Монетизация данных это: 5 подсказок по монетизации информации, которые улучшат вашу стратегию работы с данными

5 подсказок по монетизации информации, которые улучшат вашу стратегию работы с данными

2. Привлечение специалистов с кросс-функциональными навыками и возможностями

Сейчас разработчики стратегий по монетизации данных не зацикливаются на том, как выстроить слаженную работу между отделами ИТ и развития бизнеса. Вместо этого они переходят к полной интеграции и привлекают кросс-функциональные ресурсы для решения проблем: от профессионалов по управлению данными и инженеров до бизнесменов, превосходно разбирающихся в тонкостях отрасли. Руководство компаний понимает, что для решения определенных задач нужны узко специализированные навыки. По мере того, какие потребности диктует бизнес, кросс-функциональные команды разрабатывают необходимые для монетизации и создания бизнес-ценности стратегии данных.

3. Определение конкретных результатов на основе измерений

Ценность данных определяется измерениями, цель которых – понять намерения пользователя. Это означает, что стратегии данных, разрабатываемые на основе этих показателей, будут более ориентированы на достижение конкретных результатов с точки зрения измерения реальной стоимости, выраженной в денежном эквиваленте.

Стратегии данных, которые содержат результаты метрик, выраженные в виде дополнительной выручки или, наоборот, сэкономленных средств, имеют большие шансы получить поддержку руководства.

4. Вдохновение инновациями

Развитие стратегии по работе с данными часто ведет к вопросам «А что мы будем делать с этой информацией?» или «Как мы будем использовать данные для продвижения нашего бизнеса?». На самом деле, главный вопрос должен звучать так: «Чего мы хотим достичь и как данные могут нам в этом помочь?».

Руководство компаний понимает, что для того, чтобы монетизировать данные, нужно определить, какую пользу они могут принести при решении проблем или принятии решений. Когда процессы по монетизации данных нормализуются, нужно сконцентрироваться на развитии инновационных возможностей, которые должны помочь в предотвращении проблем. Ведь настоящие лидеры отрасли стремятся обнаружить корни проблемы задолго до ее фактического появления, бросая вызов старой поговорке «От добра добра не ищут».

5. Повышение актуальности и доверия к данным

Две важных характеристики, обозначающие ценность данных, – их актуальность и надежность. Они заложены в бизнес-модели для монетизации и являются важнейшими элементами стратегии данных. Специалисты, разрабатывающие концепции продуктов и услуг на основе данных признают, что их успех зависит от надежности и релевантности информации. Ставки делаются на последовательность и ясность данных. Актуальность же является ключевым показателем стоимости данных при формировании предложения для потребителей. Соответственно, ваша система управления данными должна обеспечивать актуальность, достоверность и качество информации.

Деньги на данных: три препятствия для монетизации big data в России :: РБК Pro

Российские компании учатся зарабатывать на больших данных. На этом пути они совершают достижения и встречаются с препятствиями. Какие, рассказывает Павел Лихницкий, гендиректор DIS Group

Фото: Роман Пименов / Интерпресс / ТАСС

Как превратить данные в деньги

Большие данные (big data) — данные, которые собираются в больших объемах, в разных форматах и на больших скоростях (обычно для определения больших данных используются классические три V — Volume (объем), Variety (разнообразие), Velocity (скорость)). Эти три V открывают возможности для монетизации больших данных.

Раньше данные применялись только для описательной аналитики (например, для фиксации выполнения ключевых показателей эффективности — KPI, составления корпоративной отчетности) и повышения операционной эффективности. Эти области монетизации данных продолжают развиваться. Согласно данным нашего опроса, 25% представителей крупного и среднего бизнеса активно используют данные для принятия управленческих решений, а 23% — для повышения операционной эффективности. Однако с появлением big data появились и такие методы применения данных, как:

• поиск инсайтов (полезные для бизнеса закономерности в данных),
• тестирование бизнес-гипотез,
• масштабная визуализацию данных,
• предиктивная аналитика — методы анализа, с помощью которых можно предсказать поведение объекта.

Предиктивную аналитику, в частности, используют для:

• прогнозирования продаж,
• обнаружения мошенничества (например, предиктивные алгоритмы сами определяют, какие из страховых или кредитных заявок мошеннические),
• маркетингового и клиентского анализов,
• создания рекомендательных сервисов,
• предсказания поломок и сбоев в работе оборудования.

Чаще всего большие данные используются для создания персональных предложений.

Все перечисленные способы использования относятся к так называемой внутренней монетизации данных (повышение эффективности ведения бизнеса внутри компании). Однако существует и внешнее направление монетизации. Теперь организации могут продавать свои данные и результаты их аналитики. Три процента опрошенных нами респондентов утверждают, что их компании используют этот способ монетизации.

Как и в любой другой сфере, в монетизации больших данных есть и достижения, и проблемы.

Достижение № 1. В лидирующих отраслях прибыли от внешней монетизации больших данных растут

Монетизация клиентских данных

Грамотная работа с информацией преследует важнейшую бизнес-цель – извлечь из данных выгоду. Как раскрыть потенциал данных финансовой организации на полную мощность?

Задача работы с данными

Банки, организации микрофинансирования и страхования – одним словом, все компании, работающие с деньгами, в том числе государственные регуляторы, сталкиваются с рядом проблем, связанных с накоплением данных, их хранением и подготовкой для анализа.

Финансовая организация состоит из множества подразделений, отвечающих за операционную деятельность, клиентское обслуживание, методологию, безопасность и др. Каждое из них может иметь собственные средства автоматизации профильной работы. По факту, финансовая компания является владельцем огромного массива рабочей информации различного характера из совершенно разных источников. При этом она еще и дублируется: например, данные об одном и том же клиенте в разном виде могут содержаться в информационных системах нескольких подразделений. Этот «паззл» необходимо уметь собирать воедино – тогда из него можно извлечь значительную выгоду. Цель – обеспечить наличие актуальной и полной информации о каждом клиенте и быстрый доступ к ней.

Информацию о каждом потребителе банковских услуг можно и нужно монетизировать. Для этого необходимо собрать данные о нем из всех внутренних организационных структур и, исходя из истории взаимоотношения, финансовой дисциплины и кредитной истории, заработной платы, подобрать подходящий банковский продукт, применить программы лояльности, например, снизить процентные ставки и т.

д. Индивидуальные предложения, сформированные на основе максимально полной информации о клиенте, «привязывают» клиента к банку, и в выигрыше остаются обе стороны.

Итак, задача работы с данными становится одной из ключевых. Получить их из внутренних и внешних источников (информационные ресурсы банка, открытые базы данных государственных информационных систем, соцсети, интернет и др.)  – первый шаг. Второй – организовать инфраструктуру, в которой данные будут правильно структурированы с возможностью быстрого поиска, а для этого потребуются высокопроизводительные программно-аппаратные решения.

С чего начать

Система аккумуляции всех возможных источников данных – это интеграционная платформа, которая соединяется с существующими базами данных, подключается к внешним источникам и обрабатывает все полученное по заданному алгоритму в интересах финансовой организации и конкретного конечного пользователя.

Можно ли внедрить систему самостоятельно, силами штатных сотрудников? Да, но 70-80% всех банков, приняв решение о проекте такого масштаба, пользуются услугами интеграторов, поскольку внутренних компетенций по работе с данными чаще всего не хватает или их нет совсем. Начните с того, что четко определите для себя, – что же нужно получить в итоге? Какая цель у проекта – найти новый клиентский сегмент, удержать текущих клиентов и т.д.?

Следующий вопрос – какие данные вы планируете использовать? Источники данных и схема их подключения отображаются в целевой функциональной архитектуре. Ключевой является совместная работа аналитика по работе с данными и представителя функционального заказчика. Результат проекта зависит от способности заказчика правильно и полно поставить задачу, а исполнителя – предложить эффективное решение, прежде всего в аспекте цена-качество. В Softline действует центр компетенций, специалисты которого умеют строить аналитические модели, анализировать требования заказчика, предлагать соответствующие решения, внедрять их, впоследствии обеспечивая техническую поддержку и сопровождение. Это полный цикл услуг по решению задач по работе с данными. Мы предлагаем как информационные системы бизнес-аналитики (классический BI), так и системы с возможностью предиктивного анализа (прогнозные). Среди наших партнеров – отечественные и зарубежные разработчики систем бизнес-аналитики.

Идти навстречу

Основная сложность в процессе реализации проекта связана с вопросами конфиденциальности данных: финансовые организации очень неохотно ими делятся, тщательно берегут. Поэтому важно доверительное отношение к компетенциям исполнителя со стороны заказчика и повышенная ответственность со стороны исполнителя.

Для успешного проекта очень важен именно административный ресурс и заинтересованность высшего менеджмента. Драйвером проектов подобного рода является именно руководящий состав организации. Изначально решение о монетизации данных, извлечении максимума выгоды практически всегда принимает высшее руководство. Проект по монетизации данных – трудоемкий, однако в результате он повышает эффективность компании в разы, увеличивает количество клиентов, как следствие, дает приток денежной массы.

Система бизнес-аналитики для контроля баланса

Заказчик: высшее руководство одного из крупнейших российских банков.

Срок реализации: 4 месяца.

Проект: для расчета баланса у банка уже есть собственная система, предоставляющая конкретные значения на заданный момент. Система, внедренная Softline, сводит показатели из формулы расчета (например, коэффициенты по снятию наличных, по приходу, количеству клиентов) в систему бизнес-аналитики и оценивает величину каждого из показателей. Получать результаты можно оперативно, в различных вариантах отображения, в том числе на мобильных устройствах. Есть настройки ограничения доступа для разных специалистов.

Аналитика для клиентов

Заказчик: дочерняя организация одного из крупнейших российских банков; отвечает за программу лояльности.

Решение: консалтинговый проект по работе с системой Qlik.

Проект: Softline совместно с интегратором-партнером разрабатывает систему, встроенную в клиентский портал. Она будет позволять физическим лицам получать отчетность по параметрам программы лояльности (баллам, доступным предложениям, акциям, истории взаимоотношений) в личном кабинете на портале. Отличный пример заботы о клиентах!

Автор: Дмитрий Юровский Руководитель направления по работе с финансовыми организациями Департамента бизнес-решений Softline

 

Монетизация данных | Бизнес-модели больших данных

Опубликовано: 2021-09-19

Мы живем в эпоху, когда ваш холодильник не только напоминает вам, что у вас закончилось масло, но и заказывает его на онлайн-рынке. Где компании знают, куда вы направитесь, еще до того, как выйдете из дома. Где мир знает, что вы планируете купить, сколько вы ходите пешком и какие напитки предпочитаете. Где политики отслеживают вашу демографию, интересы, предпочтения и другие действия в сети и офлайн и используют эти данные для разработки и реализации индивидуальных маркетинговых стратегий.

Данные управляют экономикой 21 века. Ваши данные питают такие технологические гиганты, как Google, Facebook, Amazon и Twitter. Чем больше вы пользуетесь Интернетом, тем больше шансов, что на вас повлияют какие-либо действия, потому что кто-то где-то использует ваши данные для разработки маркетинговых стратегий, ориентированных именно на вас.

1 Бизнес-модель больших данных

2 Монетизация данных

3 Четыре типа бизнес-моделей больших данных

3.1 Принятие решений на основе данных (пользователи данных)

3.2 Посредничество данных (поставщики данных)

3.3 Рекламные посредники (сети доставки)

3.4 Аналитика данных (фасилитаторы данных)

3.5 Инструменты данных (фасилитаторы данных)

Бизнес-модель больших данных

В последних новостях данные пользователей Facebook о 50 миллионах пользователей были извлечены Cambridge Analytica (CA), аналитической фирмой, которая работала с предвыборной кампанией Дональда Трампа и использовалась, чтобы повлиять на людей, чтобы они проголосовали за Дональда Трампа. Судя по всему, это не было взломом, и Facebook (и вы) согласились с тем, чтобы они имели доступ к вашим данным и данным ваших друзей. Еще одна новость: Facebook также имеет доступ к журналам ваших звонков и SMS.

