Monetização de dados sem segredos (parte 2 de 2)

Embora toda empresa hoje seja uma empresa de dados, ainda muitas enfrentam dificuldades ao transformar seus dados em receita. Os autores Suketu Gandhi, Bharath Thota, Renata Kuchembuck e Joshua Swartz, em seu primeiro artigo – Monetização de dados sem segredos – apontaram os caminhos iniciais para que as companhias iniciem oportunidades de monetização e como elas devem preparar suas estruturas e operações para que esse objetivo se torne realidade.

Segundo os autores, há duas rotas possíveis para a monetização de dados nos negócios. Quando pensamos internamente, ela se dá por meio da redução de custos e do aumento de receita. No contexto externo, contudo, a rota se configura a partir de quem oferece as melhores oportunidades, e há três modelos de negócio principais que apostam nessa monetização de dados externa: os serviços de dados, serviço de insights, ou identificação de oportunidades e serviços de plataformas analíticas.

3 modelos para monetização de dados

Serviço de dados:Também chamado de data syndication ou distribuição de dados, é o mais simples dos três modelos de negócios. Dados anônimos e agregados são vendidos a empresas intermediárias ou usuários finais que os manipulam em busca de ideias.

Por exemplo, empresas de telecomunicações oferecem dados de geolocalização não identificados e organizados de clientes para governos locais. Essa prática permite que planejadores urbanos criem sistemas de gerenciamento de tráfego mais precisos ou desenvolvam melhores soluções para smart cities.

Outros players que utilizam tais dados podem fazer parte de cadeias de produção e distribuição, caso do varejista de alimentos Kroger. A companhia obtém informações de consumo por meio de seu cartão fidelidade e vende os dados para empresas de produtos embalados, sedentas por um entendimento mais profundo dos hábitos de consumo, gostos e preferências de seus clientes.

Serviço de insights:Empresas podem também combinar fontes próprias e externas de dados, aplicando análises avançadas para ideias que podem ser convertidas em oportunidades para seus clientes. A AkzoNobel criou um sistema de apoio à decisão para companhias de navegação com o objetivo de ajudá-los na economia de combustível e na redução de emissão de CO2.

Disponível em aplicativo para iOS, o sistema fornece continuamente prognósticos de performance de tecnologias de revestimento. É uma abordagem que permite aos operadores de navios análises financeiras e de performance das escolhas de revestimento dos cascos, otimizando relevantes decisões de investimento.

Serviço de análise de dados em plataformas:É o mais complexo dos três modelos e o que oferece maior valor agregado aos clientes. As empresas usam complexos algoritmos próprios para gerar informações ricas e detalhadas, disponibilizadas em tempo real por meio de plataformas na nuvem e operadas pelo próprio cliente. Esse modelo permite acesso a novos mercados, podendo até dar início a um negócio totalmente novo.

Por exemplo, a plataforma Predix, da GE, cria valor para seus clientes por meio de um serviço que aumenta a eficiência de suas máquinas. A GE apresenta sistemas de gerenciamento de energia para iluminação e abastecimento para usuários comerciais, industriais e públicos, como é o caso de San Diego, na Califórnia, e Jacksonville, na Flórida.

Esses sistemas combinam a capacidade de LEDs econômicos, sensores de última geração, software na nuvem e modelos analíticos avançados. Por meio do Predix, a GE faz análises preditivas e prescritivas para o uso de energia, manutenção e outros, permitindo decisões sobre redução de custos a partir da simplificação do uso e distribuição de eletricidade, com automação e eficiência operacional.

Montagem de uma fábrica de dados

Para maximizar o potencial de monetização interna e externa, as empresas devem montar uma “fábrica de dados” que automatize o processo de coleta, enriquecimento, transformação e produção de insights a partir de dados. É um comprometimento complexo, que deve obedecer a princípios de design e metodologias de design thinking, lean startup e agile para funcionar.

