Cuando hablamos del valor de los activos empresariales, generalmente nos referimos a un valor de mercado cuantitativo. Cuando pensamos en activos empresariales, pensamos en que se podrían liquidar sus cuentas, vender artículos en la oficina o del almacén, e incluso ponerle precio a la propiedad intelectual.

Tus datos no tienen valor inherente. Cuando se habla de datos, el valor no está en los datos en sí, pero ¿dónde está el valor? Pues de una manera abstracta podemos decir que el valor está en los procesos operativos que hay detrás de esos datos y en los procesos que utilizan esos datos, independientemente si en el proceso interviene una persona o es un automatismo. Evidentemente, en los procesos empresariales y no empresariales se utilizan datos, aunque no en todos, ej. en el proceso concreto de cambiar una rueda de coche, entendemos que no se utilizan datos.

En los procesos de facturación, por ejemplo, el tener actualizado los datos y elementos a facturar es muy importante, buscando la mayor automatización e intentando tener el menor número de datos posibles para introducirlos a mano. Este proceso se complica si hay que enviar facturas electrónicas o facturar a las distintas administraciones públicas a través de sus API’s (Application Programming Interface). Durante décadas los procesos de administración, de facturación y de contabilidad se han automatizado con los ERP’s (Enterprise Resource Planning). Parece de Perogrullo, pero si estos datos no son correctos, no se pueden gestionar estos procesos y por eso son valiosos, muy valiosos.

La clave está en pensar que cuando se habla de datos valiosos se habla de procesos valiosos, es decir, de procesos clave que sirven para gestionar una organización tal y como está o para crear nuevos procesos diferenciales, novedosos, que aporten valor y potencialmente más ingresos.

Mencionemos los procesos de análisis de datos para la toma de decisiones y los procesos de Inteligencia Artificial. Pensemos en los datos utilizados en estos procesos, son datos sencillos sin procesar “raw data”, que después de procesarlos se convierten en datos e información útil lista para la tomar decisiones. Cuando esas actividades ahorran dinero o generan dinero para una organización, convierten el raw data en datos con valor corporativo.

Con eso, podemos definir el valor de los datos como el impacto financiero medible de cómo su organización aplica esos datos.

Tipos de valor de datos

Hay muchas maneras en que los datos pueden aportar valor a una organización. Para medir los impactos financieros de los datos, busque formas específicas en que la organización usa los datos para reducir costos, así como formas en que los datos generan ingresos. Aquí hay algunos tipos de actividades basadas en datos con un impacto financiero medible:

Ganar eficiencia operativa a través de la transparencia y compartiendo datos

Una característica que hay en la situación de los datos de los departamentos de una organización es que estos no están compartidos. Cada departamento tiene su software que automatiza en alguna medida sus procesos. Pues bien, los datos generados y almacenados normalmente no se solían compartir y tampoco se tiene acceso a datos de otras fuentes externas. Una forma de solucionar esto es compartir y reunir datos. Los datos confiables compartidos rompen los silos entre los diferentes departamentos y brindan visibilidad en tiempo real de la actividad en toda la organización, también con socios o proveedores en su cadena de suministro.

Ejemplo: los fabricantes reducen los costes de mantenimiento y minimizan el tiempo de inactividad utilizando datos de sensores en tiempo real y análisis predictivo. Al anticipar mejor los fallos de los equipos de fabricación, pueden planificar la reparación o el reemplazo oportunos.

Hacer un mejor uso de los recursos humanos con la automatización.

Desde gestores digitales de vacaciones por correo electrónico hasta aspiradoras robotizadas, en estos días todos estamos automatizando algo para hacernos la vida más fácil. Los procesos automatizados ahorran a las personas pasos tediosos en el trabajo, mejorando la productividad de los empleados.

Ejemplo: Los bancos y las instituciones financieras automatizan la preparación de los datos ingresados por los clientes, reservando el valioso tiempo de los empleados cualificados para tareas de servicios más complejos al cliente que requieren experiencia humana.

Llegar a nuevas audiencias con segmentación y personalización

Estudios de mercado han descubierto que el 63 % de los especialistas en marketing tienen dificultades con el marketing personalizado. Los datos abren la puerta a la segmentación y análisis de clientes que realmente lo ayudan a comprender quiénes son sus clientes.

Ejemplo: Las empresas de retail integran datos de canales en línea y fuera de línea. Cada vez que los clientes visiten en persona, compren en línea o llamen, obtendrán una experiencia de cliente personalizada e integrada que impulsará la conexión personal y la lealtad.

Innovar a través de la IA (Inteligencia Artificial)

Big data y Data Science son las herramientas ideales para el I+D. La inteligencia artificial es mucho mejor que nosotros para detectar el ruido del grano entre la paja, entre grandes cantidades de datos. El aprendizaje automático (ML) puede hacer nuevos descubrimientos utilizando datos históricos o brindar información en tiempo real.