Заинтригованы?

Даже вся бизнес-модель Twitter основана на данных о продажах. Google отслеживает ваши действия в Интернете и использует их, чтобы предоставлять вам лучшие результаты поиска, рекомендации по подключению и лучшую рекламу. Видя то, что он отслеживает, он может знать вас лучше, чем вы сами.

Но как компании зарабатывают на ваших данных? Это просто реклама или к ней привязаны еще какие-то условия? Давайте разберемся.

Монетизация данных

Согласно исследованию, инвестиции в большие данные составят около 76 миллиардов долларов, а 1,7 МБ данных будет создаваться каждую секунду для каждого человека на Земле в 2020 году.

Благодаря Интернету вещей у нас уже есть умная обувь, одежда, холодильники, стиральные машины и, не забывайте, смартфоны. Все эти устройства подключены к Интернету и постоянно отправляют данные об использовании на серверы компании или в облако. Компании также отслеживают ваши действия в Интернете, такие как веб-сайты, которые вы посещаете, люди, с которыми вы общаетесь, приложения, которые вы используете, что вы покупаете в Интернете, что вы хотите купить и т. Д.

Они монетизируют эти данные, предоставляя вам персонализированные услуги, продавая их, предоставляя инструменты для их хранения или продажи или используя их в качестве сети доставки рекламы.

Четыре типа бизнес-моделей больших данных

Бизнес-модели большинства стартапов сегодня считаются образцом для больших данных. Но важно отметить, что не каждая бизнес-модель, основанная на данных, предполагает прямую монетизацию данных для получения дохода. Скорее, большинство предприятий не просто собирают, хранят и продают данные, но и используют данные внутри компании, чтобы формировать более эффективные и действенные бизнес-стратегии, принимать более обоснованные решения и совершенствовать свои бизнес-процессы и модели, что в конечном итоге приведет к увеличению прибыли.

Для таких компаний, как Fitbit, основной бизнес-целью является увеличение продаж своего оборудования. Однако на заднем плане компания использует данные, собранные с устройств своих пользователей, для разработки продуктов с лучшими функциями для сохранения и увеличения своей доли на рынке.

Вам не интересно, почему у Facebook или Google нет достойного конкурента? Потому что ни один другой бизнес не имеет доступа к таким огромным данным, чтобы обеспечить персонализацию, к которой эти компании уже привыкли.

Бизнес-модели больших данных можно разделить на четыре типа:

• Пользователи данных: компании, которые используют данные для формирования стратегий и создания лучших продуктов.
• Поставщики данных: компании, которые в основном участвуют в торговле данными.
• Сети доставки: компании с рекламной бизнес-моделью.
• Координаторы данных: компании, занимающиеся предоставлением инфраструктуры данных, аналитикой и консультированием.

Принятие решений на основе данных (пользователи данных)

Предположим, у вас есть обувная компания. Разве не было бы полезно, если бы вы узнали, что сегмент вашего целевого рынка предпочитает покупать кроссовки в июне? Разве не было бы более полезным, если бы вы узнали, что этот сегмент относится к возрастной группе 16–21 лет, предпочитаете дорожные кроссовки бегу по пересеченной местности, можете позволить себе потратить 100 долларов и любите синий и красный цвет?

Не всегда нужно продавать данные, чтобы зарабатывать на них деньги. Благодаря постоянно растущей популярности Интернета, установка небольшого чипа на каждый продукт и отслеживание использования и других деталей теперь проще, чем когда-либо. Это не означает, что компании прислушиваются к вашим личным разговорам или отслеживают все, что вы делаете. Они просто отслеживают данные, которые, по их мнению, полезны для их бизнеса. Однако данные могут варьироваться от использования вашего продукта, интересов и предпочтений, активности в Интернете до интересов ваших друзей, а также ваших SMS и журналов вызовов.

Эти собранные данные используются для микропрофилирования целевого рынка на основе определенных демографических, географических, поведенческих и психографических стандартов, которые в дальнейшем используются отделом исследований и разработок для улучшения существующих продуктов и услуг, разработки новых более совершенных продуктов и услуг, и формировать эффективные маркетинговые коммуникационные стратегии.

Посредничество данных (поставщики данных)

Одна из самых традиционных бизнес-моделей, основанных на данных, — это модель, в которой данные обрабатываются так же, как и любой другой продукт. Несколько известных компаний по исследованию рынка, такие как Nielsen, Westat, Statista и др., Занимаются сбором и продажей первичных и вторичных данных.

Бизнес-модель таких компаний основана на предоставлении исследовательских данных в различных форматах в зависимости от требований клиентов. Методология сбора данных отличается для разных компаний. Некоторые проводят первичные исследования в указанных областях с использованием панелей аудитории, некоторые покупают данные у других компаний, таких как Twitter, Bloomberg (который также является брокером данных) и других создателей контента.

Брокерские услуги существовали задолго до появления Интернета. Возросшая конкуренция и требование предоставить больше персонализации привели только к увеличению требований к таким брокерам данных, поскольку они предоставляют данные не только о 51% населения, подключенного к Интернету, но и о тех, которых до сих пор не было.

Крупные онлайн-площадки, такие как Amazon, могут использовать такие данные, чтобы узнать больше о том, почему целевая аудитория не решается совершать сделки в Интернете и что можно сделать, чтобы заставить их изменить свои привычки и т. Д.

Рекламные посредники (сети доставки)

Facebook с самого начала отличался от целевой рекламной сети, в которой рекламодатели могли ориентироваться на пользователей на основе их демографических, географических, психографических и поведенческих характеристик. Google отслеживает онлайн-активность пользователя и предоставляет рекламодателям возможность ориентироваться на людей, которые соответствуют определенным критериям.

Сети доставки являются агрегаторами данных. Они позволяют своим клиентам использовать агрегированные данные, чтобы сделать свою рекламу более целевой. У них достаточно данных, чтобы отделить гитаристов от пианистов и настроить таргетинг рекламы в соответствии с их бюджетом, потребностями, интересами и желаниями.

Чем больше данных собирает рекламный посредник, тем больше он получает платежеспособных клиентов.

Аналитика данных (фасилитаторы данных)

Аналитика данных — это процесс анализа наборов данных, чтобы сделать выводы о содержащейся в них информации. Не каждая компания может анализировать данные самостоятельно, но миллионы из них используют аналитику данных, чтобы принимать более обоснованные бизнес-решения и повышать эффективность своих усилий.

Компании ищут ответы больше, чем данные. Это требование привело к созданию множества новых предприятий с единственной целью — предоставлять услуги по анализу данных и консультированию.

Примеры таких компаний включают Experian, которая использует огромные массивы данных и предоставляет потребительские кредитные рейтинги, CBIG Consulting, которая предоставляет бизнес-аналитику, аналитику больших данных и консалтинговые услуги по хранилищам данных, и многие другие.

Инструменты обработки данных (фасилитаторы данных)

Для любой компании, основной задачей которой не является сбор данных, сложно хранить такие постоянно растущие данные. Это привело к формированию другой бизнес-модели, которая фокусируется на предоставлении инструментов для сбора и обработки данных, таких как носители, серверы и рабочие станции, сканеры, программное обеспечение для сбора, анализа и визуализации данных, программное обеспечение для управления базами данных, технологии и программное обеспечение шифрования, технологии защиты данных, и многие другие аппаратные и программные средства, связанные с данными.

IPONWEB, Google Cloud, AWS и т. Д. — вот некоторые примеры инструментов для работы с данными.

Давай, расскажи нам, что ты думаешь!

Мы что-то упустили? Ну давай же! Расскажите, что вы думаете о нашей статье о монетизации данных | Бизнес-модели больших данных в разделе комментариев.

5 ключевых аспектов монетизации данных

Данные становятся одним из наиболее важных бизнес-активов. Руководители задаются вопросом, как монетизировать накапливаемую информацию. Само по себе наличие больших массивов данных не имеет значения, если не будет использовано для получения конкурентного преимущества.

Ниже приведены пять ключевых шагов для монетизации данных компании.

1. Модель процесса принятия решений

Разбирая аналитические данные, многие организации задумываются над следующими аспектами:

• как работает их бизнес;
• какую информацию необходимо собирать для того, чтобы наиболее точно ответить на этот вопрос.

Такой подход поддерживает информированность и описывает то, что происходит в организации, однако он не находит отражения в активных действиях. Напротив, руководители должны стремиться к тому, чтобы отразить модель решения конкретной бизнес-задачи и создать аналитические возможности для разработки диагностики, которая позволит принимать решения и активно действовать.

Проще говоря, руководители должны сосредоточиться на решениях, полученных на основании анализа собранных данных, а не просто задавать вопросы по имеющимся данным. Это фундаментальное изменение того, как большинство организаций трактуют аналитику. Оно является ключевым компонентом повышения зрелости компании на кривой устойчивого аналитического развития.

2. Стратегия монетизации

Разрабатывайте стратегии монетизации и относитесь к ним как к ценным корпоративным активам. Подобно тому, как организация может разрабатывать КПЭ (ключевой показатель эффективности) для управления и понимания эффективности ведения бизнеса, стратегии монетизации, подпитывающие информационные корпоративные активы, предоставляющие конкурентные преимущества, должны постоянно совершенствоваться. Вся сила стратегии монетизации выражается в возможности принятия хорошего решения и трансформации его в превосходное решение.

Стратегия монетизации – это план достижения одной или нескольких бизнес-целей посредством тактических приемов или организации таких мероприятий, которые приносят ощутимую выгоду. Их нужно разрабатывать на основании модели принятия решений и связывать с корпоративными рычагами бизнеса, которые согласовывают стратегические цели.

3. Теория данных и принятия решений

Для приведения в действие стратегии монетизации стоит прибегнуть к науке о данных и к теории принятия решений.

Наука о данных помогает получить такое понимание (на основании собранных данных), которое укажет на решение конкретной задачи или возможности в бизнесе. Иными словами, наука о данных помогает превратить информацию в реализуемые на практике идеи.

Теория принятия решений структурирует процесс принятия решений с целью направления человека к правильному выбору. Данная теория, наряду с поведенческой экономикой, ориентирована на понимание компонентов процесса принятия решений с целью обоснования выбора. Она предоставляет систематический подход к рассмотрению компромиссов между атрибутами (аспектами), которые способствуют принятию более правильного решения.

4. Аналитическая структура

Данные – источник жизненных сил любой аналитической задачи. Они представляют собой одну из самых больших проблем. Как правило, поиск источников, организация и сбор данных отнимают много времени при построении аналитического решения. При сборе наборов данных для аналитических исследований ключевое значение приобретает качество данных. Если они отсутствуют, неверны или противоречивы, то результаты анализа будут неочевидны или неправильны.

После сбора и организации данных важно определить правильную аналитическую структуру для повышения производительности, целостности и масштабируемости стратегии монетизации.

5. Повторяемость и масштабируемость

Построение одноразовых аналитических решений – норма для корпоративной Америки. Время тратится на решение сложных проблем с целью нахождения возможности получения прибыли, только чтобы отложить примененную аналитику и никогда не прибегать к ней снова. Руководители должны стремиться к разработке таких стратегий монетизации, которые можно автоматизировать, повторять и масштабировать в рамках всей организации. Подобный подход приведет к появлению такой аналитики, которой смогут воспользоваться другие отделы, не выстраивая своего собственного видения.

Эти пять ключевых компонентов позволят разработать стратегии монетизации и аналитические решения, которые помогут менеджерам и руководителям ориентироваться в огромных объемах данных и принимать решения, обеспечивающие доход. Благодаря построению возможностей вокруг каждого из этих пяти аспектов организация извлечет ценность из собранных данных и выработает такие аналитические решения, дающие ей конкурентные преимущества.

