数据是一种资产 如何实现数据价值最大化

数据是一种资产 如何实现数据价值最大化

从直觉上讲，我们都明白数据是有价值的。这就是为什么很多公司都在数据上投入大量资金，也是为什么这么多人选择数据作为职业道路的原因。根据国际财务报告准则(IFRS)(甚至经合组织(OECD)的标准)，数据也符合资产的定义。

   从直觉上讲，我们都明白数据是有价值的。这就是为什么很多公司都在数据上投入大量资金，也是为什么这么多人选择数据作为职业道路的原因。根据国际财务报告准则(IFRS)(甚至经合组织(OECD)的标准)，数据也符合资产的定义。

资产是由于过去发生的事件而由实体控制的资源，未来的经济利益预计将从该资源流向实体。但是，尽管数据是一种有价值的资产，我们却没有在资产负债表中发现它。这是为什么呢?道格·兰尼-《信息经济学》作者。2001年对世界贸易中心的袭击不仅导致了生命和财产的悲剧性损失。存储在物理服务器上的大量数据也不可逆转地丢失了。这吓坏了保险公司。想象一下，所有客户列表、历史交易和订单的价值是多少!为了安全起见，他们将信息资产排除在保险政策之外。他们不失时机地推动这些进程——在袭击发生后的一个月里，信息资产的排除工作就完成了。几年后的 2004 年，会计行业紧随其后，在六年内首次更新了关键财务标准国际保险标准 (IAS) 38，明确指出，信息资产不能包含在可审计的财务报表中。即使您的公司希望通过在资产负债表上的报告来展示其丰富的数据，一般公认会计原则 (GAAP) 和关键法规也禁止上市公司这样做。原因是：如果保险公司不为其投保，就不会计算在内。然而，这并不意味着数据没有任何价值!相反，它的价值是一种固有的属性;这不是权威能决定的事情。数据的价值取决于市场及其参与者。因此，我们看到一些数据市场正在兴起，公司在那里买卖数据集。想想看，有很多公司的产品只不过是为其他人提供各种类型的数据。数据甚至可以用作抵押品，就像联合航空公司(United Airlines)和美国航空公司(American Airlines)在Covid-19大流行期间所做的那样。每家航空公司的客户忠诚计划数据价值约为200亿美元。对保险公司没有价值的东西，对银行却有巨大的价值和担保，这不是很有趣吗?但是他们是怎么得出这个数字的呢?我们如何给一个数据集估值?有一种说法是“情人眼里出西施”。它与讨论买方和卖方感知到的数据的价值有关。通常，卖方的观点往往基于构建数据集的成本和对买方业务影响的估计。另一方面，买家在评估可能的业务影响时，正在估算构建成本(“购买还是构建”的决定)——他们通常可以准确地估算。在买卖双方之间形成了某种程度上对称的信息不对称。它在现实生活中是如何开展的呢?我曾见过这样的例子，卖家所提供的数据集的价格比买家所感知的要高10倍。在价格谈判中，差距太大而无法弥合。不过，我敢肯定，其他潜在买家对同样的价格会更满意。因为，就像我说的，情人眼里出西施。但是请注意，卖家和买家都在考虑商业利益，这是因为数据的经济价值是绝对关键的。我们都看到过如何利用数据来做出更好的决策，提高运营效率，甚至产生新的收入的例子。所有这些都对公司的损益表和价值有直接影响。当考虑经济价值时，我建议听取Bill Schmarzo的建议，他在帮助我们理解数据经济学方面做了大量工作。他说,:“你不能脱离业务来确定数据的价值。”数据有许多独特的属性——它不会损耗、恶化，可以被使用和重用。正如比尔所解释的那样，由于这些原因，我们对数据做得越多:边际成本变平(下图中的效应1)，经济价值增长(效应2)。此外，数据还可以用于多个目的并行!考虑一个客户数据集被用来确定价格，产品推荐，以及对单个客户的营销活动。当我们提高这样的客户数据集的质量，或者我们添加一个新的相关特性时，它会对依赖于它的所有数据解决方案产生影响。因此，经济价值加速(效应3)。那么，x轴上的数据用例是什么?对我们来说，一个数据用例，数据项目，数据计划，甚至整个数据策略都是关于三个问题:第一个问题是我们要解决的业务问题是什么？将我们的数据项目与业务联系起来。最重要的是，它还提供了经济价值(如ARR、运营成本……)的衡量标准。第二个问题是我们需要做什么来解决它？需要整体回答，因为我们不仅只需要数据和分析。我们必须考虑战略协作、基础设施，以及可能最重要的人员。