Данные как стратегический актив

Для большинства компаний монетизация активов в виде данных означает необходимость определения ценности/сто- имости данных о клиентах. Эта концепция не нова: идея монетизации такой информации стара настолько, насколько привычны карты лояльности в продуктовых магазинах. Дан-

ные о клиентах могут генерировать денежную стоимость на- прямую (когда они продаются или приобретаются) или кос- венно (когда новый продукт или услуга создается с исполь- зованием информации о клиентах, но сами данные не про- даются). Компании также могут объединять общедоступные и собственные базы с целью создания уникальных массивов данных для продажи или использования.

Мы определяем стоимость данных как совокупность трех составляющих: стоимости активов, стоимости деятельности и ожидаемой, или будущей, стоимости.

Каковы рыночные возможности монетизации данных? Ес- ли определить их одним словом – велики. По оценкам Strategy& (группы в составе PwC), только в финансовом сек- торе доходы от коммерциализации данных к 2018 г. вырас- тут до 300 млрд долл. в год.

 

Ценность используемых данных

Использование данных обычно определяется приложени- ем, например системой управления взаимоотношениями с клиентами, главной книгой и частотой использования.

Частота использования, как правило, рассчитывается ис- ходя из рабочей нагрузки приложения, скорости обработки транзакций и частоты обращения к данным. Следует осо- бо подчеркнуть один примечательный аспект ценности дан-

ных, связанный с частотой их использования. Дело в том, что отдача от применения обычных, материальных активов со временем, как правило, снижается, то есть чем больше они используются, тем меньше их ценность. Между тем цен- ность данных – не всегда, но часто – с увеличением интен- сивности их использования может возрастать. Иными слова- ми, данные, рассматриваемые как актив, со временем стано- вятся более значимыми. Например, навигатор Waze компа- нии Google Inc. интегрирует данные краудсорсинга от води- телей в реальном времени, поэтому ценность картографиче- ских данных приложения со временем увеличивается, ведь ими пользуется все больше людей.

Основные затраты, связанные с данными, обусловлены необходимостью их сбора, хранения и обслуживания. При этом расходы на использование информации могут быть весьма незначительны. Дополнительным фактором здесь яв- ляется время: нужные данные в нужное время (например, сведения о транзакциях, полученные во время рождествен- ского пика розничных продаж) могут иметь очень высокую ценность.

Конечно, определения ценности конкретных данных на основании их использования не будут восприниматься од- нозначно; мнения двух сторон в этом случае вряд ли будут одинаковыми. Например, для путешественника, потерявше- гося в незнакомом городе, картографическая информация, отправленная на его мобильный телефон, в какой-то опреде-

ленный момент будет представлять огромную ценность, но, скорее всего, эти точные данные ему никогда больше не по- надобятся. С другой стороны, провайдер может хранить эти сведения для других целей и использовать их снова и снова в течение долгого времени.

 

Ожидаемая ценность данных

Хотя обычно используются выражения «цифровые акти- вы», «информационные активы» или даже «массивы дан- ных» (англ. digital assets или data assets), общепринятого спо- соба учета этих активов в балансовых отчетах пока не суще- ствует. Фактически, если цифровые активы вообще отсле- живаются и учитываются, они обычно смешиваются с други- ми нематериальными активами, такими как товарные знаки, патенты, авторские права и репутация фирмы.

Первым шагом к распределению информации по категориям ценности должна стать разработка политики управления данными – ясной, четко сформулированной, системно и совместно реализуемой и разделяемой всеми сотрудниками компании.

Существует несколько методик оценки нематериальных активов. Например, их стоимость можно рассчитать на ос- нове сведений о наблюдаемых реальных рыночных операци- ях с аналогичными активами, приносимых ими доходах, де-

нежных потоках, которые они генерируют за счет сбереже- ний или же затрат на их развитие или замену.

 

Что могут сделать компании?

На основании результатов нашего исследования мы мо- жем порекомендовать три практических шага, которые смо- жет осуществить любая компания независимо от того, какой способ встраивания механизмов оценки данных в общеорга- низационные стратегии она выберет.