Ejemplo: las aplicaciones de consumo analizan el comportamiento de los usuarios para generar inteligencia de productos. Esa información inspira nuevas funciones e informa la estrategia de lanzamiento al mercado para actualizaciones de productos y nuevos productos.

Monetización de datos

Además de utilizar los datos para impulsar las actividades generadoras de ingresos, desde las ventas hasta la innovación de productos, las organizaciones pueden utilizar los datos para generar valor directamente. Muchos analistas describen el intercambio de datos como una actividad clave que es cada vez más necesaria para tener éxito en el mundo de Big Data. Con el enfoque correcto, las empresas innovadoras han podido convertir a sus competidores en clientes de pago. Lo hacen empaquetando los datos preparados como un producto o servicio.

Monetizar datos como servicio (DaaS) (Data as a Service) es más complicado de lo que parece. La entrega de datos a clientes externos eleva el nivel de análisis de calidad de datos y disponibilidad de datos. Si bien cualquier organización ya debería apuntar a una infraestructura que brinde a los clientes internos acceso rápido a datos altamente confiables, hacer que los datos estén disponibles externamente puede revelar fallos. Los problemas que una empresa puede haber estado dispuesta a soportar para los usuarios internos podrían ser un factor decisivo para la monetización de datos.

Antes de comenzar a compartir datos externamente, también es importante pensar detenidamente en los repositorios donde se almacenan y administran los datos. Es posible que no desee otorgar a los clientes de datos acceso a un almacén donde se guardan todos sus datos corporativos. En su lugar, sería prudente dividir los datos monetizados, por ejemplo, en un Data Mart (parte o segmento d un Almacén de Datos) De esa manera, los datos a la venta se aíslan de forma segura de los datos confidenciales o de propiedad que no tiene la intención de compartir.

Ejemplo: los especialistas en marketing de campo integran datos de fuentes que van desde CRM hasta fuentes de redes sociales. Usan esto para crear experiencias personales y atractivas adaptadas a segmentos de clientes y mercados particulares. Mejorar la satisfacción del cliente con procesos de Customer 360º. A medida que las operaciones se amplían y las comunicaciones con los clientes se saturan, una vista de 360º basada en datos del cliente ayuda a recuperar el toque humano.

¿Cómo descubro el valor de los datos?

Como hemos discutido, puede obtener valor de los datos usándolos para reducir costes, aumentar los ingresos o generar ingresos. En cualquier caso, la forma de descubrir el valor neto de sus datos es calculando su retorno de la inversión. Capturar, mover, preparar y almacenar datos no es gratis. Para determinar su ROI en datos, deberá medir sus costos y beneficios.

La inversión en datos es siempre una inversión en el negocio. Sin embargo, el impacto de la inversión en datos puede variar enormemente según en qué parte del ciclo de vida de los datos invierta en datos. En 1992, George Labovitz y Yu Sang Chang desarrollaron la Regla 1-10-100 para costes de datos:

Hay que recordar también que el retorno de la inversión de los datos no se puede medir sólo por el volumen de datos, la velocidad de los datos o incluso la calidad de los datos. Para ser valiosos, los datos deben ser accesibles para el usuario final.

• $1: coste de verificar o estandarizar los datos en el punto de entrada
• $10: coste para limpiar los datos hasta que estén en su sistema
• $100: coste del control de daños si los datos se usan sin limpiarlos

Para gestionar el valor de los datos y monetizarlos es necesario una herramienta global como Talend Data Fabric. Talend Data Fabric (tejido o red de datos) permite administrar los datos en sus orígenes, gobernarlos, limpiarlos e integrarlos para su uso final, ya sea analizándolos, creando modelos de IA, ofreciéndolos mediante API’s (Application Programming Interface) o utilizándolos en nuevas aplicaciones de software.

Más específicamente las funcionalidades de Talend Data Fabric son:

• Se conecta a cualquier fuente y origen de datos con conectores y componentes empaquetados, sin tener que realizar código escrito.

• Se puede implementar en entornos onpremise, cloud y cloud híbrida.

• Se generan procesos Batch, Real Time y de Big Data.

• Se necesitan funcionalidades de integración e ingestión de datos, entre fuentes y orígenes de datos y aplicaciones de software.

• Permite tareas de perfilado de datos y calidad de datos, preparación de datos y gobernando los datos, con utilización de Machine Learning aumentando la automatización. Estas tareas se enmarcan en una política de data health.

• La forma de crear nuevos procesos internos y externos con nuevos ecosistemas empresariales es mediante el uso y administración de API’s.