Станет ли монетизация пользовательских данных трендом 2019? / Хабр

В 2018 году монетизация данных стала модным словом в индустрии приложений.

Чтобы получать прибыль с приложения, важно знать все неочевидные способы его монетизации и максимально использовать самые эффективные из них. Монетизация пользовательских данных выгодна тогда, когда знаешь правила игры и все подводные камни.

В этой статье мы разобрались в том, сможет ли монетизация пользовательских данных стать постоянным источником дохода для разработчиков.

В 2018 году траты пользователей в приложениях превысили 76 миллиардов долларов. Это на 20% больше, чем в 2017 году. Стремительно растущее количество пользователей мобильных приложений привлекает в них еще больше рекламодателей:

Обзор самых прибыльных приложений за 2018 год показал, что мобильные игры остаются лидерами по внутриигровым покупкам. А гиганты типа Netflix, Tinder и Spotify все еще держат свои позиции на высоком уровне. Но поскольку число владельцев смартфонов увеличивается с каждым годом, у небольших приложений все еще есть возможность получить свою долю прибыли.

В эпоху данных информация о пользователях может помочь найти инсайты, которые компании могут превратить в миллионы долларов дохода. Вот почему многие компании рады платить за качественные неперсональные данные и улучшать свои продукты или услуги. Поэтому, если вы запускаете мобильную игру или утилиту — у вас есть все возможности для увеличения ежемесячного дохода с помощью монетизации данных.

Монетизация приложений с помощью пользовательских данных — это процесс, который включает сбор и передачу анонимных пользовательских данных из приложений дата коллекторам.

Неперсональные данные, которые собирают дата коллекторы, включают:

Любая личная информация о пользователях, например имя, возраст, пол, интересы и доход не передается третьим сторонам.

Данные о пользователях обычно нужны рекламодателям, телекоммуникационным компаниям, исследовательским институтам, маркетологам брендов и т.д. Качественные данные о пользователях смартфонов позволяют анализировать и моделировать поведение существующих и потенциальных клиентов. Монетизация данных чем-то похожа на рекламную медиацию: чем больше дата коллекторов у вас в одном SDK, тем выше доход приложения при монетизации этих данных.

Чтобы монетизация данных проходила корректно, без нарушений GDPR и законов здравого смысла, можно сотрудничать с компаниями-посредниками. Фактически, вам нужен только один хороший посредник, который обеспечивал бы эффективную монетизацию данных приложения.

Посредниками являются компании, которые заключили контракты с десятками проверенных рекламодателей и исследовательских центров, знают, какие данные тем нужны и готовы предоставлять агрегированные (а значит более точные) данные сразу с нескольких десятков приложений.

Добавив SDK посредника в приложение, можно монетизировать больший процент пользовательских данных и сэкономить время на поиске компаний, которые могут купить данные напрямую (спойлер — их критически мало: многие просто не хотят работать с единичными приложениями).

6 вещей, которые нужно знать перед запуском монетизации пользовательских данных

Монетизировать пользовательские данные легко — этот способ считают одним из самых простых способов пассивного дохода мобильного приложения. Тем не менее, есть несколько важных этапов подготовки приложения перед стартом монетизации. Эти советы помогут вам все сделать правильно:

• Поскольку монетизация предполагает передачу анонимных неперсональных данных (если это не Cambridge analytica и иже с ними), дата коллекторы обычно стремятся купить их оптом и побольше. Идеальное количество юзеров для монетизации данных — не менее 70 000 DAU, иначе есть шанс получить низкий доход. Неплохой калькулятор прибыли есть у Appgrow и Mobiburn, но лучше тестировать — все сильно зависит от типа пользовательских разрешений, гео и других факторов.
• При работе с дата коллектором убедитесь, что ему действительно нужна ваша аудитория. Например, 80% ваших пользователей — из Таиланда. Крайне важно найти посредника, который заинтересован в тайской аудитории и заплатит хорошую цену за пользователя.
• Обращайте внимание на то, сколько весит SDK по монетизации данных, возможность полного управления и сайт посредника — обычно все сайты-пустышки наспех сделаны на вордпрессе, с твиттером типа такого:

• Монетизация пользовательских данных безопасна для пользователей, поскольку вы полностью ей управляете. При добавлении SDK монетизации данных в приложение включайте только те параметры, которые безопасно передавать. Чем больше параметров вы откроете для сбора, тем больше заработаете.
• Убедитесь на 100%, что передаваемые вами данные пользователя не нарушают политику GDPR.
• ВСЕГДА спрашивайте согласие пользователей перед сбором их данных. Убедитесь, что пользователи дают однозначное согласие на сбор данных до начала использования приложения.

Как работает монетизация данных?

Весь процесс монетизации данных может быть настроен за несколько часов. Настройка монетизации пользовательских данных состоит из трех простых действий:

1. Добавьте разрешения к коду вашего приложения

Пример кода разрешения, который вы можете использовать при предоставлении доступа к данным о состоянии сети:

Эти разрешения позволят дата коллекторам получать неперсональные данные о пользователях приложения. Они могут получить доступ только к данным, указанным в коде разрешения.

2. Добавьте SDK по монетизации данных, предоставленный дата коллектором, в приложение.

3. Подготовьте пользовательское соглашение и вставьте его в код приложения.

После загрузки SDK на Android согласие пользователя будет выглядеть так:

После завершения этого процесса монетизация данных больше не потребует вашего внимания. Как только пользователь согласится на передачу неперсональных данных, вы начнете зарабатывать.

Почему монетизация данных может стать ‘the next big thing’

У монетизации пользовательских данных есть ряд преимуществ по сравнению с другими вариантами монетизации:

• Монетизация данных начинает приносить доход сразу после внедрения. Вам платят за тех же пользователей каждый месяц.
• В отличие от рекламы в приложении, монетизация данных не влияет на UX. Это происходит в фоновом режиме и не раздражает пользователей.
• Монетизация данных подходит для любой категории мобильных приложений.
• Это решение не требует постоянной оптимизации и внимания разработчика.
• Монетизация данных имеет один из самых высоких показателей CPM в отрасли. Поскольку конкуренция за качество данных не так велика, как в рекламе, цены за тысячу показов выше.
• SDK для монетизации данных не конкурирует с другими SDK. Следовательно, вы можете добавить его в свой код вместе с другими SDK и превратить его в дополнительный доход.
• Используя монетизацию данных, вы можете сосредоточиться на своей работе и зарабатывать деньги с помощью своего приложения.

Чтобы зарабатывать больше с помощью своего приложения, вы должны выйти за рамки стандартных стратегий монетизации приложений. Одним из неочевидных способов монетизации мобильных приложений является монетизация данных. В 2018 году монетизация данных зарекомендовала себя как устойчивый источник дохода для Android и iOS приложений, и вполне может стать новым трендом монетизации в 2019 году.

Внедрение GDPR, скандалы-интриги-расследования в Америке и единичные истории разработчиков поднимают вокруг монетизации пользовательских данных много хайпа. Как и с любым относительно новым методом монетизации, никаких других советов, кроме “тестировать на себе” быть не может. Главное — выбирать проверенного дата коллектора, играть по правилам и избегать любых крайностей в настройках доступа и степени монетизации.

Мы сейчас тестируем монетизацию данных, так что если здесь есть еще разработчики, которые пробовали этот вид монетизации, делитесь в комментах результатами и опытом работы с дата коллекторами.

Data-driven подход к информационной безопасности

Жесткая конкуренция в современном мире вынуждает компании искать все новые способы, позволяющие развивать бизнес в условиях усиливающихся трендов на повсеместную информатизацию и цифровизацию. Что такое Data-driven подход и как с его помощью можно монетизировать данные и использовать их как драйвер для развития компаний и повышения информационной безопасности.

 

 

 

 

1. Введение
2. Почему необходимо становиться Data-driven компанией?
3. Что такое Machine Learning?
4. Как применить технологии Machine Learning в бизнесе?
5. Практические примеры успешных проектов
6. Выводы

 

Введение

Одной из основных целей бизнеса является увеличение прибыли. Для достижения этой цели компании ставят перед собой различные задачи: для одной компании это увеличение среднего размера продажи в расчете на клиента, для другой — увеличение общего количества клиентов, а для третьей — повышение количества повторных покупок одним и тем же клиентом. Выполнение поставленных задач может позволить компании выйти на новый уровень бизнеса, однако встает главный вопрос — как решать подобные задачи в условиях жесткой конкуренции и повсеместной информатизации и цифровизации?

Одним из наиболее эффективных подходов к развитию бизнеса в указанных условиях является ориентированность компании на работу с данными — так называемый Data-driven подход, подразумевающий использование технологий машинного обучения (Machine Learning). В данной статье мы рассмотрим Data-driven подход, разберемся, что значит быть Data-driven компанией, дадим определение понятию Machine Learning и рассмотрим практический опыт и пользу, которую могут принести ориентированность на данные и машинное обучение практически в любой сфере бизнеса.

 

Рисунок 1. Этапы монетизации данных

 

Почему необходимо становиться Data-driven компанией?

Чтобы понять, почему необходимо становится Data-driven компанией, необходимо дать ответ на вопрос: «Что значит быть Data-driven компанией?» Руководство большинства компаний считает, что если их компания создает и использует в своей работе различные отчеты, то она является Data-driven компанией. Однако если взглянуть на работу с данными более комплексно, то в современном цифровом мире недостаточно обладать хорошо структурированными отчетами, содержащими полезную информацию. Зачастую подобные отчеты способны предоставить информацию о том, что на предыдущей неделе произошло снижение продаж, но при этом они не могут дать ответ на самые главные вопросы: «Почему это произошло, и какие меры необходимо предпринять?» Помимо этого, данный отчет, возможно, не достигнет своего адресата из-за недостаточно выстроенных бизнес-процессов и отсутствия конвейеров по сбору и обработке данных. Аналогичная ситуация наблюдается в большинстве компаний в отношении разрабатываемых KPI (Key Performance Indicators), представленных на дашбордах, основывающихся только на статистических данных.

Основное отличие Data-driven компании от любой другой — это умение использовать существующие данные для реализации предиктивной аналитики — аналитики, которая использует текущие данные для получения преимуществ в будущем. Data-driven компания способна реализовать аналитику, нацеленную на будущее, и регулярно давать ответы на такие вопросы, как: «Какие причины привели к данному событию?», «Какие меры необходимо предпринять для решения возникшей проблемы?», «Какой прогноз мы можем построить на основе имеющихся данных?» Таким образом, только дата-ориентированные организации способны монетизировать данные — извлекать и повышать прибыль бизнеса за счет применения практик по анализу данных. За счет этого данные становятся не просто отчетами и визуализациями, а реальным инструментом по построению системы поддержки принятия решений и увеличения прибыли компании.

 

Что такое Machine Learning?

Для внедрения в компании Data-driven подхода необходимо во многом изменить существующие процессы, а также разобраться в основных технологиях такого подхода. Machine Learning является ключевой технологией, внедрение которой позволяет существенно ускорить выстраивание процессов, присущих Data-driven компании. В связи с этим необходимо понять, чем же в конечном итоге является Machine Learning. Machine Learning — это достаточно объемный подраздел науки о данных, который занимается изучением техник и методов построения математических алгоритмов, решающих задачи предиктивной аналитики. В машинном обучении выделяют три основных типа указанных задач:

1. Задача регрессии: тип задач машинного обучения, результатом которой является некоторое действительное число или числовой вектор.
2. Задача классификации: тип задач машинного обучения, результатом которой является метка класса из некоторого конечного множества допустимых ответов. Частный случай подобной задачи — это задача бинарной классификации, где множество допустимых ответов состоит из двух меток классов.
3. Задача кластеризации: тип задач машинного обучения, результатом которой является группировка объектов в кластеры, используя данные о попарном сходстве объектов.