Разработка политики управления данными – ясной, четко сформулированной, совместно реализуемой и разделяемой всеми сотрудниками  компании.   Создает ли ваша организация каталог данных, чтобы в любой момент иметь представление обо всех имеющихся цифровых акти- вах? Отслеживает ли их использование так же, как она сле- дит, скажем, за пробегом легковых автомобилей или грузо- виков, которыми владеет? Политика управления данными – ясная, четко сформулированная, системно реализуемая все- ми сотрудниками компании – должна стать первым шагом в определении категории ценности той или иной информации. Несколько компаний из нашей выборки начали классифи- цировать отобранные массивы данных по категориям ценно- сти вручную. В одном случае поводом для этого стала внут- ренняя проверка безопасности для оценки риск-данных. В другом – желание выяснить, где именно в организации быст-

ро растет объем данных, и внимательно изучить плюсы и ми- нусы этого роста.

Самым убедительным примером оценки данных, который нам удалось найти, стал случай приобретения, продажи и разделения бизнес-единиц, располагавших значительными активами в виде данных. Мы ожидаем, что в перспекти- ве главные директора по обработке и анализу (CDO) будут также оценивать данные компании для вышеуказанных це- лей. Но это явление пока еще слишком ново, чтобы можно было уловить какие-либо общие тенденции.

Создание собственной экспертизы для оценки дан- ных. В ходе своего исследования мы обнаружили, что неко- торые компании ищут способы монетизации цифровых ак- тивов для продажи их третьим лицам или лицензирования. Однако иметь данные для продажи и знать, как их продать это совсем не одно и то же. При оценке своих данных неко- торые компании полагались на внешних экспертов, а не на собственный опыт. Мы ожидаем, что эта ситуация изменит- ся. Компаниям, стремящимся монетизировать свои цифро- вые активы, прежде всего необходимо будет понять, как при- обретать и накапливать знания и опыт, чтобы проводить экс- пертную оценку силами собственной организации.

Решите, какие процедуры оценки в вашей компа- нии будут более эффективными: нисходящие или вос- ходящие. При использовании нисходящего процесса оцен- ки данных компании определяют свои критически важные

приложения и приписывают стоимость данных, используе- мых в этих приложениях, будь то мейнфрейм-система об- работки транзакций, технологии управления взаимоотноше- ниями с клиентами или разработки продуктов. Ключевыми этапами здесь будут: 1) определение основных системных связей, объединяющих данные, к которым имеют доступ все связанные системы; 2) измерение интенсивности использо- вания данных в пределах связанных систем. Такой подход обеспечивает преимущество в части определения приорите- тов в тех случаях, когда необходимо налаживать внутренние партнерские отношения между ИТ- и коммерческими под- разделениями (если они еще не налажены).

Второй подход основан на эвристическом определении ценности, то есть на основе карты использования данных, учитывающей все основные массивы данных в компании. Основные шаги в рамках этого подхода – это оценка потоков данных, связей между данными и приложениями, а также подробный анализ моделей использования данных. При этом бо́льшая часть необходимой информации может уже нахо- диться в устройствах хранения данных и распределенных си- стемах компании.

Но вне зависимости от выбранного подхода начинать ком- пании все равно нужно с определения технологических воз- можностей и бизнес-событий, указывающих на необходи- мость выполнения такой оценки. Подход, основанный на потребностях, позволит высшему руководству определить

приоритеты и запустить стратегии оценки, которая поможет компании монетизировать текущую и будущую стоимость ее цифровых активов.

Авторы выражают признательность за финансовую и научную поддержку данного исследования Dell EMC, Intel и Seagate Technology Inc.; кроме того, мы благодарны Cisco Systems Inc., IBM и NetApp Inc. за их финансовую и научную поддержку на ранних этапах работы. Особенно ценный вклад внесли Барри Рудольф из VelociData Inc., Дуглас Лейни из Gartner Inc., Барбара Лейтулипп и Билл Шмарзо из Dell EMC и Терри Есии из Intel.

 

7