Três formas de monetizar dados e análises

Apesar de ter uma plataforma de insights de negócios de última geração, a Dow Chemical tinha um problema de dados. A organização tinha centenas de painéis e milhares de relatórios, mas nenhuma daquelas informações estava gerando decisões melhores. 

Não é incomum para as organizações manterem investimentos em sistemas mesmo quando eles não produzem os benefícios prometidos, mas a equipe de D&A da Dow Chemical decidiu parar e reexaminar o que (e como) a sua plataforma poderia proporcionar. 

A Dow revisou as métricas de uso e empregou feedback para identificar e resolver obstáculos aos usuários que continuavam sem solução. O resultado? O consumo da plataforma aumentou em 25% de 2015 até 2018 e, nesse período, o valor comercial dos dados analíticos e soluções de inteligência comercial empresariais da Dow cresceu 4,2 vezes. 

Baixe e-book: Como as pessoas, máquinas, dados e análises podem afetar a tomada de decisões?

Não basta simplesmente ter os dados. O valor dos dados vem dos insights que eles criam, dos processos que eles otimizam e da capacidade que eles têm de possibilitar melhores tomadas de decisão. A realidade é que, apesar do entusiasmo e das expectativas com dados e análises, a maioria das organizações não está monetizando seus dados com sucesso. 

“Dados e análises podem ser um ativo valioso de negócios que melhorará as decisões empresariais, impulsionará a transformação digital dos negócios e gerará novas receitas para a sua organização”, diz Shelly Thackston, especialista sênior do Gartner. “Mas para fazer isso de modo correto, é necessário abandonar pressuposições falsas sobre monetização de dados e enfrentar as barreiras culturais, estruturais e processuais que fazem com que muitas organizações falhem.”

Enquanto muitas organizações estão se debatendo para monetizar dados de modo eficaz, outras, como a Dow Chemical, repensaram toda a sua estratégia de dados para demonstrar como podem monetizar dados com sucesso. 

Use dados para otimizar os negócios

Organizações que realizam a promessa de ter plataformas analíticas e de inteligência comercial e agem para otimizá-las em toda a empresa encontrarão valor verdadeiro e reconhecerão oportunidades que não eram aparentes anteriormente. 

A Dow Chemical criou valor ao otimizar processos de negócios. Primeiro, a empresa identificou quais equipes estavam usando quais partes da inteligência comercial e para que propósito. Se aquela equipe estava conseguindo bastante valor de uma solução subutilizada, era solicitado que ela compartilhasse suas vitórias e histórias com outras partes da empresa. Se houvesse um setor da empresa procurando uma solução específica, a equipe os guiava para a opção mais eficaz. O loop de feedback constante e soluções iterativas possibilitava o crescimento substancial de receitas. 

Uso de dados para abordar desafios de negócios

Um dos maiores desafios com dados é que podem existir dados isolados e fragmentos em pontos distantes. Grupos de negócios diferentes individualizaram configurações e coletaram seus próprios dados para suas metas, mas geralmente as empresas não possuem uma narrativa global coesa. Isso dificulta o uso de dados para qualquer finalidade no mundo real. 

Isso era exatamente o problema na Turku City Data, uma plataforma provedora de IA nórdica, que descobriu ser incapaz de fechar a lacuna entre dados e a solução de problemas do mundo real. A solução da organização foi uma estrutura flexível de gráficos analíticos. Isso significou que os dados da empresa eram organizados em um nível de abstração tal, que todo ponto de dados significava uma pessoa, objeto, local ou evento. A Turku City Data usou esta estrutura fácil de entender como uma linguagem comum para expressar e explorar problemas de negócios em sua riqueza contextual e estrutural.  

Baixe a diretriz de TI: Dados e análises

Use dados para coletar melhores dados 

Um erro comum que organizações cometem quando se trata de monetizar dados é olhar apenas para os dados que estão prontamente disponíveis em busca de oportunidades. É um erro compreensível para organizações que foram levadas a acreditar que os dados em si são inerentemente valiosos. Entretanto, a empresa de tecnologia global ZF Group decidiu que uma abordagem contraintuitiva poderia fazer mais sentido. Em vez de examinar dados que eles já tinham, a organização selecionou mercados-alvo e olhou mais cuidadosamente para o tipo de dados que criariam valor para aquele mercado. 

Os líderes perceberam que os dados que a organização já tinha (e que a maioria das organizações tem) ofereciam valor limitado, pois frequentemente são sobre assuntos comuns e são otimizados para uso interno. A monetização dos dados requer dados exclusivos que as organizações não possuem.

As empresas normalmente têm apenas 80% dos dados de que precisam para criar um novo produto, e o desafio é onde encontrar os 20% restantes que fazem com que o produto seja realmente valioso. Por exemplo, uma empresa vende rótulas esféricas com sensores de IoT que geram dados usados para treinar algoritmos de manutenção preditiva. A organização, então, comercializa análises e visualizações voltadas ao consumidor para habilitar programas de manutenção preditiva. Isso significa que esta organização está procurando constantemente novas oportunidades para criar dados que podem nem existir ainda, o que, por sua vez, faz com que esses dados sejam valiosos para outras pessoas.