Datamonetarisatie 101: Soorten, voordelen en methoden

Wat is datamonetarisatie?

Gartner definieert datamonetarisatie als "het proces waarbij data wordt gebruikt om meetbaar economisch voordeel te behalen" . Bedrijven zijn voortdurend op zoek naar manieren om hun productaanbod en diensten uit te breiden en zo nieuwe inkomstenbronnen aan te boren, en data vormt daarop geen uitzondering. Gezien de enorme hoeveelheid data die wordt gegenereerd en de hoeveelheid resources die worden ingezet om deze data op te slaan en te verwerken, is het niet verwonderlijk dat bedrijven er meer uit willen halen.

Soorten datamonetarisatie

Afhankelijk van hoe de data wordt gebruikt, zijn er twee hoofdvormen van datamonetarisatie . De eerste en meest directe methode is het delen van data met externe partijen, oftewel de directe verkoop van data of het ruilen van informatie. De data kan in ruwe vorm zijn of reeds geanalyseerd. Het is belangrijk om de lokale regels en voorschriften voor het delen van data te controleren voordat u dit doet.

De tweede methode voor het monetiseren van data, die juridisch gezien veiliger is en in de toekomst kan worden uitgebreid, is de indirecte methode: het gebruiken van data om de bedrijfsprestaties te verbeteren en betere beslissingen te nemen. Hoewel veel mensen data de nieuwe olie of een andere grondstof noemen, vergeten ze vaak het gebruik ervan: data kan meerdere keren worden gebruikt en heeft daardoor waarde. De waarde van data is voor de meeste mensen in eerste instantie niet duidelijk en hangt af van hoe deze wordt gebruikt.

Bij deze indirecte vorm van datamonetarisatie is het vooral interessant om de waarde van de data te achterhalen. Dit kan door optimalisatiemogelijkheden te vinden of datagedreven bedrijfsmodellen te implementeren. Hiervoor zijn tal van data-analysetools , business intelligence- tools en EPM-systemen beschikbaar , evenals diverse technologieën. In dit artikel zullen we ons voornamelijk richten op de indirecte methode van datamonetarisatie.

Wat zijn de voordelen van datamonetarisatie?

Volgens een onderzoek van Kearney heeft "8 procent van de marktleiders op het gebied van data-analyse 60 procent meer winst gegenereerd dan de bedrijven die ver achterlopen". Het voor de hand liggende, maar niet zo voor de hand liggende voordeel van datamonetarisatie via de indirecte methode is het verbeteren van zowel de omzet als de winst van een bedrijf.

Enkele voordelen van het gebruik van datamonetarisatie zijn:

• Het creëren van nieuwe inkomstenstromen door nieuwe klantsegmenten te identificeren waarop u zich kunt richten, of door een gat in de markt te vinden dat u kunt opvullen.
• Concurrentievoordeel behalen door kansen te identificeren om de klantervaring te verbeteren en de kwaliteit en het aanbod van producten/diensten te optimaliseren.
• Verbeterde datakwaliteit door betere uitwisseling, toegang, samenwerking en verzameling.
• Proces- en kostenoptimalisatie om mogelijkheden voor kostenreductie binnen bestaande systemen te identificeren.
• Verhoogde efficiëntie en productiviteit in de productie-, personeels- en logistieke processen.
• Vergroot de groeimogelijkheden voor het identificeren van meerdere inkomstenstromen en/of nieuwe product- of dienstlijnen.

Sleutels tot datamonetarisatie

Het is noodzakelijk om de manier waarop bedrijven naar data kijken te veranderen, van kostenposten naar winstcentra. Met data valt er veel te ontdekken als je er tijd, geld en middelen in investeert. Verschillende belangrijke aspecten vormen de basis voor het monetiseren van data.

Gegevensbeheer: Hoewel dit vanzelfsprekend lijkt, slaan veel organisaties deze stap over. Ze slagen er niet in om te bepalen welke soorten gegevens ze moeten vastleggen en leggen de gegevens bovendien niet op een kwalitatief goede manier vast.