 

Как применить технологии Machine Learning в бизнесе?

Разобравшись с идеологией подхода Data-driven и определением понятия Machine Learning, необходимо понять, как выстроить процессы, направленные на дата-ориентированность, и интегрировать методы и технологии Machine Learning. Ключевым и самым важным моментом является наличие самих данных. Современная компания должна уметь находить необходимые данные, осуществлять правильный сбор, обработку и их анализ. Отсюда вытекает главная задача, которая стоит перед потенциальной Data-driven-компанией, — данные необходимо собирать на постоянной основе, обеспечивать к ним соответствующий доступ и использовать их для предиктивной аналитики и real-time-мониторинга. Помимо этого, используемые данные должны обладать свойствами взаимосвязанности, доступности, полноты и точности, и это далеко не полный список.

 

Рисунок 2. Схема сбора, обработки и анализа данных

 

Указанная выше задача порождает перед компанией следующий барьер — отсутствие профильных специалистов, которые бы занимались работой с данными, начиная их сбором и заканчивая построением высокоуровневой аналитики. Команда специалистов по работе с данными в базовом варианте имеет следующий состав: Data Engineer, занимающийся сбором и обработкой данных, Data Scientist, отвечающий за создание математических моделей, использующих методы Machine Learning, и Business Analyst, решающий задачи по непосредственному анализу подготовленных данных с доменными знаниями в определенной области. Кроме этого, команде нужен Data Lead, который может организовать необходимые процессы по работе с данными и выстроить культуру, основная идея которой — это высочайшая ценность данных как ресурса развития компании и достижения ее стратегических целей.

 

Рисунок 3. Основные роли в команде специалистов по работе с данными

 

Практические примеры успешных проектов

В теории все, что связанно с машинным обучением и работой с данными, выглядит очень многообещающе, но как обстоят дела на практике? Рассмотрим ряд успешно реализованных дата-ориентированных бизнес-кейсов в крупных компаниях в информационной безопасности и не только.

Российская крупная площадка по бронированию отелей реализовала успешный кейс, который заключался в «умной» сортировке отелей. У отелей есть большое количество характеристик, на основе которых клиент делает свой выбор: цена, рейтинг, количество положительных отзывов и так далее. Используя данные показатели и внутреннюю финансовую отчетность, удалось провести продвинутую сортировку отелей по пользователям, которые ранее были сегментированы. По итогам проекта был зафиксирован рост выручки, конверсии и значения среднего чека.

Международная розничная сеть супермаркетов реализовала бизнес-кейс по определению подозрительных случаев при отмене и уменьшении суммы чека. Персонал магазина при наличной оплате может отменить позицию в чеке, провести свою бонусную карту, отменить чек и забрать денежные средства себе. С камер наблюдения распознаются деньги при передаче их кассиру, после чего анализируются паттерны с целью поиска подозрительных случаев. После этого ответственным сотрудникам приходит отчет по всем подозрительным ситуациям. В результате это позволило полностью искоренить подобный вид мошенничества.

В российской розничной сети супермаркетов в течение трех лет количество розничных точек продаж практически удвоилось. После внедрения геоинформационной системы компания стала открывать новые точки продаж существенно чаще и эффективнее. Для разработки этой системы организация закупила базы данных по домохозяйствам (количество жителей конкретных населенных пунктов, их доходы, проходимость торговых точек), наличию конкурирующих магазинов, собрала информацию по всем объектам недвижимости, которые она когда-либо оценивала, а также учла расходы и доходы собственных магазинов. Все это в совокупности позволило оптимизировать операционную деятельность и существенно повысить эффективность вновь открываемых точек продаж.

Крупный зарубежный банк успешно реализовал кейс в сфере информационной безопасности, который заключался в продвинутом детектировании DGA-доменов, распространяющих вредоносный код и сгенерированных с помощью специального алгоритма. Для решения кейса была сформулирована задача классификации доменов на легитимные и зловредные. Была сформирована выборка, в которой присутствовали легитимные и зловредные домены, а также сопутствующая информация о них. После этого выборка была разбита на обучающую и тестовую, с последующим построением множества N-грамм, являющихся подстрокой соответствующего домена. Далее каждой N-грамме был присвоен свой коэффициент, соответствующий степени легитимности N-граммы. Решение задачи позволило успешно детектировать атаки, использующие DGA-домены, и повысить общую защищенность организации.

 

Выводы

В современном мире, где потоки данных возрастают с каждым днем, любой компании необходимо не просто научиться их обрабатывать и хранить, но извлекать из них реальную пользу.

Становление Data-driven компании — сложный и комплексный процесс, требующий вовлеченности всех сотрудников компании и выстраивания культуры ценности данных. Грамотное бизнес-ориентированное использование данных позволяет компании повышать свои финансовые показатели и достигать комплексных долгосрочных стратегических целей. В конечном счете, дата-ориентированный подход становится мощным инструментом по монетизации данных и извлечению из них реальной выгоды.

Монетизация данных — все, что вам нужно знать

Монетизация данных: определение

Монетизация данных — это процесс использования данных для увеличения дохода. По данным McKinsey & Co.

, наиболее эффективные и быстрорастущие компании внедрили монетизацию данных и сделали ее важной частью своей стратегии.

Прямая монетизация данных предполагает продажу прямого доступа к вашим данным третьим лицам. Вы можете продавать его в сыром виде или можете продавать в форме, уже преобразованной в анализ и идеи. Типичными примерами могут служить списки контактов с потенциальными бизнес-перспективами или выводы, которые влияют на отрасли и бизнес покупателей.

Непрямая монетизация данных — вот где все становится интересно. Во-первых, оптимизация на основе данных. Это включает в себя анализ ваших данных, чтобы выявить идеи, которые могут улучшить эффективность бизнеса вашей организации. Данные могут определить, как привлечь клиентов, и понять их поведение, чтобы вы могли стимулировать продажи. Данные также могут показать, где и как можно сэкономить, избежать рисков и оптимизировать операции.

Во-вторых, существуют бизнес-модели, основанные на данных, в которых вы используете свои данные, чтобы открывать новые возможности для бизнеса и клиентов. Вы можете встроить аналитику в свои продукты или услуги, что даст преимущества вам и вашим клиентам. Клиенты получают выгоду от прямого доступа к аналитике использования и другим данным, генерируемым каждым продуктом, который они уже используют. Вы получаете выгоду, предлагая это как добавочную стоимость или как новый уровень обслуживания, поощряя лояльность клиентов. В свою очередь, вы лучше понимаете, как ваши клиенты используют ваши продукты.

Без правильных стратегий монетизации данных вы рискуете упустить важные идеи, которые могут улучшить ваш бизнес. Имея необходимые стратегии, вы хорошо подготовлены, чтобы усилить свои конкурентные преимущества.

Вот обзор преимуществ монетизации данных, основных методов монетизации данных и того, какие атрибуты вам следует искать в платформе бизнес-аналитики и аналитики, чтобы поддерживать лучший инструмент монетизации данных.

новых потоков создания ценности, которые вам нужны прямо сейчас

Гетти

В связи с тем, что традиционные потоки доходов от бизнеса иссякают или находятся в долгосрочной опасности из-за экономического кризиса, вызванного пандемией, организациям необходимо определить новые источники ценности, например, из-за избытка имеющихся данных. Правильное решение этой задачи — задача, с которой, в частности, должны справиться ИТ-директора и директора по данным (CDO).

Монетизация данных о гораздо большем, чем простая продажа. Данные обладают экономическими свойствами, которые позволяют использовать их так, как не могут другие активы, особенно нефть, с которыми их часто ошибочно сравнивают. Данные могут использоваться одновременно для нескольких целей. Это то, что экономисты называют неконкурентным, неистощаемым и восстанавливаемым активом. Когда вы потребляете данные, они не расходуются, а когда вы их используете, они часто генерируют еще больше данных.Более того, информационные активы имеют относительно низкие затраты на хранение запасов и транзитные расходы по сравнению с другими активами, что делает их монетизацию высокоприбыльным предприятием.

Компаниям следует монетизировать данные всеми способами, с помощью которых они могут генерировать измеримую экономическую ценность, как внутри компании, так и за ее пределами. Благодаря своей многосторонней природе данные могут принимать бесконечное количество форм и, следовательно, монетизироваться бесконечными способами.

Методы монетизации данных

Методы монетизации данных подразделяются на две большие группы: прямая и косвенная монетизация.Благодаря прямой монетизации данные генерируют явно относимую экономическую выгоду. При косвенной монетизации данные более косвенно способствуют получению экономической выгоды. Прямая монетизация данных обычно осуществляется в форме транзакции, тогда как косвенная монетизация данных затрагивает один или несколько ваших собственных бизнес-процессов. Косвенные методы монетизации данных включают в себя многие методы, которые ваша организация уже использует, например:

• Выявление или сокращение расходов, таких как мошенничество или расточительство;
• Снижение рисков и повышение безопасности;
• Оптимизация цепочек поставок или других процессов;
• Улучшение обслуживания клиентов;
• Выявление новых потенциальных клиентов или рынков сбыта; и
• Укрепление деловых партнерских отношений или лояльность клиентов.

Однако, если вы не измеряете влияние данных на эти внутренние преимущества, может быть сложно утверждать, что вы монетизируете .

Прямые методы монетизации данных менее распространены и слишком часто игнорируются. Различные исследования, проведенные Gartner, Forrester, McKinsey, Центром исследований информационных систем Массачусетского технологического института и другими, показывают, что только около одной трети компаний сегодня даже начали пытаться извлекать внешние выгоды из имеющихся данных.Эти различные формы прямой монетизации данных включают следующее:

Лицензионные данные или информация для других

Самый очевидный метод монетизации данных — это их продажа или, скорее, лицензионные права на них, а не обмен на единоличное хранение данных. Немногие организации в достаточной степени настроены для того, чтобы предлагать данные в качестве продукта или услуги в дополнение к своим традиционным продуктам или услугам. Именно здесь появляются рынки данных или биржи, такие как Dawex, The Data Exchange, Demyst, EagleAlpha, Quandl или растущее число отраслевых агрегаторов данных.Они занимаются маркетингом, продажами, обменом образцами данных и доступом к наборам данных или API, а также транзакциями лицензирования.

Однако зачастую потребители так называемых «внешних» или «альтернативных» данных на самом деле не хотят исходных данных; им нужна информация, в том числе специфическая для их бизнеса, например контрольные показатели или рекомендации. Таким образом, данные (или контент) монетизируются различными отраслевыми исследовательскими организациями, такими как ACNielsen, IHS-Market и Gartner.

Однако в некоторых случаях организациям требуются решения, в которых чужие данные интегрируются с их собственными данными или в их собственные приложения.Здесь консультанты, специализирующиеся на решениях для монетизации данных, могут помочь ИТ-директорам и директорам по CDO.

Бартер или торговля с данными

Обмен данными в обмен на товары и услуги более распространен, чем вы можете себе представить. Рассмотрим транзакцию в продуктовом магазине, в которой вы сканируете свою карту постоянного клиента. Вы получаете так называемую «скидку». Но что происходит на самом деле? Вы обмениваетесь данными о себе и о том, что находится в вашей корзине, в обмен на бесплатную еду.

Аналогичные возможности имеются в большом количестве в мире B2B, где можно согласовывать скидки или выгодные условия контрактов в обмен на обмен информацией о продажах, прогнозах или поставках.Более того, ликвидность и заметность денег в регулирующей отчетности могут сделать данные предпочтительной формой валюты. Подсказка: полученные скидки не облагаются налогом как доход, в отличие от данных о продажах.