这个问题的答案也让我们对投资有了一个大致的了解。最后，第三个问题是我们将要做什么？形成一个可操作的计划。它可以让我们按时间顺序排列经济效益和投资。当然有人会问，随着时间的推移，数据投资会是什么样子?与其他投资类似，数据投资的回报遵循熟悉的投资J曲线。这里有两个要点要提出来:(1)时间不会停止。因此，如果我们想最大化一年数据的经济价值，我们不应该浪费六个月的时间去考虑该做什么。(2)曲线的形状只是估计。没有人能保证下降不会更深，甚至不会回升，或者达到收支平衡的速度足够快，或者不会像预期的那样持续急剧增长而且持续的时间足够长。投资曲线并不是什么新鲜事。一直以来，对数据的投资通常不会像其他投资那样认真地管理。在我的职业生涯中，曾在企业、咨询、初创企业和私募股权领域工作过。就我个人的经验而言，我提出以下几点看法:•对于公司来说，我们经常会估算未来的影响来证明年度预算是合理的。实际的影响很少被测量。•每个顾问均在说明单个项目的投资回报率。因此，客户最终会得到几十条“J曲线”(对于流失率模型、数据仓库、新的ERP、Tableau实现…)，这些曲线很难进行汇总，而且不会重复计算收益或错过任何投资。•对初创企业的数据投资，往往受到下一轮投资对估值的影响的推动。因此，利益的实现往往被推迟。•在私人股本领域，似乎得到了认真的管理。私募股权投资者收购一家公司，目的是根据关键业务指标进行估值，并计划在5-7年内出售该公司并获得利润。因此，数据投资的关键在于对这些关键业务指标产生的影响。在头几年大力投资。通过J曲线观察投资组合中的公司，在该公司从上升轨迹中获益时卖出(甚至为下一个收购者留下一些价值)，以支撑估值。那么，它在现实生活中是什么样的呢?作为例子，让我们考虑一个SaaS B2B技术业务。大多数这些公司所面临的业务问题(记住定义数据项目的第一个问题)是通过增加交叉销售和向上销售来潜在地推动ARR(我们的关键业务度量)。接下来，我们需要考虑需要什么来解决这个问题(数据项目的第二个问题)。在开展具体项目时，我们使用SAPI框架来提醒自己所有影响数据项目成功的重要因素。让我们看一个快速的高级示例。•从战略角度来看，我们可能需要一个强有力的支持者，以及数据、销售和营销之间的紧密合作。•当涉及到数据和分析时，可能需要高质量的CRM数据和倾向性购买模型。•我们需要数据专家来建立x-sell模型。我们还需要确保销售和营销团队将做出数据驱动的决策，并帮助将倾向得分转化为销售。我们也不要忘记那些推动数据文化和采用的人。•我们还需要一个数据基础设施来运行这一切。包括建立和运行模型的数据科学平台。通常包含四个阶段：•首先，我们将重点放在基础上，建立数据基础设施，获取数据等。•接下来，我们构建数据输出，示例中的购买倾向性模型。•然后，我们与销售和市场部门的同事一起使用这些方法来推动x-sell(期望的业务结果)。•最后，我们将其推广并尽可能地扩大其影响。因为数据是一种战略资产，应该被视为一种战略投资，我们需要在路线图中附加一个投资计划。这通常包括所有所需的投资(资本支出、运营成本、基础设施、人员……)，对关键业务指标的影响(本例中为ARR)，以及对现金流和息税折旧摊销前利润(EBITDA)的影响(例如)，以季度或任何其他合理的时间段来衡量。只有当我们具备这一点时，我们才能正确地管理项目——在处理数据项目的非线性、研发性质的同时，平衡投资与业务影响。通过这种方式，我们可以在需要时做出战术和操作上的决策，使项目回到正轨，并从错误中吸取教训，为未来做好准备。我经常被问到的一个问题是，当有这么多其他因素(其他项目、竞争、营销活动、一般市场情况等)在起作用时，我如何将数据项目对业务指标的影响归因于这些因素。答案是使用数据驱动的决策!在我们的例子中，我们可以使用A/B测试，甚至可能包含保障组。评估它们，并尽可能准确地估计数据项目的实际影响。让我们假设项目进展顺利，对ARR的影响超出了预期。下一个什么?要回答这个问题，我们需要回到数据经济学。遵循以下步骤，将我们成功的机会最大化:(1)将数据策略放在适当的位置，以很好地排列用例。(2)开始吧!(时间不停止。)(3)在成功和经验以及数据本身的基础上，做一个又一个项目。这是我们系统地实现数据经济价值的唯一途径。这是也最重要的。--------END--------