Datastrategie: Net als bij elke implementatie vereist ook de implementatie van data-analyse of geavanceerde analyses een strategie om de business units of KPI's te identificeren die moeten worden vastgelegd.

Data-analyse: Aangezien we meer kansen willen ontdekken in onze interne data, is de benodigde technische kennis voor data-analyse essentieel. Om het begrijpelijker te maken, kunnen we dit grofweg indelen in drie gebieden: het creëren van bedrijfswaarde, het verbeteren van de operationele efficiëntie en het identificeren van bedrijfsmodellen.

Het creëren van bedrijfswaarde kan worden omschreven als de processen waarbij een naadloos dataplatform wordt opgezet dat de huidige bedrijfssituatie begrijpt aan de hand van historische gegevens om inzichten te genereren. Het verbeteren van de operationele efficiëntie kan worden bereikt door realtime inzichten te verkrijgen die leiden tot efficiënte en flexibele productie- en logistieke processen.

De laatste stap in het identificeren van bedrijfsmodellen kan worden uitgevoerd met behulp van datawetenschap en algoritme-gestuurde data-analyse om bestaande inkomstenstromen te vernieuwen of nieuwe op te bouwen door middel van scenarioplanning en -analyse.

Methoden voor het monetiseren van data

Hoewel er meerdere manieren zijn om over datamonetarisatie te praten, laten we eens kijken naar de manieren waarop data-analyse nuttig is. We hebben hierboven al de algemene toepassingsmogelijkheden van data-analyse besproken, maar laten we het nu vanuit een ander perspectief bekijken, namelijk op organisatieniveau.

Maar voordat we ingaan op de methoden voor het monetiseren van data, laten we eerst eens kijken hoe data-analyse voordelen kan opleveren op het gebied van monetisatie. Misschien kent u de 'Analytics maturity stages' van Kearney al. Deze vier fasen zijn: achterblijvers, volgers, ontdekkers en leiders. Uit deze analyse blijkt dat achterblijvers 60% minder winst maken dan leiders, en dat de ware waarde van data-analyse pas zichtbaar wordt wanneer je de fase van de ontdekkers bereikt.

Dus de volgende keer dat u zich afvraagt of data-analyse nuttig zou zijn of niet, of als u niet direct resultaten ziet, bedenk dan in welke positie u zich bevindt in de beoordeling van de volwassenheid van data-analyse, en hoe data-analyse uw organisatie ten goede zou kunnen komen.

Inzichten als service

Het gaat hierbij om het opsplitsen van data tot inzichtniveau, oftewel het transformeren, analyseren en verder uitdiepen van de data tot een niveau waarop inzichten kunnen worden gedeeld met zakelijke belanghebbenden of eindgebruikers. Dit kan eenmalig of via een abonnement. Een voorbeeld hiervan zijn bedrijven zoals Meta of reviewplatforms die abonnementen aanbieden voor inzichten in hoe klanten hun platforms gebruiken. Dit kan marketing- of salesafdelingen helpen om klanten beter te bereiken. Het kan ook gaan om het genereren van inzichten uit interne data door middel van data-analyse of machine learning-technieken.

Ingebedde analyses

Hoewel dit ook onderdeel kan zijn van Insights, is het belangrijk om te benadrukken dat je met Embedded Analytics inzichten toevoegt aan bestaande workflows of applicaties door visualisaties of nieuwe dashboards daarin te integreren. Dit is bijzonder nuttig wanneer mensen zich zorgen maken over verandermanagement als een van de obstakels, bijvoorbeeld veranderingen in workflows of de noodzaak om nieuwe technologieën te leren om inzichten te verkrijgen.

Gegevens als een service

De meest directe vorm van data-analyse is data-as-a-service . Niet te verwarren met data-analyse als service, draait data-as-a-service om het verkopen van data aan consumenten of tussenpersonen. De data kan bestaan uit ruwe data of geaggregeerde data. De verkochte data kan zonder inzichten of alleen gecategoriseerde data bevatten. Denk bijvoorbeeld aan data die je verzamelt uit meerdere bronnen en deze categoriseert over specifieke leveranciers, enzovoort. Dergelijke data kan worden gedeeld via API's, online marktplaatsen of rechtstreeks via data-dumps.