Расширение существующих продуктов или услуг с помощью данных

Данные и аналитические данные не нужно продавать или обменивать напрямую. Иногда вместо этого объединение данных или аналитики в один из ваших существующих продуктов или услуг может повысить их конкурентоспособность, преимущества и ценовую надбавку. Например, инструмент прогнозирования, который имеет доступ к внешним наборам данных, таким как открытые данные, синдицированные данные, потоки социальных сетей и веб-контент, и может автоматически генерировать ведущие показатели эффективности бизнеса, будет отличаться от автономных «глупых» инструментов прогнозирования. которые учитывают только собственную историю транзакций компании.

Еще один хороший пример — автомобильные компоненты с поддержкой IoT, которые постоянно интегрируют данные, полученные от других автомобилей и водителей, и которые могут настраивать свои собственные характеристики и / или продлевать срок их службы.

Оцифровка существующих продуктов или услуг

Вместо того, чтобы просто наполнять существующие продукты или услуги данными, сделайте еще один шаг и полностью оцифруйте их. Например, Kaiser Permanente внедрила безопасный обмен сообщениями, обмен изображениями, видеоконсультации и мобильные приложения, и теперь в некоторых регионах число виртуальных визитов к пациентам превышает количество личных визитов к врачу. Кроме того, он может быстрее, чем когда-либо, привлекать пациентов к специалистам, и 90 процентов врачей говорят, что цифровизация позволила им оказывать более качественную помощь своим пациентам.Решения оцифровки часто требуют полной модернизации продуктов, услуг, процессов и способов взаимодействия с клиентами для интеграции и использования данных.

Монетизация инвертированных данных

В свете положений о конфиденциальности, таких как GDPR, CCPA и HIPAA, многие руководители бизнеса, ИТ-руководители и общие советники ошибочно утверждают, что их данные клиентов не могут быть монетизированы. Такой однонаправленный взгляд на поток данных ограничивает. Хотя вы не сможете делиться своими данными о клиентах с другими, нет никаких ограничений на обмен информацией о других продуктах и ​​услугах с вашими клиентами за вознаграждение или комиссию.

Изучите свою расширенную бизнес-экосистему, чтобы определить решения, которые могут понадобиться вашим клиентам. Например, больница может предложить своим пациентам с диабетом наборы для измерения уровня глюкозы в домашних условиях, планы здорового питания или планы физических упражнений. Или банк, который знает покупки, образ жизни, демографические данные и финансовое положение своих клиентов, может направить своих клиентов к конкретным страховым продуктам или нефинансовым услугам, которые соответствуют их профилю.

Действительно, прямая монетизация данных требует большего, чем просто проект внутренней аналитики.Скорее, его следует рассматривать как новую линейку продуктов с полной функцией управления продуктами и специальными функциями маркетинга, продаж и поддержки. Выгоды могут быть реальными и значительными, например, от компании, работающей в сфере здравоохранения, которая недавно определила 100 миллионов долларов новой прямой выгоды от инициативы по монетизации данных в размере 3 миллионов долларов. Это было из данных, которые они уже собирали и использовали только для основных внутренних оперативных целей, а затем для архивирования.

Есть разные варианты монетизации данных.Многие ведущие компании в своем секторе одновременно исследуют и внедряют несколько методов. Однако требуется существенная степень пробуждения лидерства. Как отмечает вице-президент Cardinal Health и глобальный руководитель отдела данных, Ранджана Янг: «Как только бизнес-лидеры компании осознают, что мусор одной компании является сокровищем другой компании, начинают материализоваться новые потоки создания ценности, основанные на данных».

Монетизация данных — это не продажа ваших данных

Большинство людей неправильно представляют монетизацию данных.Многие из них считают, что это означает лишь продажу своих данных. Это не так.

Чтобы прояснить ситуацию, вот три вещи, которые, я думаю, каждый должен знать о монетизации данных:

1. Монетизация данных ГОРЯЧАЯ, ГОРЯЧА, ГОРЯЧА (но так неправильно понята)

Все хотят поговорить о монетизации данных. Это горячо, и это дает фантастические возможности практически для любого вида бизнеса.

Ранее в этом году меня попросили выступить на Саммите руководителей по данным и аналитике.Аудитория проголосовала за эту тему, и однозначный консенсус состоял в монетизации данных. Но когда я на самом деле спросил комнату: «Кто монетизирует свои данные», я думаю, что поднялась одна рука.

Ни разу со времен «больших данных» в 2013 году не было столько ажиотажа вокруг модного слова, которое так мало людей действительно понимают.

2. Монетизация данных — это не только их продажа

Сейчас много разговоров о монетизации данных звучит так: «Как я могу продать свои данные?» Но это лишь очень небольшая часть более широких возможностей.Монетизация данных — это не просто их продажа.

Компаниям следует рассматривать свои данные как стратегический актив, а не просто товар, который нужно покупать и продавать.

В конечном счете, монетизация данных — это превращение существующих данных в прибыль. Один из способов сделать это — продать свои данные. Но есть много других способов использования данных, которые могут повлиять на доход и / или расходы. Это более широкая возможность, которую слишком часто упускают.

Давайте рассмотрим пример.Вы производственная компания, и вы знаете, кто покупал зонты в прошлом году и будут ли они покупать снова в этом году. Вы не собираетесь продавать данные о том, кто именно купил зонтики. Что вы, , могли бы сделать , так это взять эту информацию и использовать ее, чтобы продать больше зонтов. Ваши данные создают возможность сказать: «Вы купили этот товар. Вот почему в этом году вам следует купить другой продукт ». Внезапно вы обнаруживаете новые потребности клиентов и создаете новые возможности для получения дохода.

Монетизация данных происходит везде, где вы в конечном итоге используете данные для увеличения дохода или снижения затрат для вашего бизнеса.

3. Подумайте широко обо всех способах увеличения доходов (или снижения затрат) с помощью ваших данных.

Вопрос не в том: «Кому мы можем продавать анонимные данные?» Вместо этого это: «Сколько мы потеряем из-за того, что не монетизируем наши данные?» Практически каждый бизнес имеет возможность монетизировать свои данные. Почти столько же из этих возможностей упускается.

Это означает нестандартное мышление о данных и расширение фокуса. Ошибка, которую совершают многие организации, — думать о мелочах. Они слишком буквально понимают, как использовать данные, чтобы заработать больше денег, тогда как им действительно нужен стратегический и коммерческий подход.

Что с этим происходит, когда компания продает свои данные? Покупатель применяет этот стратегический подход. Они не просто продают данные другому бизнесу. Они берут данные и находят способ получить от них прибыль или сократить расходы. Новый владелец данных делает именно то, что вы должны делать. Сейчас.

У каждого бизнеса есть возможность монетизировать данные

Практически каждый бизнес имеет возможность монетизировать свои данные. Очень небольшой процент этих возможностей — это буквально продажа данных.

Лучшая стратегия монетизации данных — «мыслить широко». Возможности есть. Выходи и найди их.

Загрузите бесплатное руководство по монетизации данных

Почему важна монетизация данных?

У меня диабет. Поэтому мне следует вести активный образ жизни и сосредоточиться на здоровом питании. Мое состояние здоровья, хотя и носит очень личный характер, я открыто разделяю. Брендам было бы полезно узнать это обо мне.Я с радостью соглашусь на предложения от брендов продуктов питания, фитнеса, здоровья и велнеса, разработанных специально для меня.

Я понимаю, что не многие люди готовы открыто делиться этой информацией. Однако эта готовность делиться данными и использовать их для улучшения своей жизни является частью моего личного «секретного соуса» для ежедневного управления моей болезнью. Диабет меня не контролирует. Я контролирую свой диабет, и данные являются ключом к поддержанию этого контроля.

Вот почему моя карьера сосредоточена на том, чтобы помогать компаниям использовать и монетизировать данные, чтобы открыть двери, которые всего несколько лет назад казались закрытыми.Этическое использование данных с учетом конфиденциальности позволяет брендам быстро вести индивидуальные беседы с потенциальными и покупателями через несколько точек соприкосновения.

Плавание вверх по течению

Если бренды могут улучшить многоканальное общение с потребителями, почему бы им этого не сделать? Потому что изменить сложно, особенно в традиционных организациях. Плавание вверх по течению — это нормально, если вы в стае. Однако быть единственным сторонником изменений во все более сложном деловом мире может быть в лучшем случае непросто.Примером может служить монетизация данных. Все больше сторонников изменений помогают своим организациям использовать данные по-новому, чтобы конкурировать и добиваться успеха.

Постоянно расширяющаяся вселенная данных:

Каждый день объем и разнообразие данных увеличивается. Фактически, данные создаются быстрее, чем когда-либо. Цифровая трансформация способствует процветанию экономики данных. Организации вкладывают большие средства в сбор данных, но многие бренды не понимают ценности использования этих данных для получения конкурентного преимущества.Это преимущество основано на понимании потребителей, полученном из более управляемых и постоянно расширяющихся источников данных.

Но в то время как бренды инвестируют в сбор данных, во всем мире растет вопрос о размере прибыли от этих инвестиций. Если бренды вкладывают средства в сбор этих новых источников данных, вкладываются ли они в создание на основе данных действенных выводов? Кроме того, используют ли бренды данные в масштабах всего предприятия или хранят информацию во внутренних разрозненных хранилищах?

Данные становятся критически важным активом для растущего числа компаний.То, как данные управляются и применяются в соответствии с целями организации на тактическом уровне, все больше отличает то, как организация работает на стратегическом уровне.

Монетизация данных является катализатором для растущего числа брендов, стремящихся стать лидером в области принципов управления данными. Кроме того, монетизация данных создает новый поток доходов для брендов, не связанных с бизнесом данных. Этот новый доход можно инвестировать по выбору компании, чтобы сократить общие общие расходы или в дополнительные возможности обработки данных, которые улучшают понимание действий, которые увеличивают продажи на верхней линии.

Эффект Amazon

В розничной торговле и в других отраслях Amazon и другие компании бросают вызов традиционным бизнес-моделям и поднимают планку качества обслуживания клиентов. Amazon заставляет традиционные компании ускорять процессы принятия решений. И это ключевой компонент, по которому принимаются решения. Компании, которые не вкладывают средства в масштабируемые и быстрые данные, будут отставать в способности принимать быстрые и точные решения.

Цифровой мир — это революция в традиционных бизнес-моделях. Компании, которые десятилетиями были лидерами отрасли, теперь сталкиваются с новыми конкурентами, которые не имеют такой же структуры затрат и могут более оперативно обслуживать клиентов. Эти традиционные компании реализуют данные о клиентах, и их правильное использование может раскрыть скрытый потенциал в их организации. Исторические лидеры отрасли собирали данные годами. В этом состоит их преимущество, если оно будет признано, в том, что они могут масштабно конкурировать с цифровыми прорывами и обслуживать растущие ожидания клиентов.

Движение к предприятию, основанному на данных

По сути, монетизация данных — это возможность активировать, улучшить и создать новую ценность из активов данных бренда, основанных на людях, с учетом конфиденциальности. Монетизация служит источником использования данных в качестве конкурентного актива. Он может создать новый поток доходов для увеличения инвестиций в сбор, обработку и аналитику данных при одновременном сокращении других расходов в организации и повышении прибыльности.

Важно отметить, что монетизацию данных можно включить через партнеров с минимальными затратами или без них.Бренды, желающие развить свое представление о данных — о том, как они собираются и используются, — могут начать двигаться к тому, чтобы стать предприятием, управляемым данными. Монетизация данных может вместе с получением новых доходов служить катализатором изменений.

5 способов развития вашего бизнеса за счет монетизации данных

Получение дохода за счет больших данных — это быстрорастущая отрасль, частью которой должны быть все компании. При том, что ежедневно создается более 2,5 квинтиллионов байт данных, хорошая стратегия монетизации данных имеет решающее значение для любого бизнеса, в том числе с участием разработчиков и технологических компаний.