Crie uma plataforma de dados

O conjunto de arquitetura e tecnologia em que se apoia o modelo de negócio de monetização de dados tipicamente envolve uma robusta estratégia empresarial de dados e uma plataforma com interface intuitiva para que sejam executadas análises, sínteses, modelagem e interação em um nível mais alto e que permita visualização. O objetivo é criar uma única fonte verdadeira, a partir de armazenamento, harmonização e processamento de dados. Isto libera os dados para serem usados internamente ou por terceiros.

A construção da plataforma correta pode requerer que o compartilhamento de dados se dê em larga escala e por várias entidades, além de exigir uma infraestrutura computacional expansível, em geral, obtida em nuvens públicas ou privadas. As quatro opções de montagem dessas plataformas – você pode construir, comprar, alugar ou se associar – estão descritas na tabela abaixo:

Facilite análises, insights e resultados

A arquitetura da plataforma deve disponibilizar análises autônomas e interfaces interativas para o cliente e para a visualização dos dados. Por exemplo, o Programa Connected Partner, da Nielsen, abriu seus canais de dados, permitindo que clientes e empresas parceiras se encontrem e colaborem entre si em um ecossistema aberto, o que resultou em melhores resultados a partir de análises mais eficientes e acuradas.

Adote um modelo de operação

Não existe um modelo único de estrutura para orientar uma estratégia de monetização de dados. As empresas mais bem-sucedidas ajustam sua estrutura a cada fase do caminho. Independentemente do modelo de negócio que se adote, os formatos de operação devem cobrir todos os requisitos necessários, incluindo tecnologia, infraestrutura, sistemas de análise e plataformas, bem como acompanhamento de gestão, estrutura organizacional, indicadores de performance e, é claro, lucro.

Prepare-se para governança e compliance

Operacionalizar a estratégia de monetização de dados requer um modelo sólido de governança que considere padrões e diretrizes adequados e políticas de compliance entre as equipes. As organizações devem estar atentas aos requisitos externos de compliance das entidades governamentais e parceiros que participem do negócio. Em qualquer um dos casos, aconselhamento legal e técnico devem ser usados para a formatação de normas.

Demonstre competências em cibersegurança e privacidade

Embora a liderança diga que a segurança tecnológica é uma de suas principais preocupações, ela é frequentemente negligenciada quando a solução está sendo desenhada. Quando as empresas reorientam seus modelos de negócios e montam suas fábricas de dados, a cibersegurança deve ser uma das principais competências, fazendo com que as companhias demonstrem que informações sensíveis estão adequadamente protegidas. Se as atividades de monetização estão relacionadas ao enriquecimento, transformação e venda de dados que foram obtidos por meio de parceiros externos, é necessário obedecer aos requisitos de segurança das entidades que os fornecem.

Transformação dos dados em ativo estratégico

Toda empresa é uma empresa de dados, e a maioria dispõe de um conjunto de informações inexploradas e subutilizadas, que poderia reverter em uma tremenda riqueza financeira. Há três ações-chave que complementam e podem transformar um negócio que possui sua fábrica de dados:

– Identifique potenciais oportunidades internas e externas de monetização.

– Avalie seus dados, identifique qualquer possibilidade não percebida de enriquecê-los e aumente o valor de possíveis descobertas.

– Desenvolva uma estratégia sólida de monetização e busque oportunidades, dependências e lacunas em sua capacidade.

As organizações podem reforçar seus “ganhos por byte” ao reimaginarem um futuro em que não só maximizam a geração de valor internamente, mas também criam um mercado para seus dados e insights valiosos. Essa abordagem significará que essas empresas devem mudar não apenas seu campo de atuação, mas devem reinventar o jogo, assegurando sua dominância no mercado.

O Fórum: Data Science é uma coprodução de MIT Sloan Review Brasil e SAS.

Saiba mais sobre dados e analytics em nossas newsleters e nossos podcasts.“