Sommige mensen voegen daar ook analyseplatformen en business intelligence aan toe. Maar ik denk dat de drie benaderingen, namelijk Insights as a service, Data as a service en embedded analytics, allemaal elementen van platforms en BI bevatten.

Gebruiksvoorbeelden van datamonetarisatie

Data-analyse en datamonetarisatie zijn voor de meeste bedrijven een onderscheidende factor geworden om nieuwe inkomstenbronnen te begrijpen en aan te boren. Hoewel de meeste organisaties het concept begrijpen, is het relatief nieuw. Volgens een rapport van McKinsey is "41 procent van de respondenten wiens bedrijven zijn begonnen met het monetariseren van data, en de meerderheid zegt dat ze daar pas in de afgelopen twee jaar mee zijn begonnen".

Enkele sectoren waarin datamonetarisatie momenteel vrij gangbaar is, zijn de materialen- en energiesector, de financiële dienstverlening en de hightechindustrie. Respondenten van goed presterende bedrijven die datamonetarisatie hebben geïmplementeerd, zien een aantoonbaar voordeel voor de omzet: zij geven drie keer vaker aan dat hun inspanningen op het gebied van datamonetarisatie meer dan 20 procent van de bedrijfsomzet uitmaken.

Laten we bijvoorbeeld eens kijken hoe datamonetarisatie voordelen kan opleveren voor de maakindustrie . Monetarisatie van data in de productie leidt tot een hogere productiviteit en duurzaamheid. Met datamodellen van fabrieksgegevens kun je machinestoringen voorspellen en onderhoud inplannen, oftewel voorspellend onderhoud. Je kunt nauwkeuriger plannen op basis van de geolocatie van producten en de vraag. Combineer dit met digitale tweelingen in de productie, en je krijgt continue kwaliteitscontrole en een optimale benutting van je potentieel.

Een ander voorbeeld hiervan is de Mayo Clinic, die een platform voor klinische data heeft aangekondigd om inzichten en kennis uit data te gebruiken om de gezondheidszorg te verbeteren en de ontwikkeling van nieuwe behandelingen te versnellen.

Belemmeringen voor het monetiseren van data

Nu we de verschillende methoden en de vele voordelen van datamonetarisatie kennen, laten we ook eens kijken naar de huidige belemmeringen:

• De juiste technologieën kiezen die geschikt en relevant zijn voor uw organisatie.
• Onvoldoende inzicht in de behoeften van de klant
• Het niet tijdig verstrekken van accurate informatie.
• Gebrek aan kwalitatieve gegevens op een veilige manier
• Diverse gegevens verzamelen, maar niet zeker weten hoe ze te gebruiken.
• Toegang tot gegevens in afzonderlijke systemen

Wanneer data in afzonderlijke systemen wordt beheerd of wanneer bedrijven onnodige data verzamelen, ontstaat er een barrière die niet kan worden doorbroken of benut. Daarom is datamanagement een cruciale voorwaarde voor het gehele proces van datamonetarisatie.

De belangrijkste elementen van een succesvolle datastrategie worden in de onderstaande infographic uitgelegd:

Bron: BCG-analyse

Kortom,

Of het nu gaat om de overstap van passieve naar actieve analyses of om een meer responsieve aanpak, data vormt de kern van de bedrijfsvoering. Dooruw data te gelde te maken , krijgt u toegang tot schaalbare, wendbare en flexibele data-analyses. Dit helpt uw organisatie om zich aan te passen aan nieuwe eisen en zorgt voor snellere inzichten.

Met effectieve datamonetarisatie kunt u de functionaliteit tot in detail aanpassen, waardoor de prestaties gegarandeerd zijn, ongeacht de uitdagingen die zich voordoen.