Home » Articole » RO » Afaceri » Știința datelor (Data Science) » Modele de afaceri cu Big Data

Modele de afaceri cu Big Data

Este ușor să găsești un exemplu de companie care ar putea fi considerată reprezentativă pentru megadate. De obicei, astfel de povești de succes vor implica utilizarea inovatoare a megadatelor pentru a furniza produse noi sau pentru a obține câștiguri mari de eficiență într-un anumit mod. În această secțiune, nu discutăm anumite practici pentru a avea o perspectivă mai abstractă asupra modalităților în care datele pot servi ca o componentă centrală a unui model de afaceri și a oportunităților pe care acestea le implică. Trebuie subliniat că aceste modele de afaceri nu se exclud reciproc.

Decizii informate de afaceri

Înainte de a discuta despre modalitățile de monetizare directă a datelor proprietare, este important de remarcat că, în multe cazuri, datele nu trebuie deloc monetizate direct pentru a avea un impact economic apreciabil. Într-adevăr, companiile au folosit datele la nivel intern pentru a informa deciziile strategice și a perfecționa procesele de afaceri cu mult înainte ca afacerile bazate pe date să ajungă la modă (Beniger, 1986). În aceste cazuri, datele sunt folosite ca intrare în procesul de gestionare. Efectul megadatelor a fost de a amplifica această practică. În cele mai avansate organizații, datele primare sunt folosite pentru a informa deciziile interne de afaceri la o scară extrem de fină. Pentru furnizorii business-to-business, cum ar fi Rolls Royce, modelul de afaceri principal este vânzarea de echipamente către clienți precum Boeing sau Virgin Atlantic. În fundal, însă, datele colectate prin intermediul senzorilor de la distanță instalați pe echipamentele lor alertează compania asupra problemelor de întreținere, permițându-le să ofere servicii mai bune și să informeze cercetarea și dezvoltarea. De asemenea, comercianții cu amănuntul precum Tesco și Starbucks au fost pionierii în utilizarea cardurilor de recompensă pentru a colecta date despre clienții lor și pentru a potrivi comportamentele lor de cumpărare online și offline. Aceste date informează, de asemenea, deciziile despre produse, prețuri, promoții, păstrarea stocurilor și strategia generală de afaceri. În timp ce modelul de afaceri principal pentru aceste companii este comerțul cu amănuntul, datele primare informează multe decizii majore.

Brokeri de date

O modalitate evidentă de a monetiza datele proprietare primare este să le tratați ca pe orice produs și să le vindeți altor părți. Astfel, datele primare sunt tratate ca o ieșire în sine. Un exemplu relativ pur al acestui tip de model de afaceri poate fi observat la Nielsen, o companie de cercetare de piață, care furnizează date și analize despre comportamentele publicului. Nielsen își colectează datele primare folosind panouri de audiență, bazate fie pe propriile sale domenii de cercetare, fie pe cercetarea contractată. Modelul de afaceri pentru Nielsen este furnizarea de date legate de cercetarea publicului în diverse formate, bazate pe specificațiile clientului.

În alte cazuri, firmele descoperă că datele pe care le generează prin operarea zilnică a afacerii lor pot avea o valoare de piață în sine. Firmele de rețele sociale, cum ar fi Twitter, de exemplu, vând accesul la datele pe care le găzduiesc unor terțe părți care le folosesc pentru o varietate de scopuri, cum ar fi perspectivele pieței și analiza sentimentelor. De asemenea, organizațiile de știri și platformele media online colectează date de la vizitatorii site-urilor lor web. Aceste date primare reflectă în primul rând comportamentele web (căutare, vizualizări, clicuri, descărcări și postări) și informații despre locație și dispozitiv. În timp ce aceste date informează luarea deciziilor interne, proprietarii de site-uri web acționează și ca brokeri de date și vând aceste date unor terțe părți. În plus, au opțiunea de a colabora cu alte companii, cum ar fi agenții de publicitate, pentru a rula campanii bazate pe aceste date.

Nigel Davis, director IT Analytics la Willis Group, ne ajută să înțelegem de ce brokerii de date sunt atât de importanți pentru economia de date în evoluție: „Este un spectru extins de date pe care dorim să-l folosim și să îl analizăm, iar gama de surse este în continuă creștere. Acestea variază de la fluxuri obișnuite de date live sub formă de servicii web găzduite de companii și agenții până la statistici, date demografice și seturi de date de risc de la un număr tot mai mare de terțe părți”. Pe măsură ce devine din ce în ce mai obișnuit să combine date din surse disparate în timpul analizei, este mai probabil ca organizațiile să apeleze la terțe părți pentru a furniza acele date. Nu este în mod evident mai eficient sau practic pentru fiecare organizație să-și colecteze propriile date decât este pentru fiecare organizație să-și foreze propriul petrol sau să-și genereze propria electricitate.

Brokerajul de date nu este nou. Listele de clienți au fost considerate de mult timp drept bunuri proprietare valoroase și tranzacționabile, în timp ce diverse companii au furnizat date în timp real despre prețul acțiunilor de la Bursa de Valori din New York încă de la sfârșitul secolului al XIX-lea. Cu toate acestea, apar două noi tendințe importante. În primul rând, pe măsură ce tehnicile analitice și capacitatea de calcul se extind pentru a cuprinde text și alte forme de date nestructurate, domeniul de aplicare a ceea ce constituie datele (și, prin urmare, a ceea ce constituie un broker de date) a crescut. Deoarece textul complet al unei arhive de ziare ar putea a fi considerat acum în mod corespunzător ca date, o companie care deține o astfel de arhivă poate deveni un broker de date pur și simplu făcând posibil accesul printr-un API. În al doilea rând, a existat o creștere mare a numărului de activități comerciale, tranzacții și interacțiuni care sunt mediate digital. Aceasta înseamnă că datele care anterior ar fi fost aruncate sau nu au fost niciodată capturate în primul rând sunt acum stocate digital „de la naștere”. Astfel, companiile care nu au fost preocupate de date se găsesc în posesia unor date care pot fi de valoare pentru alții.