Компании, обладающие опытом сбора, анализа и анализа данных, могут ощутить значительный рост доходов своей компании. Данные могут принести деньги вашей компании как сейчас, так и в будущем.

В этой статье мы рассмотрим различные методы прямой и косвенной монетизации данных , которые могут помочь в развитии вашего бизнеса.

Продажа ваших данных

Лицензирование данных вашей компании внешним сторонам известно как прямая монетизация данных или распространение данных.Например, предположим, что вы компания, которая предоставляет программное обеспечение для связи, такое как виртуальная телефонная система, для малого бизнеса.

На протяжении всей истории продаж вы собирали данные о поведении и предпочтениях потребителей. Эти данные были бы невероятно ценными для компании, которая не выполняет этот процесс сбора.

Многие компании извлекли выгоду из прямой монетизации данных, особенно в розничной торговле, где данные о потребительских привычках неоценимы. Поэтому неудивительно, что размер рынка больших данных увеличится с примерно 140 миллиардов долларов в 2020 году до примерно 240 миллиардов долларов к 2025 году.

Прямо сейчас вы можете подумать, что данные — это золотая жила , но прежде чем ваша компания начнет обналичивать деньги, вам сначала нужно подготовить стратегию. Организация и идентификация данных — вот в чем заключается их ценность.

Вы должны не только собирать, идентифицировать и систематизировать данные из таких источников, как электронная почта и страницы в социальных сетях, но также должны подумать о , как компании могут использовать эту информацию . Это поможет вам продать его.

Во многих случаях потребителям, также известным как компании, которым вы продаете данные, нужна не только сырая информация.Они хотят, чтобы вы предоставили ценную информацию , относящуюся к их конкретной отрасли и / или бизнесу.

Еще один аспект прямой монетизации данных, который вы должны учитывать, — это качество ваших данных. . Если вы компания по геймификации, которая продала только две гарнитуры виртуальной реальности, будет сложно получить репрезентативные данные о потребителях. Это означает, что на данном этапе вы не можете приступить к анализу, анализу и продаже своих данных.

Одна из самых больших проблем при продаже данных извне — это элемент конфиденциальности и безопасности .Компании, которые разглашают конфиденциальную информацию, могут навредить своей репутации у клиентов и столкнуться с судебными последствиями.

Вот почему любая компания, желающая продавать данные, должна получить правильное разрешение. Кроме того, для некоторых данных может потребоваться анонимизировать , что можно сделать с помощью шифрования или маскирования. Этот процесс будет отличаться от бизнеса к бизнесу.

Теперь, наконец, вы готовы к продаже. Вы собрали, проанализировали, получили необходимые разрешения и установили свою цену.Вот ваши варианты:

Партнер и продавайте

Этот процесс включает в себя обращение непосредственно в компанию и продажу им своей ценной информации. Этим покупателем может быть что угодно, от существующего партнера до любого поставщика в цепочке создания стоимости. Также важно отметить, что покупатель не обязательно должен иметь прямое отношение к отрасли вашей компании.

Существует множество полезных идей, которые можно извлечь из различных точек данных. Например, Nike собирает данные о спорте, которые интересуют страховые компании, поскольку они могут помочь прогнозировать потребности в страховании здоровья.

Помогите продать

Если партнерство оказывается затруднительным, вы можете присоединиться к рынку данных . Это позволит вам проводить транзакции с компаниями, с которыми вы обычно не контактируете.

В качестве альтернативы, если вы хотите быстро продать свои данные, вы можете торговать ими с агрегаторами данных. Это компании, которые затем будут продавать ваши данные другим компаниям. Этот сторонний вариант — простой способ продать большой объем данных, но цена, которую вы получите, будет меньше.

Использование монетизации данных для увеличения продаж

Один из важнейших факторов, определяющих, будет ли бизнес расти, — это продажи. Если вы посмотрите руководство под названием «Как эффективно управлять малым бизнесом», увеличение продаж, вероятно, станет первым шагом.

Увеличение продаж увеличит ваш доход, что покроет ваши расходы и позволит вам привлечь больше талантов в свой бизнес. Это, опять же, поможет ему расшириться.

В предыдущем пункте мы обсуждали прямую монетизацию данных .Для вас эффективный способ косвенной монетизации данных и развития вашего бизнеса — использовать их для увеличения продаж.

Исследования показывают, что большие данные принесли доход в размере почти 190 миллиардов долларов в 2019 году, и ожидается, что к 2022 году он вырастет до 274 миллиардов долларов. Компании, применяющие методы больших данных, могут увеличить свои розничные продажи до 4%.

Вот некоторые из лучших способов использования данных для увеличения продаж:

Сбор и анализ аналитики трафика

Этот метод может предоставить бизнесу подробную информацию об их конкретной аудитории или аудиториях. Чем больше у вас информации о ваших клиентах, тем больше вы можете ориентироваться на них. Полезные данные могут включать возраст, пол, географическое положение, интересы и предпочтения.

Сбор и анализ вашей аудитории позволит вам определить в ней конкретные ниши. Это известно как сегментирование . Исследования показывают, что сегментация приносит около 58% всех доходов компании.

Соберите данные, чтобы показать себя

Data предназначен не только для внутреннего использования в бэк-офисе.Данные могут быть именно тем, что клиент хочет видеть, чтобы заставить его купить продукт или услугу. Представление данных из множества положительных отзывов клиентов — отличный способ выделиться среди конкурентов и увеличить продажи.

Исследования показывают, что:

• Более 90% клиентов читают отзывы перед покупкой товара или услуги
• Более 70% считают, что положительные отзывы могут повысить их доверие к компании
• 88% говорят, что отзывы влияют на их решение о покупке

Собирайте данные для повышения вовлеченности

Обработка естественного языка (NLP) — это программное обеспечение на базе искусственного интеллекта, которое анализирует поведение клиентов и использует его для информирования предприятий о том, как лучше всего реагировать на свою аудиторию и взаимодействовать с ней.
Это может быть что угодно: от того, когда компании должны ответить, до того, как реагировать во время конфликта с клиентами. Это особенно полезно, поскольку исследования показывают, что отсутствие или неправильное взаимодействие с клиентами составляет 25% потерянных продаж каждый год, а заинтересованный клиент может ежегодно тратить до 300% больше.

Использование данных для управления рисками

Риск — большая часть бизнеса ; успешные компании постоянно переводят риск в огромные прибыли. Но это также самая большая причина неуверенности компании.Без выявления и нейтрализации внутренних и внешних рисков компании могут столкнуться с различными негативными воздействиями. Этот процесс известен как управление рисками.

Управление рисками имеет решающее значение, поскольку позволяет компаниям подготовиться к будущему. Компания, которая ставит цели без учета рисков, вряд ли будет расти. Управление рисками особенно важно, потому что более 60% компаний столкнулись с критическим событием риска за последние 3 года.

Косвенная монетизация данных посредством эффективного управления рисками — одна из полезных вещей, которые бизнес может сделать для стимулирования роста.Сбор и анализ данных также могут помочь компании в принятии решений .

Это потому, что вы можете использовать прошлые примеры, чтобы заглянуть в будущее. Использование сторонних данных — это хорошо, но каждая компания индивидуальна, и ничто не сравнится с получением собственной информации и принятием собственных разумных бизнес-решений.

Data также позволит вам обосновать любую «рискованную» идею или проект. Это означает, что компании могут использовать данные для прогнозирования и выявления любых потенциальных проблем с их новой идеей.Это может быть что угодно, от решения использовать другое программное обеспечение для управления проектами до серьезного изменения стратегии компании.

Таким образом, ваш бизнес может потенциально сэкономить много денег на том, что могло оказаться вредной идеей. Использование данных для превентивных мер также может быть использовано для аудита, налогов и предотвращения будущих судебных исков или мошенничества.

Монетизация данных и маркетинг

Маркетинг — фундаментальный инструмент роста бизнеса . Это позволяет вам донести до аудитории конкретное и увлекательное сообщение, которое информирует их о том, почему им следует выбрать вашу компанию.Это важно для вашей существующей аудитории и позволяет привлекать новых клиентов, что является сутью роста бизнеса.

Исследования показывают, что:

• Бизнес, который разрабатывает сильную маркетинговую стратегию, может достичь ежегодных темпов роста 20%
• Компании с плохим маркетингом могут ежегодно терять 4% выручки

Подобно методам, упомянутым в параграфе о продажах, сбор и анализ данных позволяет создавать целевой контент для вашей аудитории .Эти идеи позволят вам проводить узкоспециализированные маркетинговые кампании.

Рассмотрим этот сценарий. Вы — компания, которая создает облачные коммуникационные технологии, а также собираете данные о поведении своих клиентов. Клиент просматривал один из ваших продуктов под названием «Отчеты контакт-центра: полное руководство», но не купил.

Используя таргетированный маркетинг, вы затем снова показываете покупателю продукт на другой платформе, например в социальных сетях. Это эффективно, поскольку статистика показывает, что целевые маркетинговые кампании и рекламные объявления почти в два раза эффективнее нецелевых.

Еще одно важное преимущество сбора данных — это выяснение того, какой маркетинговый канал лучше всего подходит для вашего бизнеса. Это особенно полезно, потому что почти 30% всех маркетинговых бюджетов тратятся впустую из-за плохого планирования и ориентации на неправильный канал.

Маркетинг, управляемый данными исключает возможность угадывать. Ваш бизнес может использовать идеи для воспроизведения успешных кампаний и извлекать уроки из менее успешных. Например, сбор данных о возрастных демографических характеристиках может помочь понять, на какую платформу социальных сетей вам следует потратить больше средств из своего бюджета.Младшая аудитория, как правило, проводит больше времени на таких платформах, как Instagram и TikTok.

Использование данных для улучшения качества обслуживания клиентов

Клиенты должны быть приоритетом номер один для компании. Без постоянных и постоянных клиентов бизнес не может стабильно расти. Клиенты не только покупают ваши продукты или услуги, но и, если у них есть положительный опыт, они могут стать защитниками вашего бренда.

Статистика показывает, что:

• Потребители заботятся о своем опыте.96% из них говорят, что очень важно решить, останутся ли они лояльными к этому бренду.
• 84% компаний, которые активно работают над улучшением качества обслуживания клиентов, сообщают об увеличении выручки
• Компании, которые полностью сосредоточены на своих клиентах, до 60% более прибыльны, чем компании, которые не делают этого.

Данные можно использовать по-разному для улучшения качества обслуживания клиентов. Один из этих методов — использовать данные для оценки службы поддержки клиентов вашей компании.Такие данные, как степень удовлетворенности клиентов и оценки взаимодействия, могут помочь вам решить, нужно ли улучшение или нет.

Например, предположим, что вы владелец компании-центра обработки вызовов и не удовлетворены результатами работы центра обработки вызовов клиентов. Вы можете приобрести инструменты супервизора агентов, которые помогут сотрудникам вашего контакт-центра в будущем.

Когда дело доходит до клиентского опыта, клиент хочет чувствовать себя человеком, а не номером 14 в очереди.Вот почему важно анализировать как количественные, так и качественные данные о клиентах.

Качественный анализ данных может дать понимание, которое поможет вам общаться со своими клиентами на более эмоциональном уровне. Исследования показывают, что компании, которые эмоционально взаимодействуют с клиентами, превосходят конкурентов до 85%.

Эмоциональное общение может включать:

• Обеспечение персонализированного общения и взаимодействия, например скидки на дни рождения или напоминания
• Улучшение мягких навыков сотрудников вашей компании, таких как тон голоса
• Постоянно приспосабливаемся к потребностям клиентов, основываясь на их предложениях.

