Stwierdzenie, że dane są paliwem gospodarki wydaje się obecnie dość oklepanym i wyeksploatowanym hasłem, choć tak naprawdę chyba niewiele przedsiębiorstw traktuje dane tak, jakby były ich kluczowym aktywem. O odkrywaniu wartości danych i ich monetyzacji rozmawiamy z Krzysztofem Goworkiem, Chief Innovation Officer w TUATARA.
Panie Krzysztofie, badania firm analitycznych pokazują, że w większości organizacje nie zdają sobie sprawy z tego jak cennym dla nich aktywem są ich WŁASNE dane. Jakie etapy Pana zdaniem jeszcze przed nami, zanim dane będą w przedsiębiorstwach pełnoprawnym aktywem o kluczowym znaczeniu, analogicznym do paliwa w czasie rewolucji przemysłowej?
Myślę, że porównanie danych do paliwa nie jest najtrafniejsze. Paliwo jest owocem przeróbki ropy naftowej i to właśnie w przypadku ropy można by pokusić się o pewną analogię. Tak jak ropę poddaje się przeróbce, by uzyskać paliwo, tak również dane w surowej formie mają niewielką wartość. Dopiero ich odpowiednie przetworzenie i wnikliwa analiza pozwalają uzyskać wartość biznesową, która mogłaby zostać porównana do paliwa w czasie rewolucji przemysłowej.
By dane zyskały status podobny innym cennym dla przedsiębiorstw aktywom, firmy muszą podjąć kilka wyzwań. Dużą przeszkodę stanowi niezgodność modeli danych na poziomie biznesowym spowodowana przez złożoność i różnorodność technologiczną posiadanych rozwiązań. Kolejny problem to procesy podejmowania decyzji nieadekwatne i zdezaktualizowane w stosunku do możliwości wykorzystania wiedzy z danych. Nie jesteśmy jeszcze przyzwyczajeni do łatwości sięgania po wnioski z danych. Przywykliśmy natomiast do konkretnych schematów działania i trudno nam wyjść ze strefy komfortu, jakie dają.
Należałoby zacząć od udostępniania prostych rozwiązań. Niegdyś człowiek musiał zaufać nowemu rozwiązaniu i przyzwyczaić się do poruszania się inaczej niż na piechotę. Najpierw korzystał z roweru. Potem zdecydował się przesiąść w szybsze środki lokomocji jak pociąg czy samochód. Następnie oderwał się od ziemi, by w szalonym tempie przemierzać niewyobrażalne odległości dzięki samolotom, by wreszcie eksplorować kosmos za sprawą wynalazków takich jak rakieta. Podobnie, stopniowo powinien zmieniać się sposób myślenia i działania przedsiębiorstw, pozwalając im przyzwyczaić się do istnienia możliwości wyciągania wniosków z danych i uczyć się z tej możliwości korzystać, zamiast próbować przesiadać się z roweru do rakiety. Firmy, mające już nawyk i potrafiące wykorzystywać podstawowe sposoby pracy z danymi i ich analizy, mogą zacząć czerpać z najnowszych podejść do przetwarzania danych.
Kiedy przeszkody wynikające z niedostosowanych modeli i procesów zostaną pokonane, a przedsiębiorstwa wypracują nową kulturę działania, pozwalającą czerpać z dostępnych rozwiązań technicznych, będą mogły w pełni wykorzystać potencjał, jaki dają dane i płynącą z nich wartość.
Jaki odsetek danych będących w posiadaniu firm jest obecnie wykorzystywany do bieżącej analizy i podejmowania decyzji? Czy są branże, które radzą sobie z tym lepiej niż inne? Jakie czynniki o tym decydują – bardziej świadomość posiadanych danych czy bardziej brak bądź niedojrzałość modeli biznesowych pozwalających na ich wykorzystanie?
Trudno tu mówić o konkretnych wartościach procentowych. Odsetek danych wykorzystywanych do analizy i podejmowania decyzji zależy od branży, w której operuje dane przedsiębiorstwo.
