您可以利用战略性数据资产快速实现数据价值
时间：2021-11-14 阅读：
8762 次
手机扫码打开
数据现在是许多组织拥有的最重要的资产。世界各地的企业都在投资数十亿美元，试图解开它的秘密和巨大的颠覆性潜力。它是新商业模式、技术和提供几乎任何服务的公司生态系统的核心。在未来的三到五年里，IT职能的成功将取决于它能否有效地让企业释放数据的力量。为了将数据货币化，组织必须首先创建战略性的数据资产，这些资产可以重复使用和重组，以创造新的价值。多年来，利用更多数据做出更好的决策一直是全球企业的追求，大多数企业都将数据视为战略资产。麻省理工学院(MIT)信息系统研究中心(CISR)的一项新研究发现，为未来做好准备的组织对他们的数据有更大的价值需求。这些组织通过全面改进流程来做得更好、更便宜、更快，努力将数据货币化价值最大化;用分析功能和经验包装产品;销售新的、创新的数据解决方案。为了将数据货币化，企业必须首先对数据进行转换，使其能够重复使用和重组，从而创造新的价值。重用和重组越容易，数据的流动性就越高，我们将其定义为“数据资产重用和重组的易用性”。数据流动性是一个连续体，而不是二元条件。它是一种能够转换数据以供使用的功能，这意味着特定数据资产的流动性可能比另一项更强，也可能比另一项更弱。许多组织的数据流动性很低——例如，它可能被困在本地业务流程中，被锁定在封闭的平台中，或被复制到多个地点或者它可能因为不完整、不准确或分类或定义不好而无法访问。管理层的很多注意力都集中在将数据从孤岛中解放出来，并将其应用到新的特定用途上，比如计算客户流失或发现供应链中断。这是一个很好的应用，但不是一个战略性的实践。当然，对客户流失或供应链的主动行动将为组织实现新的价值。但是，那些继续追求线性价值创造周期的组织是在把钱丢在桌子上。重要的是要认识到，数据不必像传统的组织资产一样被对待。重型设备、办公家具、土地，甚至现金都会随着时间的推移而变质或耗尽。数据是不同的，可以自由地重用和重组而不会退化。数据资产生来就是流动的，但是虽然数据本质上是可重用的，并且可以重新组合，但是组织必须有意地激活这些特征。当然，流动性是有成本的，因此组织还必须谨慎地选择要变现的数据资产。一个很好的起点是战略性数据资产——具有未来价值创造和拥有潜力的数据。因此，只有一些数据资产是战略性的。这些战略资产在整个企业中有无数可能的用途;一些用途是已知的，其他的会随着时间的推移而出现。战略性数据资产通常包括客户数据、数字渠道行为数据、产品数据和其他告知业务性能和客户需求并与企业范围相关的数据。为了从简单地使用数据发展到构建流动的战略性数据资产，组织需要将数据从指定的目的中分离出来，并准备好每个资产，使其在整个企业中变得准确、完整、及时、标准化、可检索和可理解。这个过程可能需要实现诸如主数据管理、元数据管理、数据集成、数据质量管理和分类法/本体开发等实践。麻省理工学院信息系统研究中心在其研究中确定的五种数据货币化能力可以推动数据流动性的增加——这种数据资产能力结合了数据平台、数据科学、客户理解和可接受的数据使用能力。随着组织战略数据资产的流动性越来越高，越来越多的数据可以转化为价值，加速了组织的数据货币化。总部位于波士顿的金融服务组织富达投资(Fidelity Investments)正在通过一项为期多年的数据平台改造计划，寻求高流动性的战略性数据资产，供全企业使用。它正在努力通过最先进的技术、完善的架构、明确的问责和地方-全球协调来提高其数据货币化能力。富达拥有47,000多名员工，并拥有多个业务部门，包括资产管理、零售经纪、清算和托管、401(k)计划和雇主记录保存服务，以及资本市场。2020年，该组织报告收入达到创纪录的210亿美元。