Данные могут открыть множество новых возможностей для компаний . Вот почему понимание его ценности имеет решающее значение для успеха в бизнесе. Обладая знаниями и способностями компании использовать эту информацию, вы можете сразу же получать прибыль и принимать более разумные решения для продолжения получения прибыли и роста в будущем.

Монетизация данных: итоги

Итак, давайте быстро подведем итог , как вы можете прямо или косвенно монетизировать данные своей компании:

• Прямая монетизация — это больше, чем просто продажа номеров компаниям. Ценность аналитики — это полезная информация, которая может быть получена из нее. Получение информации , относящейся к определенным отраслям, повысит ценность ваших данных
• Продажи имеют решающее значение для роста компании, и использование ваших данных о клиентах позволит вам понять вашу аудиторию и увеличить свой доход
• Риск неизбежен в бизнесе, но то, что можно избежать, — это неподготовленность к нему. Используйте данные, чтобы помочь вам создать лучшую стратегию управления рисками
• Без маркетинга никто не узнает о вашем бизнесе или продукте.Поэтому, когда вам будет предоставлена ​​возможность продемонстрировать свою компанию, убедитесь, что вы используете методы на основе данных , чтобы не тратить зря усилия
• Успешная и клиентоориентированная компания должна постоянно использовать данные и показатели мониторинга и соответствующим образом корректировать свои методы для оптимизации клиентского опыта

Все, что вам нужно знать для монетизации данных и практического использования аналитических функций

Мы все слышали, что данные — это новая нефть, но делаем ли мы достаточно, чтобы использовать этот драгоценный ресурс?

Недавнее исследование, проведенное Исследовательским центром бизнес-приложений (BARC), показало, что большинство инициатив по монетизации данных находятся на очень ранней стадии. Только 17% компаний-респондентов заявили, что эти инициативы являются неотъемлемой частью их бизнеса. Еще 37% находятся где-то на стадии планирования. Между тем четверть респондентов заявили, что данные не монетизируются прямо сейчас, и не похоже, что они будут монетизированы в ближайшем будущем.

Эти числа рисуют, мягко говоря, мрачную картину. Несмотря на огромный потенциал данных, которые в настоящее время хранятся на предприятиях, большинство компаний изо всех сил пытаются реализовать их полную ценность.

Отчет McKinsey точно продемонстрировал, насколько важную роль данные могут сыграть в эффективности бизнеса компании.45% высокоэффективных компаний смогли создать новые бизнес-модели благодаря данным. Для низкоэффективных исполнителей это число падает до 36%. Это указывает на прямую корреляцию между возможностями обработки данных и измеримой производительностью.

Чтобы выделиться в конкурентной рыночной среде, абсолютно необходимо максимальное использование вашего информационного потенциала. Это особенно верно для таких секторов, как розничная торговля, коммунальные услуги и производство, которые хранятся в огромных хранилищах данных. Поэтому независимые поставщики программного обеспечения, поставщики программного обеспечения и внутренние ИТ-группы должны проанализировать свое текущее положение, чтобы определить, где данные могут иметь значение, и внедрить встроенную аналитику для использования этих возможностей.

4 идеи для монетизации данных

По нашему опыту в Toucan, не существует универсальной модели монетизации данных. Например, некоторые высокоэффективные компании используют данные для расширения своих существующих предложений, в то время как другие выходят на полностью коммерческие территории. Также возможно сотрудничество с коллегами для создания общей витрины данных. Мы подробно рассмотрим возможность создания новых продуктов для обработки данных (четвертый пример), но мы будем рады представить и другие идеи!

Со стороны заинтересованной стороны право собственности на данные и аналитику может принадлежать ИТ-директору, директору по маркетингу, финансовому директору, генеральному директору или специальному директору по данным / аналитике. Интересно, что McKinsey обнаружила, что в 53% высокопроизводительных компаний данные и аналитика принадлежат самому генеральному директору (по сравнению с 10% в среднем или низкоэффективных компаниях).

Итак, какие шаги вы могли бы предпринять, чтобы получить максимальное значение из имеющихся данных? Вот четыре рекомендации:

Новые партнерские отношения на основе обмена данными

Совместная работа нескольких наборов данных всегда дает вам больше, чем просто сумму их частей. Поэтому имеет смысл работать с компаниями, имеющими доступ к подобным типам данных.Например, розничный торговец, располагающий данными о спросе на продукцию среди покупателей, может сотрудничать с компанией по управлению зданием, которая отслеживает посещаемость ведущих торговых центров. Это приведет к разработке бизнес-стратегий, ориентированных на быстрое перемещение товаров и увеличение посещаемости коммерческих площадей, что принесет пользу обеим сторонам.

McKinsey обнаружила, что 29% высокопроизводительных сотрудников уже присоединяются к аналогичным компаниям для монетизации данных по сравнению с 16% среднестатистических или низкоэффективных компаний.

Оптимизация существующих процессов для повышения эффективности

Это один из самых простых способов сделать для компаний с большим количеством процессов, обрабатывающих большие объемы данных.Например, многонациональный контакт-центр может собирать данные об эффективности сотрудников для корректировки инициатив по обучению в соответствии со своими целями по доходам. Производитель может анализировать производительность оборудования, чтобы спрогнозировать износ и сократить расходы на техническое обслуживание. Независимые поставщики программного обеспечения могут просматривать записи об адаптации пользователей, чтобы снабдить свои схемы успеха клиентов подходящими инструментами поддержки. Варианты использования практически безграничны.

Оптимизация принятия бизнес-решений

Это происходит немного позже на кривой зрелости в направлении монетизации данных.После того, как все соответствующие наборы данных созданы и применены необходимые аналитические модели, компании могут создавать интерфейсы, которые расширяют возможности лиц, принимающих решения. В первую очередь это влияет на руководителей высшего звена, которые рассматривают выход в новые области бизнеса.

Сервитизация в производственном секторе — классический пример. Он использует возможности генерации данных активов для перехода к обслуживаемой модели, то есть выставлению счета клиенту за использование продукта, а не за его покупку. 32% высокоэффективных сотрудников сообщают, что данные значительно изменили их долгосрочную корпоративную стратегию, по сравнению с 18% средне- или низкоэффективных компаний.

Создание продуктов и услуг на основе данных

Эта идея должна быть в центре внимания любой компании, регулярно собирающей данные, а также независимых поставщиков программного обеспечения, обслуживающих их. Например, производитель может внедрить систему конфигурации цен на основе данных. Это означает, что независимые поставщики программного обеспечения, предоставляющие платформу ERP этому производителю, должны быть оборудованы для встраивания аналитики в свои предложения, стремясь к общему видению монетизации данных.

Согласно McKinsey, высокопроизводительные компании будут добавлять новые сервисы данных в свой инструментарий в 4 раза быстрее, чем другие.Независимые поставщики программного обеспечения могут сотрудничать с этими лидерами, используя встроенную аналитику и бизнес-аналитику самообслуживания при разработке дорожной карты своих продуктов.

Первым шагом к эффективной монетизации данных для независимых поставщиков программного обеспечения является инвентаризация имеющихся наборов данных. Вы, вероятно, сидите на куче данных, которые могут оказаться ценными. Сюда входят:

• Данные, полученные в результате взаимодействия пользователя с вашим продуктом → Это может дать вам представление о проблемах навигации, отсутствующих функциях, моделях поведения и т. Д., определение нефункциональных требований к продукту. Например, любой момент истины, требующий от пользователей чрезмерного количества времени, можно извлечь из совета тренера.

• Данные, не связанные с вашей основной технологией → В компаниях, ориентированных на данные, клиенты, вероятно, будут использовать вашу встроенную аналитическую функцию множеством инновационных способов. Фактически, лучшая встроенная аналитика позволяет пользователям делать именно это. Посмотрите, как сторонние интеграции, внешняя аналитика, AI и т. Д., влияют на ваше программное обеспечение. Это может привести к совершенно новым способам предлагать клиентам исчерпывающую информацию.

• Данные о соответствии продукта и ИТ → Большинство платформ SaaS не работают изолированно. Ваши клиенты могут использовать Slack для совместной работы, Salesforce для CRM, Workday для HR и так далее. Данные об этих шаблонах могут указывать на новые возможности интеграции и на то, с какими компаниями вам нужно сотрудничать, чтобы получать самые высокие доходы.

Помните, определение потенциала данных — это только первый шаг.Выводы должны быть проверены и подтверждены опытом клиентов. На этом этапе ваша команда по работе с клиентами играет важную роль, выступая в качестве важнейшего канала связи между командой разработчиков продукта и пользователем. Они могут успешно договориться о том, какие встроенные аналитические функции должны быть приоритетными, а какие могут разблокировать максимальную степень монетизации.

(если вас интересует, как команды по работе с клиентами могут включить монетизацию данных, прочтите нашу подробную статью здесь).

После того, как вы определили вариант использования и запросили участие в группах по работе с клиентами, вы готовы приступить к созданию информационного продукта, который выведет ваше программное обеспечение на новый уровень. Вот пять черт, которыми будет обладать любой прибыльный информационный продукт, как мы узнали из нашего многолетнего опыта в Toucan:

• Привлекательность : UX и общий внешний вид должны быть синхронизированы с последними практиками проектирования, чтобы привлечь внимание клиентов.
• Простота в использовании : навигация должна быть одинаково простой для технических и нетехнических пользователей; вот где вам понадобится опыт в области рассказывания историй.
• Совместно используемый : Органическая виральность — важная черта для современных встроенных аналитических панелей аналитики, повышающая темпы внедрения и предоставляющая информацию для вашей будущей дорожной карты.
• Легко : пользователю не нужно проходить новую установку или обучение, чтобы начать монетизацию своих данных; Белая метка аналитики, которая вписывается в существующий пользовательский интерфейс вашего программного обеспечения, — хорошая идея.
• Масштабируемость: По мере роста продукта встроенные средства бизнес-аналитики и аналитика, предоставляемые вместе с ним, должны расти вместе, чтобы соответствовать ожиданиям пользователей.

Секрет успешного достижения этой цели заключается во внедрении надежного цикла обратной связи и итераций. Независимым поставщикам программного обеспечения не следует пытаться включить монетизацию с первого дня. Это приведет только к спешному полнофункциональному прототипу, который сложно повторить. Вместо этого объедините свои группы по работе с клиентами, чтобы собирать отзывы клиентов и постепенно улучшать их с каждым выпуском.

В Toucan мы используем Trello для создания гибкого процесса разработки в тесном сотрудничестве с нашими клиентами (в последнее время — Ubisoft).

Использование расширенной аналитики для создания убийственного продукта на основе данных

Может быть сложно точно определить цену на программное обеспечение, которое предлагает широкие возможности встроенной аналитики и визуализации данных. Основная причина этого — зарождающееся состояние монетизации данных сегодня, что затрудняет присвоение измеримых и повторяемых значений наборам данных.Например, недавнее исследование показало, что подавляющее число компаний — от крупных до средних и малых — еще не запустили продукты для монетизации данных. И, несмотря на очевидные преимущества, только 38% используют встроенную бизнес-аналитику по сравнению с 53%, выбирая более сложные коммерческие аналитические базы данных.

Другими словами, перед выбором модели ценообразования необходимо учесть множество факторов. Начните с укрепления уверенности в своем ценностном предложении. Практическая информация, которая меняет процесс принятия решений, имеет внутреннюю ценность. Итак, работайте со своей командой по работе с клиентами, чтобы донести это до аудитории.

Также имейте в виду, что встроенная аналитика требует меньших затрат на разработку и более быструю итерацию, чем собственная функция. Это может дать вам конкурентное преимущество с точки зрения ценообразования.

Наконец, вернитесь к доске для рисования и определите новый набор пользовательских образов. Учитывая огромный потенциал встроенной аналитики в монетизации данных, вы, вероятно, обнаружите новые и удивительные типы пользователей. Помня обо всех этих элементах, вы готовы начать свой путь к монетизации данных и помочь клиентам укрепить свое лидерство на рынке в сегодняшней конкурентной бизнес-среде.

