Slider

¿Cómo monetizar datos en tu empresa?

“Strategists and business leaders must become fluent in the economics of information”

Laney, Douglas B. Infonomics: How to Monetize, Manage, and Measure Information as an Asset for Competitive Advantage

“La información es nuestro activo más valioso”, innumerables reuniones giran en torno a esta premisa. Los equipos de BI, producción e innovación, se reúnen en sendas mesas de trabajo para definir qué hacer con sus datos y cómo construir valor a partir de estos. No obstante, sí es un activo tan valioso, las áreas contables deberían ser capaces de darle un valor económico en el balance general, ¿correcto?, pero las áreas contables están mejor preparadas para contabilizar las sillas como un activo, que a los datos y su potencial para aumentar el valor de la marca.

¿Cuánto vale la información de Facebook o Google?, o ¿cuánto se puede extraer a través de la analítica de datos? A pesar de que “la información es nuestro activo más valioso”, las empresas no están preparadas, en su mayoría, a responder esto.

Existe una explicación razonable para este fenómeno: el auge del big data, las redes neuronales y los modelos de explotación de datos, no son ampliamente difundidos y están todavía muy incipientes en Colombia.

Ahora bien, ¿cómo puede una compañía monetizar sus datos y seguir el camino de gigantes como Netflix, Walmart o Monsanto?, Douglas Laney, en su libro Infonomics (2018), recomienda una aproximación en siete pasos para lograrlo:

  1. Organizar un equipo dedicado: Cuya misión es pensar cuánto valor se puede extraer de la analítica de datos y encontrar maneras creativas de usarlos, no sin antes enfrentarse a los siguientes desafíos:
  • Pensar en grande y diferente.
  • Identificar y entender realmente a los clientes.
  • Nadar contra los procesos rígidos de las corporaciones.
  • Probar hipótesis con posibilidades de falla.
  • Evolucionar la oferta de valor de la compañía.
  • Medir los avances y comunicarlos de manera transversal.

Se recomienda que el líder de equipo, sea una persona con experiencia en desarrollo de nuevos productos, incluso alguien que haya trabajado en alguna data driven company como Experian, Nielsen o Kantar.

2. Realizar un inventario de datos: Debe ir más allá de los típicos que tiene la empresa (bases de datos, reportes de excel y CRM). Utiliza los datos disponibles, aquellos que se puedan comparar, los no estructurados o los de redes sociales.

La siguiente figura muestra ejemplos de este tipo de datos.

3. Seleccionar el tipo de monetización de datos: Existen dos maneras de hacerlo.

  • Directo: Venta y licenciamiento de la información, este modelo se ve con cautela en las organizaciones, porque podría malinterpretarse como “vender información confidencial”, pero en realidad, se trata de encontrar datos que puedan licenciarse como los de Google.
  • Indirecto: Una versión mucho más rica para la creación de valor, porque está pensada para solucionar problemas de negocio como:

– Mejorar la eficiencia operacional.
– Mejorar el mantenimiento de plantas.
– Aumentar la producción.
– Detallar la calidad de productos.
– Incrementar tar las ventas.
– Robustecer la cadena de abastecimiento.
– Crear nuevos productos.

Sabías qué la monetización indirecta fue lo que llevó a Netflix a lanzar en 2013, House of Cards. Se basó en datos para construir los guiones, seleccionar los actores, establecer la duración y definir la cantidad de episodios de esta exitosa serie; estos datos arrojaban suficiente información sobre sus usuarios como: horarios, temáticas, escenas repetidas u omitidas.

La monetización indirecta también ayudó a los agricultores de Estados Unidos, a alejarse de la idílica visión de agricultura manual, para ahora ser una industria dirigida por datos. La posibilidad de predecir el clima, medir la oferta y demanda de los productos y obtener imágenes satelitales para identificar el tipo de suelo, influyó en el aumento de los costos en un 800%, pero sus utilidades también lo hicieron en un 50% respecto a años anteriores (Lanley, 2018).

4. Buscar inspiración de otras empresas, en diferentes industrias: Hay que aprender de las muchas compañías que ya han recorrido este camino con éxitos y fracasos. Adicionalmente, encuentra inspiración en industrias diferentes a la tuya y entiende cómo están enfrentando el mundo de los datos.

Piensa en Sony, una empresa que por su trayectoria, debería ser dueña del mercado del mp3, pero tres años después del lanzamiento de iPod de Apple, Sony fue relegado al olvido.

5. Probar ideas: Se debe hacer un juicio de valor sobre las ideas que el equipo haya creado y descartar las inadecuadas, basándose en el siguiente cuadro.

6. Extraer, transformar y cargar (ETL): Ahora que se han segmentado las ideas, el equipo está alineado, se ha visto lo que hay en otras industrias y se tiene un inventario de datos, hay que realizar un trabajo técnico para lograr que los datos recolectados se puedan utilizar. Esto puede ser tan sencillo como homogeneizar una tabla o tan complicado como crear un repositorio unificado de datos estructurados y no estructurados con capacidades de predicción y autoclasificación.

7. Probar el mercado: Antes de sacar nuevos productos y servicios, se debe pensar en prototipos “friends and family”, bien sea para usuarios internos o externos.

¿Cuál es el éxito de monetizar datos?

Finalmente, para saber si el proyecto de monetización va en la dirección correcta, verifica lo siguiente:

  • Atribución económica: En este punto es capaz de responder cuánto vale una fracción de sus datos.
  • Nuevos productos: Las nuevas propuestas son el resultado de esa investigación.
  • Resistencia interna: Típicamente, los equipos que buscan monetizar los datos se encuentran con áreas encargadas del cumplimiento de leyes, que abiertamente están en desacuerdo por temor a vulnerar los datos de los clientes.
  • Reacción del mercado: Puede venir de diferentes maneras: copia de sus ideas, sabotaje de los competidores o descubrimiento de un nuevo segmento de mercado por parte de los consumidores.
  • Reacción de los inversionistas: Explotación de datos, diseño de servicios y nuevos productos que atraen la mirada de los inversionistas, porque dan solución a falencias que tienen las compañías.
  • Incremento en ganancias, reducción de riesgo y costos operaciones.

Si bien estas dos listas de verificación son tan solo recomendaciones y observaciones, la lógica detrás de ellas es la que permitió a empresas como Walmart, UPS, UBS y Morgan Stanley, convertirse en compañías que monetizan al máximo cada dato que tienen disponibles.