富达数据架构和工程的企业主管Mihir Shah将这种持续的成功部分归功于“所有业务之间的互连”。2019年，富达将一系列共同的战略计划聚集成由高管领导的“团队”，将各业务部门的类似主题项目分组。在7个团队中，有5个是以商业为中心的——例如，专注于获取新客户;另外两个社区是平台的推动者，包括API、数据和云。正如Shah解释的那样，“我们希望为创造价值创造长期的数据资产——不仅是立即的，而且是为尚未确定的用例。”他领导了一个数据相关的小组，发起了一个为期四年的项目，旨在将100多个数据仓库和分析商店合理化，成为一个通用的分析平台。主要目标是组织、提升和管理涉及优先主题领域(如客户、员工和可投资的安全产品)的数据，将其整合到战略数据资产中，使其易于在整个组织内使用。Fidelity首先实现了一组关键的基础结构:?通用ID，为整个组织的每个主要数据实体分配一个通用标识符，例如客户信息。?单一客户配置文件，提供每个客户的360度视图，简化所有交互渠道的账户管理。?一个先进的、基于云计算的分析平台，可以容纳和服务大规模的数据产品。?一个集中的分类和目录来共享组织的术语和超过3,000个组织数据元素的定义。?强大的治理功能，确保严格执行隐私、法律、合同和道德政策。为新平台选择的运营模式是一个内部数据应用市场。本地数据所有者通过结构化数据以符合企业分类法，为富达的战略数据资产做出了贡献;严格的规则规定数据和定义与中心目录保持一致。中央存储库技术支持企业搜索和编目。只要遵循核心平台规则，用户就可以从多个生产者获取数据，组合数据，并为本地业务领域需求构建数据。该平台使用基于云的技术构建，允许共享、访问和应用数据，而无需移动数据。数据不是被传输，而是被维护在适当的位置，平台允许所有者控制访问。当员工请求访问时，他们启动一个简单的工作流，以确认他们的访问被授权;安全技术允许对数据字段进行标记化，如果它们落入坏人之手，就无法破译它们。到2021年，富达已经进入了该计划的执行阶段。每个季度，领导者都要沟通预期的价值创造成果。一些成功已经实现了:数据科学家在业务问题和模型上花费的时间比在数据收集和清理上花费的时间更多，大大减少了(60%-80%)新的分析用例所需的数据收集工作，并提高了使用外部数据来丰富富达数据的能力，比以往任何时候都更快、更有效。此外，组织领导人已经开始识别数据使用的机会，并正在追求数据货币化用例，为客户增加价值，增加收入，并提高效率。
在探索企业如何利用数据资产创造竞争优势时，麻省理工学院信息与研究中心的研究人员确定了73项战略计划在这次探索中，一个值得注意的发现是，组织是如何利用战略性数字计划构建数据流动性的，比如富达(Fidelity)的数据平台重建工作。例如，法国巴黎银行(BNP Paribas)创建了一个专有的环境、社会和治理(ESG)评分框架，由底层的战略ESG数据资产推动，以量化组织相对于同行在重大ESG问题上的表现。法国巴黎银行(BNP Paribas)现在利用ESG的这一独家表现得分来指导一系列投资决策。澳大利亚税务局(ATO)以另一种方式部署数据，使用先进的分析来预填充税务表格和评估正在处理的索赔利用名为“智能数据”(Smarter data)的专门项目产生的战略性数据资产，该项目旨在提高机构的数据分析能力，这一举措进一步推动ATO向重塑公民税务体验的使命迈进。Pegasystems (Pega)将其基于人工智能的商业B2C工具用于企业的使用，以简化和合理化组织的B2B客户拓展人工智能模型利用有关Pega联系人的战略数据资产，在客户通过Pega销售周期时自动向他们提供相关内容。近年来，数据已经发展成为现代企业的主要构建块。一个组织的大多数职能都以这样或那样的方式依赖于数据来有效地执行。