---

Эта статья — первая из серии статей, посвященных монетизации данных. Дайте нам знать, что вы думаете, чтобы помочь нам предоставить полезный контент!

Чтобы узнать больше о том, как извлечь максимальную пользу из своих данных, напишите нам по адресу romaind@toucantoco. com

Монетизация данных: значение и сценарии использования

В течение последнего года все больше клиентов обращались к нам по теме «Монетизация данных».Другими словами, они хотели узнать больше о том, как Informatica дает им возможность «продавать» существующие данные от операций вместо того, чтобы просто архивировать или удалять их. Как вы понимаете, это особенно сложно для промышленных B2B-фирм, которые не считают себя аналогами таких фирм, как Amazon. Как и цифровая трансформация, монетизация данных — чрезвычайно липкая тема. Это может означать очень много разных вещей, и почти у всех это есть своя интерпретация. Более того, о нем нет ничего хорошего для чтения, кроме какой-то высокопарной маркетинговой ерунды.

Сегодня я исправлю эту ситуацию, начав пару сообщений о том, как мы в Informatica рассматриваем монетизацию данных. Цель состоит в том, чтобы зайти на несколько уровней глубже, чем вы обычно можете найти при поиске в Google.

Во-первых, что это? Монетизация данных организации происходит уже сегодня повсюду. Хорошая новость на сегодня заключается в том, что, инвестируя в инфраструктуру управления данными, вы эффективно монетизируете свои данные. Если вы еще не занимаетесь (цифровым) преобразованием своих внутренних операций с данными, сначала начните с этого.

Как, спросите вы? Дедупликация, стандартизация, связывание, сохранение происхождения, преобразование, перемещение и защита ваших данных с помощью программного инструмента позволяет вашей организации работать более продуктивно, отделяя себя от традиционных усилий по ручному кодированию. Он также обеспечивает целостность транзакций, когда дело доходит до управления заказами и услугами, выставления счетов и других операционных процессов, обеспечивая минимизацию отсутствующих, конфликтующих или неправильных элементов данных, тем самым сокращая количество сбоев процесса и переделок.Вторичным эффектом отсутствия ошибок является гарантия дохода от целостности процесса, т.е. заказы не задерживаются, оборудование не выходит из строя, счета не отправляются по почте и т. Д. В-третьих, устраняя ошибки и устаревшие системы, ответственные за некоторые из них, вы сокращаете Стоимость; стоимость услуги, стоимость операций, стоимость приобретения и так далее. Теперь вопрос в том, как ваши данные могут помочь вашим клиентам (B2B или B2C) достичь того же? Какой секрет у вас есть в хранилищах данных? В конце концов, исследования показали; в данных есть деньги.

Это приводит нас к «внешней» монетизации ваших данных. Это означает использование ваших внутренних операционных данных для создания нового потока доходов для вашей организации, продавая их каким-либо образом вашим существующим клиентам или потенциальным клиентам. Эти стороны могут быть на вашем общем рынке, партнером по сбыту или даже совершенно не связанным сектором. Хорошая новость заключается в том, что вы можете использовать свои внутренние усилия по монетизации данных и инфраструктуру, которую вы кропотливо создавали годами, для внешнего использования.

Чтобы понять возможности, давайте рассмотрим исторический пример: индустрия хедж-фондов. Если вы посмотрите на его среднюю доходность за последние двадцать или около того лет, она неуклонно снижается, когда-то составляя 20%, а теперь мрачно 4%. Некоторым фондам удалось противостоять этой нисходящей тенденции, но как им это удалось?

Они превзошли своих коллег за счет использования новых данных и изучения новых способов использования данных. Этот поиск новых «альфа-источников» стал Святым Граалем индустрии хедж-фондов.В пятидесятые годы на основе новых наборов данных были разработаны длинные и короткие стратегии хеджирования, за которыми в восьмидесятые последовали новые математические модели и компьютеризация. Девяностые годы ознаменовались появлением высокочастотной торговли, которая стала движущей силой блага для больших данных. С 2016 года мы применяем большие данные на стероидах, вбирая «альтернативные данные», такие как погода, настроения потребителей, количество шагов, потребление воды и т. Д., Во все более сложные и неконтролируемые торговые модели.

Тем не менее, ценность этих данных быстро падает из-за экономических циклов и использования конкурентами тех же возможностей из-за общей демократизации данных. Сегодня компании, превосходящие своих конкурентов, конкурируют на основе самого широкого использования источников данных с множественными задержками и степенями точности.

Новая валюта — это то, насколько быстро и эффективно хедж-фонд может разработать новые способы использования существующих наборов данных при их сочетании с огромными объемами исторических данных.

Понимая, что вы, скорее всего, не управляете хедж-фондом, когда было бы разумно применить такой подход? Вы должны оценить 6 основных факторов:

1. Доля рынка : Управляет ли ваша организация не менее 20% транзакций вашего основного рынка?
2. Первопроходец : Вы первый, второй или, по крайней мере, входите в 50% лучших конкурентов вашего рынка, представляющих такой продукт? Потому что в этом случае 80% доступного пула прибыли пойдет вам.
3. Права на использование : Есть ли у вас законные права на повторное использование данных вашего клиента (B2B и потребителей)?
4. Конфиденциальность : Есть ли у вас глубокое понимание необходимых правил конфиденциальности, регулирующих эти данные?
5. Готовность : Готова ли ваша организация к эксплуатации необходимой инфраструктуры ИТ, продаж и обслуживания?
6. Ценностное предложение : Полностью ли вы понимаете, как потребители вашего продукта / услуги оценивают его с точки зрения новой чистой выгоды для них, чтобы установить точную цену?

Если они у вас есть, вы должны быть в хорошей форме, чтобы начать более формальную, то есть заложенную в бюджет оценку вашего продвижения вперед. Вы также могли заметить, что я говорил о «продукте» в этом списке. Причина: в конечном итоге вы предлагаете своим клиентам именно это — новый цифровой продукт Digital Product .

Да, данные становятся продуктом.

Такие компании, как Nielsen, Acxiom, D&B, TransUnion, Equifax, Bloomberg и IMS, ведут свой бизнес, лицензируя свои данные в необработанном формате или как часть инфраструктуры приложений. Ваша цель должна состоять в том, чтобы стать похожими на них.

Что ваш новый цифровой продукт сделает для ваших клиентов? Он, вероятно, попадет в одну или несколько из этих шести — да, опять же, шести — категорий оцифровки.

1. Автоматика
2. Расширение поставки
3. Распределение
4. Цифровая функция
5. Переупаковка / Настройка
6. Платформа

Все это способствует развитию одного или комбинации следующих механизмов потребления:

• Расходный, обогащенный и чистый набор данных (подумайте о маркетинговом списке)
• Аналитическое приложение (подумайте о приборной панели или прогнозной модели в отношении оттока клиентов)
• Оперативное приложение (подумайте о системе оповещения о сбоях продукта и планирования технического обслуживания)

Независимо от того, какой вкус или комбинацию потребления вы выберете, вы должны разработать набор сценариев использования хотя бы для одной из шести категорий оцифровки. Подробнее об этом в моем следующем посте.

Во-первых, давайте посмотрим на автомат . Это в основном увеличивает производительность существующих процессов. Хорошими примерами здесь являются робототехника, рекомендации по заказу, аналитика самообслуживания или онлайн-расценки на страхование. Все это должно использовать ваши данные «секретного соуса» для повышения продуктивности и эффективности пользователя. Все дело в том, чтобы делать суждения более эффективными; зная, почему определенные промышленные роботы ломаются реже при определенных условиях, какие шаблоны заказов обычно вызывают другие покупки, зная, какие наборы сравнительных данных являются хорошими для прогноза удовлетворенности клиентов или какие входные параметры должны надлежащим образом назначать премии за риск новому водителю.

Следующая категория создает новые потоки предельных доходов за счет расширения базы поставок . Примером тому — бесчисленное количество магазинов секонд-хенд, таких как Poshmark. Возможность анализа больших наборов данных о настроениях, категорий спроса и предложения может быть напрямую использована для ценообразования и рекламных акций.

Распределение — это перевод вашего портфеля продуктов в автономный режим, чтобы защитить вашу долю рынка и снизить затраты на инвентаризацию / инфраструктуру.В эту категорию попадают Zappos, E * Trade, Geico, Khan Academy или New York Times Online Edition. Они используют демографические данные, чтобы лучше ориентироваться на клиентов и расширять свои предложения для онлайн-покупок.

Цифровая функция следующая в нашем списке. Проще говоря, это добавление беспроводной возможности к устаревшему оборудованию. Хорошими примерами являются термостат NEST, дверной звонок RING или подключенный к Samsung холодильник, или загрузка фильмов через Netflix (я не думаю, что кто-то до сих пор помнит их прежнюю бизнес-модель).

Теперь давайте посмотрим на Переупаковка / Настройка . Здесь все становится немного сложнее. Организации, следующие этой парадигме, реструктурируют свои унаследованные продукты, чтобы они соответствовали требованиям, основанным на использовании (подписке), чтобы избежать цикла продаж, ориентированного на капитальные затраты. Программа GE Aviation по выставлению счетов клиентам на основе наработки его реактивного двигателя, а не продаже авиакомпаниям тысяч турбин за 24 миллиона долларов, идеально подходит для этого. Они выбрали этот путь, чтобы воспользоваться продолжающейся тенденцией к увеличению пройденных пассажирских миль и 9-летним циклом покупки авиаперевозчиков.Их способность использовать данные об атмосфере, планере, клиентах, контрактах, местоположении и двигателях IoT в середине полета позволяет клиентам изменять маршруты самолетов для экономии топлива и уменьшения износа лопастей. С другой стороны, GE Aviation всегда знает о состоянии своего парка двигателей, тем самым прогнозируя работы по техническому обслуживанию, планируя изготовление и отгрузку запчастей, а также их влияние на договорные обязательства и цены.

Наконец, у нас есть платформа play. Это высшая форма совершенства цифрового продукта.Amazon, Apple AppStore, Spotify, OpenTable, AirBnB, Uber, LinkedIn, Facebook и так далее — любимцы Уолл-стрит не без причины. Они получили возможность использовать интегрированную цифровую платформу для создания и / или распространения как физических, так и цифровых продуктов от имени потребителей, партнеров и сотрудников. Нет лучшего примера, почему важно, занимаете ли вы первое или второе место в своей рыночной нише, чем эти. Кто-нибудь еще помнит Plaxo? Правильно, я так и думал. Хотя эти компании предоставляют приложения с широким набором функций, в первую очередь они являются компаниями, занимающимися данными.Зайдите на веб-сайт для разработчиков Uber, и вы увидите подробную аналитику путешествий, которую они могут запустить на основе ваших данных.

Эти фирмы уже перешли на высшую форму цифровизации, чтобы монетизировать свои данные еще более эффективно. Они не только используют данные о поведении своих партнеров или потребителей, но и активно поощряют своих пользователей вносить свой вклад в накопление данных напрямую посредством публикаций, репостов, лайков, подписок и т. Д. То же самое возможно и для моделей B2B, которые могут ускорять и создавать новые идеи, обходя партнеров по каналам и обращаясь непосредственно к потребителям.Это то, что фирмы CPG уже пробуют через свои собственные программы лояльности. Сложите поверх некоторого ИИ, чтобы еще больше предсказать следующий шаг сущности, и вы, возможно, создали следующее приложение-убийцу!

Пока все хорошо. В следующий раз я подробнее расскажу о цикле выпуска цифровых продуктов, сценариях использования, некоторых примерах из моих недавних разговоров с клиентами и концепции фабрики цифровых продуктов. А пока поделитесь лучшими примерами из шести известных вам категорий оцифровки.

.