Analitica datelor ca serviciu

Mulți dintre experți au subliniat că valoarea datelor nu constă în meritele lor intrinseci, ci mai degrabă în acțiunile rezultate din analiză. „Oamenii vor răspunsuri; nu vor mai multe date”, așa cum a spus Vivienne Ming de la Gild. Cu toate acestea, multe organizații care nu sunt companii de date în sine nu au în prezent expertiza internă sau capacitatea de a efectua această analiză. Drept urmare, un model de afaceri comun pentru companii din sfera megadatelor este furnizarea de analitice ca serviciu. Formele potențiale pentru analytice ca serviciu sunt diverse. Exemplele variază de la organizații mari, cum ar fi Experian, care se bazează pe seturi masive de date pentru a oferi punctaj de credit pentru consumatori, până la start-up-uri precum Gild, care recrutează în numele firmelor de tehnologie care utilizează date web pentru a profila potențialii angajați. În orice caz, caracteristica definitorie a companiilor de analitici ca serviciu este că ele iau date de intrare (propriile sale date de proprietate, datele furnizate de clientul său, o sursă de date terță sau orice combinație a acestora) și produc la ieșire un rezumat al datelor, o analiză, o perspectivă, un sfat sau un alt produs derivat din acele date.

Analitica datelor mari devine disponibilă și pentru uz personal, odată cu creșterea firmelor de analitica orientate spre consumatori. Mappiness, o aplicație mobilă care permite utilizatorilor să-și raporteze nivelurile de fericire și să primească feedback, colectează date personale, le analizează și le raportează utilizatorilor într-o formă utilizabilă, în timp ce BrightScope oferă evaluări ale planurilor de pensionare și analitici de investiții bazate pe o combinație de date deschise și personale. O parte importantă a modelului de afaceri al unor firme precum Amazon și Netflix este, de asemenea, furnizarea de recomandări bazate pe date către consumatori, care îmbunătățesc atât experiența clientului, cât și reținerea clienților.

Consultanță și consiliere

Realizarea pe deplin a beneficiilor big data necesită expertiză în tehnologie, analiza datelor, strategie de afaceri și organizaționale, etică și o serie de alte domenii. Zeci de întrebări trebuie abordate în formularea și implementarea unei strategii coerente de date. Exemplele includ care este cea mai bună arhitectură pentru infrastructura fizică de stocare a datelor, cum ar trebui să fie situați lucrătorii de date într-o ierarhie managerială, ce protocoale de securitate ar trebui introduse pentru a proteja integritatea datelor și care este atitudinea etică adecvată cu privire la manipularea datelor cu caracter personal? Cu toate acestea, așa cum unele companii nu sunt bine poziționate pentru a-și efectua propria analiză a datelor, altora le lipsește expertiza internă pentru a aborda toate dimensiunile acestei probleme strategice. Acest lucru a dat naștere unei industrii de firme, cum ar fi IBM, care oferă consultanță și expertiză tocmai în aceste aspecte.

Furnizori de instrumente

Mijloacele de stocare, serverele și stațiile de lucru, scanerele de coduri de bare, software-ul de analiză și vizualizare statistică, software-ul pentru baze de date, senzorii de la distanță, tehnologia de criptare și echipamentele de rețea și multe alte exemple de hardware și software constituie instrumentele comerciale pentru o afacere intensivă în date. Prin urmare, producătorii acestor instrumente reprezintă o parte importantă a economiei de megadate. Exemple de companii care furnizează instrumente de megadate includ IPONWEB, un furnizor de infrastructură și tehnologie pentru industria publicității online, și ESRI, care oferă platforme de analiză software geospațială.

Referințe

  • Beniger, J. (1986). The control revolution: Technological and economic origins of the information society. Cambridge, MA: Harvard University Press.

Sursa: Ralph Schroeder (2016) Big data business models: Challenges and opportunities, Cogent Social Sciences, 2:1, 1166924, DOI: 10.1080/23311886.2016.1166924, licența CC BY 4.0. Traducere și adaptare de Nicolae Sfetcu

Etica Big Data în cercetare
Etica Big Data în cercetare

Principalele probleme cu care se confruntă oamenii de știință în lucrul cu seturile mari de date (Big Data), evidențiind principale aspecte etice, luând în considerare inclusiv legislația din Uniunea Europeană. După o scurtă Introducere despre Big Data, secțiunea Tehnologia prezintă … Citeşte mai mult

Nu a fost votat $0,00$2,35 Selectează opțiunile
Introducere în inteligența artificială
Introducere în inteligența artificială

Inteligența artificială s-a dezvoltat exploziv în ultimii ani, facilitând luarea deciziilor inteligente și automate în cadrul scenariilor de implementare. Inteligența artificială se referă la un ecosistem de modele și tehnologii pentru percepție, raționament, interacțiune și învățare.  Asistăm la o convergență … Citeşte mai mult

Nu a fost votat $2,99$5,07 Selectează opțiunile
Lucrul cu baze de date
Lucrul cu baze de date

Colecția ȘTIINȚA INFORMAȚIEI Lucrul cu bazele de date este astăzi printre cele mai căutate abilități IT. Acum puteți obține o bază de plecare în proiectarea și implementarea bazelor de date cu o abordare practică, ușor de înțeles. ”Lucrul cu baze … Citeşte mai mult

Nu a fost votat $3,99$7,99 Selectează opțiunile

Lasă un răspuns

Adresa ta de email nu va fi publicată.