszechniania może być dość duży.

Kroki

Identyfikacja dostępnych źródeł danych – obejmuje to dane aktualnie dostępne do zarabiania, a także inne zewnętrzne źródła danych, które mogą zwiększyć wartość tego, co jest obecnie dostępne.
Łącz, agreguj, przypisuj, weryfikuj, uwierzytelniaj i wymieniaj dane — umożliwia to bezpośrednie przekształcanie danych w praktyczne informacje lub usługi generujące przychody.
Ustalaj warunki i ceny oraz ułatwiaj handel danymi – metody weryfikacji, przechowywania i dostępu do danych. Na przykład wiele globalnych korporacji ma zablokowane i odizolowane infrastruktury przechowywania danych, co utrudnia efektywny dostęp do danych oraz współpracę i wymianę w czasie rzeczywistym.
Przeprowadzaj badania i analizy — wyciągaj wnioski prognostyczne z istniejących danych jako podstawę do wykorzystania danych w celu zmniejszenia ryzyka , usprawnienia rozwoju lub wydajności produktu lub poprawy obsługi klienta lub wyników biznesowych.
Działanie i lewarowanie – ostatnia faza monetyzacji danych obejmuje określenie alternatywnych lub ulepszonych produktów, pomysłów lub usług skoncentrowanych na danych. Przykłady mogą obejmować uruchamiane powiadomienia uruchamiane w czasie rzeczywistym lub ulepszone kanały, takie jak mechanizmy reagowania w sieci lub urządzeniach mobilnych.

Zmienne cenowe i czynniki

Opłata za _
- wykorzystanie platformy do łączenia kupujących i sprzedających
- korzystanie z platformy do konfigurowania, organizowania i innego przetwarzania danych zawartych w handlu danymi
- podłączenie lub włączenie urządzenia lub czujnika do łańcucha dostaw danych
- łączenie i poświadczanie twórcy źródła danych i nabywcy danych — często za pośrednictwem tożsamości federacyjnej
- łączenie źródła danych z innymi źródłami danych w celu włączenia ich do łańcucha dostaw danych
- korzystanie z usługi internetowej lub innych usług transmisyjnych do przesyłania i pobierania danych – czasami dla osoby fizycznej za pośrednictwem chmury osobistej
- korzystanie z zaszyfrowanych kluczy w celu zapewnienia bezpiecznego transferu danych
- wykorzystanie algorytmu wyszukiwania zaprojektowanego specjalnie do oznaczania źródeł danych, które zawierają punkty danych mające wartość dla nabywcy danych
- powiązanie twórcy lub generatora danych z protokołem lub formularzem gromadzenia danych
- działania serwera – takie jak powiadomienie – wywołane aktualizacją elementu danych lub źródła danych zawartego w łańcuchu dostaw danych
Cena lub wymiana lub inna wartość handlowa
- przypisane przez twórcę lub generator danych do elementu danych lub źródła danych
- oferowanych przez nabywcę danych twórcy danych
- przypisane przez nabywcę danych dla elementu danych lub źródła danych sformatowanego zgodnie z kryteriami określonymi przez nabywcę danych
Opłata dodatkowa przypisana przez nabywcę danych za element danych lub zestaw danych skalowana do reputacji twórcy danych

Korzyści

Ulepszone podejmowanie decyzji, które prowadzi do badań crowdsourcingowych w czasie rzeczywistym , większych zysków, obniżonych kosztów, mniejszego ryzyka i lepszej zgodności
Bardziej wpływowe decyzje (np. podejmowanie decyzji w czasie rzeczywistym)
Bardziej terminowe (mniejsze opóźnienia) decyzje (np. sprzedawca przedstawiający rekomendacje zakupu, gdy klient nadal rozmawia przez telefon lub w sklepie, klient łączący się z wieloma sprzedawcami w celu znalezienia najlepszej ceny, uruchamiane powiadomienia po osiągnięciu progów wartości danych)
Bardziej szczegółowe decyzje (np. lokalne decyzje cenowe na poziomie jednostki, urządzenia lub czujnika w porównaniu z większymi agregatami).
Marketing ukierunkowany (np. dostawcy z dostępem do dużych zbiorów danych mogą kierować reklamy do określonych klientów w ramach ustalonej puli danych, zmniejszając koszty reklamodawcy i docierając do większości zainteresowanych klientów)

Ramy

Istnieje wiele branż, firm i modeli biznesowych związanych z monetyzacją danych. Następujące ramy zostały zaproponowane, aby pomóc zrozumieć typy modeli biznesowych, które są używane:

Roger Ehrenberg z IA Ventures, firmy venture capital inwestującej w ten sektor, zdefiniował trzy podstawowe typy firm zajmujących się produktami danych:

Bazy danych składowych . Magia tych biznesów polega na tym, że klient dostarcza własne dane w zamian za otrzymanie solidniejszego zestawu zagregowanych danych, który zapewnia wgląd w szerszy rynek lub zapewnia narzędzie do wyrażania opinii. Dawaj trochę, otrzymuj dużo w zamian — całkiem atrakcyjna propozycja wartości, która często skutkuje płatnością od dostawcy danych w zamian za otrzymanie wzbogaconych, zagregowanych danych. Gdy te składowe bazy danych zostaną opracowane, a klienci zaczną polegać na ich spostrzeżeniach, staną się one niezwykle cennymi i trwałymi zasobami danych.