组织正在使用更大的和不断增长的数据集来建立决定性的竞争优势，通过更好的决策，测量和优化性能，并更好地了解他们的客户。越来越多的企业将其数据集称为“数据资产”，这并不奇怪。数据资产这个术语很有趣，因为与企业的传统资产相比，数据是无形的，可能有多个消费者在使用它。传统资产和数据资产之间另一个有趣的区别是，使用数据资产通常会导致创建更多的数据。同样，与其他组织资产不同的是，数据资产可以在保持其价值的同时无限共享。这就提出了一个关于数据估值的基本问题，即，如果组织选择将数据集和集合标记为数据资产，那么给这些资产赋值的最佳方式是什么。它是像传统的无形资产(如商誉)那样对待，还是需要考虑一种更微妙的方法，以解决将数据视为资产的内在复杂性。为什么要首先衡量数据的价值?尤其是因为数据是新的“石油”，数据越多越好。虽然这一类比对许多人来说可能是正确的，但就像任何商品或资产一样，数据仍然需要有一个公平的名义价值，才能货币化。以科技初创企业为例:它需要对数据资产进行估值，以此作为吸引投资和融资的途径之一，证明这些特定数据集在未来可以推动哪些未来机遇和增长。例如，Facebook在2014年以190亿美元收购了WhatsApp，利用其数据资产立即提高社交网络的用户足迹，并可能在未来的用户参与领域发挥协同作用。同样，对于正在进行数字化转型的传统企业来说，理解其数据资产的价值提供了以下机会:?评估竞争对手可能会为这些数据支付什么费用，以及他们可能如何利用这些数据建立竞争优势总而言之，数据估值可以被组织用来衡量其数据资产的经济潜力，但它是采用正式数据管理框架的驱动要素。由于没有建立数据资产评估的标准，主要的挑战来自使用传统的资产评估方法。当使用数据资产时，传统的资产估值方法往往会失败，因为它依赖于资产的成本来预测它可能产生的潜在收入。例如，如果一家企业以X美元购买了一辆货运卡车，那么这个成本将被用作计算卡车在其生命周期内产生的潜在收入的基础。另一方面，Data Assets在成本和潜在收益之间没有直接关联。数据资产能够产生的潜在收入是高度相关的，即不同的组织可能能够以不同的方式利用相同的数据资产，并产生不同的收入结果，例如，苹果等科技巨头手中的客户人口统计数据，Facebook或谷歌被用来创建高度定制的体验和丰富的服务，而同样的数据在一个小型零售商店手中，不太可能产生令人信服的结果。另一个方面是数据资产的时间特性，即昨天有价值的数据今天或未来可能没有价值，例如，公司持有的客户数据可能包括传真号码或遗留/停产产品的购买数据等过时元素，这些数据可能在某个时间点有一些价值，但也可能没有一定是有价值的。法律要求和行业法规等其他因素也可能影响数据在一段时间内的价值，例如用户被遗忘的权利或在某一行业预定义的一段时间后清除不活跃客户记录的要求。组织可以根据预期的数据评估目标在两种方法中进行选择。对于数据驱动型企业或科技初创企业，其基本方法可能非常适合于计算数据资产的内在、业务和绩效价值:
一个较为传统或大型的企业在着手改善和优化信息管理功能时，可以采用财务估值方法，该方法侧重于通过预测不同的经济观点来计算数据的经济潜力:
上述评估方法当然不是详尽无遗的，但它们旨在提供一种基本方法，组织可以根据其独特的需求和目标进行调整。无论选择何种方法，数据估值都可以被视为一种活动，它可以为组织提供清晰的数据资产如何推动未来增长、优化现有业务流程，并作为评估建立数据管理框架需求的手段。。随着企业转型为面向未来的实体，他们需要认识到，他们的战略性数字举措不仅是开发数字可能性的途径，而且是将其数据重塑为高度流动的战略性数据资产的机会。你的组织距离通过数据货币化实现指数式的价值增长还有多远呢?
作者：平台，鼠标移到这里，一键关注（个人微信或者微信公众号二维码）。
赞赏金额：20元
微信支付
使用微信扫描二维码完成支付
