Monetização de dados sem segredos (parte 1 de 2)

Toda empresa em funcionamento hoje é uma empresa de dados. A maioria tem acesso a uma variedade de dados de suas cadeias de suprimentos, operações, parceiros estratégicos, clientes e concorrentes. Contudo, muitas delas estão deixando de ganhar dinheiro – apenas um em doze negócios tem monetizado ao máximo seus dados.

O dado, por si só, já tem valor. Porém, os insights que podem ser obtidos por meio dele fazem com que esse valor cresça substancialmente. Esses insights podem ser usados para orientar ações tão diferentes quanto a segmentação de clientes, a previsão de demanda e rotatividade, a otimização de preços, o marketing de retenção e o gerenciamento de custos, e podem originar margens ainda maiores quando vendidos a terceiros.

Dois caminhos iniciais para a monetização de dados

Existem dois caminhos básicos para a monetização de dados nas empresas. O primeiro é interno e consiste em usar dados para melhorar as próprias operações, produtividade, produtos e serviços, além de permitir contatos personalizados com os clientes. O segundo caminho, por sua vez, é externo e envolve a criação de novas fontes de receita pela disponibilização de dados para clientes e parceiros.

Ambos não são mutuamente excludentes e há alguns casos de negócios que seguem as duas estratégias, como é o caso de empresas de telecomunicações como Verizon, Deutsch Telekom e Telefónica. Elas alcançar a monetização de dados interna ao utilizar os dados com o objetivo de otimizar operações e serviços aos clientes, enquanto aproveitaram para oferecê-los – anonimizados e agregados – aos seus parceiros e clientes B2B, fornecendo:

– Segmentação e delimitação geográficas para varejistas e turismo.- Fluxo de tráfego e informações sobre adensamento para agências de publicidade, entidades governamentais, empresas de transporte público, planejadores urbanos e organizações de saúde.- Detecção de fraudes por instituições financeiras e empresas de cartão de crédito.- Segmentação inteligente e indicativos do fluxo de cliques para marcas e anunciantes digitais.- Localização, layout e planejamento de pessoal para lojas físicas.- Aplicações da internet das coisas (IoT) para diversos tipos de empresa.

No entanto, é importante ressaltar que a monetização de dados bem-sucedida exige uma abordagem cuidadosa que prioriza as oportunidades mais valiosas, porém, consistentes com a estratégia geral de cada negócio.

Preparação para a monetização dos dados

A empresa de equipamentos agrícolas John Deere criou uma nova fonte de receitas para si mesma e de valor para os seus clientes por meio de dados. A partir de uma parceria com a Universidade Cornell e sua plataforma de dados Ag-Analytics, a instituição educacional sincroniza sua plataforma com o centro de operações da John Deere para acessar e analisar informações das fazendas.

Os agricultores, por sua vez, têm a possibilidade de acessar ferramentas de análise como seguro de safra, projeção de rendimento e gestão de risco. A Ag-Analytics fornece ainda informações públicas, como tipos de solo e clima. Dispondo dessas informações, combinadas aos dados agrícolas detalhados da John Deere, os fazendeiros obtêm simulações de seguros da USDA Risk Management Agency, imagens de satélite da vegetação e atualizações em tempo real das condições do campo.

Em paralelo, a organização global Environmental Defense Fund está se associando à Cornell para avaliar o potencial de uma central de dados de sustentabilidade agrícola para apoiar agricultores em práticas conservacionistas. A integração com o centro de operações da John Deere foi um passo inicial importante para essa parceria. Os dados agregados, anônimos e de mais longo prazo poderiam ser usados para alertar situações regionais de maior impacto, como o derramamento de nitrato ou as emissões de óxido nitroso. Essa central de informações seria importante para aumentar a transparência das cadeias produtivas entre grandes companhias alimentícias como forma de estimar o avanço e acompanhar as práticas implementadas no solo pelos agricultores.

Fatores a serem considerados

Incremento do valor dos dados – nem todo dado tem valor de venda em sua forma bruta. Em geral, requer uma harmonização com outras fontes (como market share, imagens meteorológicas ou de satélite ou mercado de commodities) para oferecer informações de valor. A maior parte das empresas que transformam seus dados em mercadoria busca parceiros que possam otimizar o que coletam internamente.

Dimensionamento do mercado – é importante não apenas conhecer potenciais clientes, tanto internos como externos, mas também como eles poderiam se beneficiar dos dados de uma empresa. Há uma grande variedade de usos, da otimização de informações de uma unidade de negócios para uso de outra área com o objetivo de alavancar o funcionamento de um sistema, à ajuda a um cliente externo na tomada de decisões com o uso de uma solução de dados organizada pela empresa.

Maximização do valor potencial – quanto valem os dados de uma empresa? A resposta depende de fatores como demanda de mercado, prazo de validade dos dados, ofertas da concorrência e como potenciais clientes os usarão. Para obter o maior valor possível, as companhias precisam identificar tendências e possíveis resultados gerados por essas informações que não sejam facilmente replicados por outras ou oferecidos por competidores. A automação do processo de geração de ideias a partir do uso de business intelligence aumenta o valor desses dados.

Rotas para a monetização de dados

Internamente, existem dois caminhos para as empresas lucrarem com seus dados:

– Redução de custos: uso de dados para aumentar a produtividade ou para reduzir consumo e perdas, seja de materiais brutos ou de atividades de baixo valor agregado.

– Aumento de receita: uso de dados para melhorar resultados de vendas ou para reduzir a perda de clientes.

Negócios têm monetizado seus dados ao otimizar suas operações apostando em ambas as rotas. Por exemplo, companhias do setor de energia e processos industriais, como refinarias, hidrelétricas e outras instalações de geração de eletricidade, estão repensando seus modelos de engenharia de forma veloz para enfrentar a concorrência e aumentar a produtividade e lucratividade.

À medida que essas empresas trabalham para atender a crescente demanda, desafios externos vão surgindo em seus ambientes de operação – aumentos nos custos de produção impactam seus resultados e a flutuação de preços afeta a geração de receita. Essas margens apertadas reforçam a necessidade do poder dos dados e de suas análises, possibilitando uma tomada de decisão melhor, máquinas e equipamentos são monitorados digitalmente e as análises fornecem projeções e diagnósticos com antecedência.

Empresas disruptoras que nasceram digitais como Amazon, Netflix e Airbnb, e outras que sabiamente se transformaram em digitais, como CapitalOne e Disney, usufruem de seus dados ao conhecer profundamente seus consumidores. Elas observam dados demográficos, necessidades especiais, histórico de aquisições e interações, comportamentos de consumo e situações em que há inversão de comportamento, e oferecem produtos e serviços altamente personalizados de ponta a ponta – eles levam a experiência do cliente a sério. Essa centralidade no cliente faz com que dados gerem resultado, criando uma vantagem na disputa pelos consumidores.

No entanto, a rota externa da monetização de dados é, na verdade, quem oferece as maiores oportunidades. Os três principais modelos de negócio que apostam na monetização de dados externa comportam serviços de dados, serviço de insights, ou identificação de oportunidades e serviços de plataformas analíticas. Os três variam conforme o potencial de retorno, a adição de valor para clientes e o grau de sofisticação exigido, como mostra o “Business Model Spectrum”.

Business Model Spectrum

Fonte: Demystifying Data Monetization, MIT Sloan Review

No próximo artigo, os autores falam sobre como funcionam os serviços de dados, os serviços de insights e a identificação de oportunidades e serviços de plataformas analíticas, além de sugerir como as empresas podem criar suas fábricas de dados.

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

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