Platformy przetwarzania danych . Firmy te tworzą bariery poprzez połączenie złożonych architektur danych, zastrzeżonych algorytmów i rozbudowanych analiz, aby pomóc klientom korzystać z danych w dowolnej formie. Często te firmy mają specjalne relacje z kluczowymi dostawcami danych, które w połączeniu z innymi danymi i przetwarzane jako całość tworzą cenne zróżnicowanie i bariery konkurencyjne. Bloomberg jest przykładem potężnej platformy przetwarzania danych. Pobierają dane z szerokiej gamy źródeł (w tym własnych danych własnych), integrują je w ujednolicony strumień, udostępniają je za pośrednictwem pulpitu nawigacyjnego lub interfejsu API oraz oferują solidny pakiet analityczny dla oszałamiającej liczby przypadków użycia. Nie trzeba dodawać, że ich skala i rentowność są obiektem zazdrości całej branży.

Platformy tworzenia danych . Firmy te rozwiązują irytujące problemy dużej liczby użytkowników i ze swojej natury przechwytują szeroki zakres danych od swoich klientów. W miarę powiększania się tych zestawów danych stają się one coraz bardziej wartościowe, umożliwiając firmom lepsze dostosowywanie ich produktów i funkcji oraz kierowanie do klientów wysoce kontekstowych i trafnych ofert. Klienci nie rejestrują się, aby bezpośrednio korzystać z zasobu danych; produkt jest tak cenny, że po prostu chcą funkcji oferowanych od razu po wyjęciu z pudełka. W miarę jak produkt staje się coraz lepszy w miarę upływu czasu, po prostu cementuje blokadę tego, co już jest udaną platformą. Mennica była przykładem tego rodzaju biznesu. Ludzie widzieli wartość w głównym produkcie. Jednak w miarę zbierania i analizowania większej liczby danych o klientach produkt stawał się coraz lepszy. Nie było efektów sieciowych per se, ale sama skala tworzonego zasobu danych była istotnym elementem ulepszania produktu w miarę upływu czasu”.

Selvanathan i Zuk oferują ramy, które obejmują „metody zarabiania, które wykraczają poza granice tradycyjnych systemów przechwytywania wartości stosowanych przez przedsiębiorstwo… dostosowanych do kontekstu i modeli konsumpcji dla klienta docelowego”. Oferują przykłady „czterech różnych podejść: platform, aplikacji, danych jako usługi i usług profesjonalnych”.

Przykłady

Pakowanie danych (wraz z analizami) w celu odsprzedaży klientom w celach takich jak udział w portfelu, udział w rynku i testy porównawcze
Integracja danych (wraz z analizami) w nowych produktach jako element wyróżniający wartość dodaną, np. On-Star dla samochodów General Motors
smartfony z GPS
geolokalizacji i rabaty lokalizacyjne, takie jak te oferowane przez Facebook i Groupon , to inne doskonałe przykłady monetyzacji danych wykorzystującej nowe, powstające kanały
Kierowanie reklam i atrybucja mediów w oparciu o CRM, takie jak te oferowane przez Circulate
Kampanie marketingowe oparte na Big Data, takie jak te oferowane przez Instarea.
Dane o lokalizacji w sieci komórkowej jako wyzwalacz kampanii marketingowych, takich jak te oferowane przez TASIL & Omantel .

Krajobraz własności intelektualnej

Niektóre patenty wydane od 2010 roku przez USPTO w celu monetyzacji danych generowanych przez osoby obejmują; 8271346, 8612307, 8560464, 8510176 i 7860760. Należą one zwykle do klasy 705 związanej z handlem elektronicznym, przetwarzaniem danych oraz ustalaniem kosztów i cen. W niektórych z tych patentów termin „łańcuch dostaw danych” odzwierciedla pojawiającą się technologię łączenia i agregowania danych w czasie rzeczywistym od wielu osób i urządzeń połączonych ze sobą za pośrednictwem Internetu rzeczy . Innym pojawiającym się terminem jest bankowość informacyjna.

Niezbadaną, ale potencjalnie destrukcyjną areną monetyzacji danych jest wykorzystanie mikropłatności Bitcoin do transakcji danych. Ponieważ Bitcoiny pojawiają się jako konkurenci z usługami płatniczymi, takimi jak Visa lub PayPal, które mogą łatwo umożliwić i zmniejszyć lub wyeliminować koszty transakcji, transakcje za zaledwie jeden element danych mogą być ułatwione. Konsumenci, a także przedsiębiorstwa, które chcą zarabiać na swoim udziale w łańcuchu dostaw danych, mogą wkrótce uzyskać dostęp do giełd i platform Bitcoin obsługujących sieci społecznościowe. Clickbait i przejmowanie danych mogą zaniknąć, ponieważ mikropłatności za dane są wszechobecne i dostępne. Potencjalnie można ominąć nawet obecną potrzebę budowania giełd handlu danymi zarządzanych przez brokera danych. Stanley Smith, który wprowadził pojęcie łańcucha dostaw danych, powiedział, że proste mikropłatności za monetyzację danych są kluczem do ewolucji wszechobecnej implementacji konfigurowalnych przez użytkownika schematów dostarczania danych, umożliwiających monetyzację danych na uniwersalną skalę wszystkim twórcom danych, w tym rozwijający się internet rzeczy.

Zobacz też