Najwyżej uplasują się w takiej klasyfikacji te firmy, o których można by powiedzieć, że wyciąganie wniosków z danych mają w swoim DNA. Będą to na przykład te organizacje, które oparły swój model biznesowy na sieciach społecznościowych. Mógłbym zaryzykować stwierdzenie, że Google czy firmy w modelu fintech, insurtech, jak również firmy opierające się na programmaticu, wykorzystują posiadane przez siebie dane w odsetku bliskim stu procent.
Pozycję za digital native businesses zajmą operatorzy telekomunikacyjni. Firmy z tej branży operują na danych od ponad dwudziestu lat. Początkowo robiły to wyłącznie w celach technicznych, potem także biznesowo. Przetwarzają dane w sposób zautomatyzowany i w czasie rzeczywistym. Mają na tym polu ogromne doświadczenie, jednak nie przetwarzają i nie poddają analizie tak dużej ilości danych jak firmy w pełni opierające swoje funkcjonowanie właśnie na obróbce danych.
Na trzecim miejscu znajdą się instytucje finansowe i banki, które również wykorzystują zgromadzone przez siebie dane, mające bardzo dużą wartość biznesową, ale robią to w znacznie mniejszym stopniu.
Wyjaśnijmy termin “monetyzacja danych”. W pierwszej kolejności kojarzy się z uzyskiwaniem przychodu ze sprzedaży danych gromadzonych lub generowanych przez przedsiębiorstwo. Ale to zaledwie przysłowiowy czubek góry lodowej. Jakie są obecnie najszerzej stosowane modele zarabiania na danych oraz jak będą Pana zdaniem ewoluować?
Sprzedawanie danych można by porównać do sprzedawania surowców. Jak wspomniałem, dane, same w sobie nie mają jeszcze znaczącej wartości biznesowej. Największa wartość dodana generowana jest w procesie ich przetwarzania, wyciągania płynących z ich analizy wniosków i zamieniania tych wniosków na gotowy do użytku dla konsumenta produkt. Udostępnianie wniosków z danych, służące kreowaniu nowego produktu czy usługi to właśnie monetyzacja danych.
Warto tu wspomnieć, że firma, chcąc zmonetyzować posiadane przez siebie dane musi wziąć pod uwagę ograniczenia wynikające z RODO. Zgodnie z przepisami każda organizacja przetwarzająca dane klientów ma obowiązek uzyskania zgody na użycie ich danych.
Monetyzacja danych może odbywać się na trzech poziomach, czy też w duchu jednego z trzech modeli biznesowych zewnętrznej monetyzacji danych, sklasyfikowanych w listopadzie 2018 roku przez MIT Sloan Management Review.
Jakie modele wyróżnia ta klasyfikacja?
Jest to przede wszystkim data as a service – w tym przypadku anonimowe, zagregowane dane sprzedawane są pośrednikom lub klientom końcowym, np. operatorzy telekomunikacyjni sprzedają dane dotyczące lokalizacji swoich klientów samorządom lokalnym. Te zaś dzięki wglądowi w dane mogą bardziej efektywnie planować systemy zarządzania ruchem drogowym. Detaliści (np. Kroger) za pomocą karty lojalnościowej gromadzą dane klientów, które sprzedają producentom żywności. Na podstawie danych producenci mogą lepiej zrozumieć potrzeby i zachowania zakupowe swoich klientów.
Kolejnym modelem jest insight as a service – w tym modelu dane firmy łączone są z danymi z zewnętrznych źródeł, a przy wsparciu modeli analitycznych powstają wnioski biznesowe. Na przykład AkzoNobel (producent farb, produktów farmaceutycznych i chemicznych) stworzył model, który umożliwia armatorom uzyskanie oszczędności na paliwie i redukcję emisji dwutlenku węgla w zależności od zastosowanej farby na statku. Model, udostępniony za pomocą aplikacji mobilnej, pozwala na porównanie różnych scenariuszy i optymalizację inwestycji armatora.
Trzeci model to analytics-enabled platform as a service – to najbardziej skomplikowany z modeli. Oferuje on jednocześnie największą wartość klientowi końcowemu. Firmy udostępniają na platformie chmurowej dane, które, dzięki zastosowaniu zaawansowanych algorytmów analitycznych przetwarzania w czasie rzeczywistym, są wzbogacone, dostosowane do potrzeb klienta i możliwe do użycia w modelu self-service. Na przykład platforma Predix, stworzona przez GE dostarcza zintegrowane i oparte na technologii systemy zarządzania energią (EMS). Dzięki Predix firma GE udostępnia klientom analizę predykcyjną i preskryptywną dotyczącą zużycia energii i konserwacji. Pozwala ona na obniżenie kosztów poprzez uproszczenie procesów energetycznych.
Przytaczany już Google realizuje trzeci, najbardziej zaawansowany spośród wymienionych modeli monetyzacji danych. Operatorzy telekomunikacyjni natomiast reprezentują model pierwszy, sprzedając dane do call centres. Do niedawna brakowało na rynku branż tradycyjnych – rozumiem przez nie banki, ubezpieczycieli czy operatorów telekomunikacyjnych – firm, które realizowałyby model bardziej zaawansowany. Tymczasem możemy już obserwować pierwsze firmy, stosujące zaawansowane modele monetyzacji posiadanych danych i budujące na ich podstawie nowe usługi, jak na przykład właśnie jeden z operatorów telekomunikacyjnych. Nie ma natomiast jeszcze na rynku rozwiązań udostępniających usługi branż tradycyjnych w modelu platformowym i zapewne w tę stronę modele monetyzacji danych będą ewoluować.
Przykładem innowacyjnego modelu biznesowego opartego na danych jest rozwiązanie firmy TUATARA – TASIL, polegające na połączeniu danych operatora telekomunikacyjnego i banku. Jaką wartość może wykreować takie połączenie i jakie mogą być jego zastosowania?
Stworzona przez nas platforma monetyzacji danych TASIL została powołana do życia we współpracy z operatorem telekomunikacyjnym. TASIL to jednak rozwiązanie dla firmy z niemal dowolnej branży. Przedsiębiorstwo, które posiada duże ilości danych o klientach i chce uczynić z nich dodatkowe źródło przychodu z zachowaniem wysokich standardów ochrony danych indywidualnych klientów z powodzeniem może zrobić poprzez wdrożenie platformy. TASIL pozwala przetworzyć posiadane przez klienta biznesowego dane na paliwo dla internetowej platformy marketingowej, oferującej firmom trzecim niezwykle precyzyjne i adekwatne usługi reklamowe w czasie rzeczywistym.
Łączenie danych operatora telekomunikacyjnego i banku odkrywa niebywały potencjał biznesowy. Informacje o transakcjach bankowych – zwyczajach i potrzebach zakupowych klienta, połączone z danymi telekomunikacyjnymi – o lokalizacji, informacjami o przemieszczaniu się, zachowaniu związanym z wykorzystaniem smartfona — pozwalają na dużo bardziej precyzyjne kierowanie komunikatów, zarówno marketingowo-sprzedażowych, jak i tych związanych z obsługą klienta. Wnioski z takich danych umożliwiają na przykład ustalenie tzw. „best time to call” czy preferowanego przez danego klienta kanału komunikacji.
Łączenie danych od operatora telekomunikacyjnego i banku z pochodzącymi ze źródeł partnera, np. z social media, informacjami na temat istotnych wydarzeń w życiu człowieka, takich jak zakup samochodu, planowanie wesela czy narodziny dziecka, pozwoli stworzyć pełniejszy widok klienta. To zaś umożliwi lepsze pozycjonowanie produktów i wykreowanie najbardziej adekwatnej oferty, jak również jeszcze precyzyjniejsze kierowanie komunikatów. Lepsza, bardziej spersonalizowana obsługa klienta, dobrze ukierunkowana reklama i oferta, zawierająca produkty i usługi dostosowane do potrzeb klienta, są niewątpliwą wartością, budują i umacniają lojalność, zwiększają sprzedaż i poprawiają wizerunek marki w oczach klienta.
Na konferencji IBM Think 2019, na której prezentował Pan wspomniane rozwiązanie TASIL, nazwał Pan stworzony model czwartym modelem monetyzacji danych. Czym różni się od omówionych już modeli monetyzacji?
Czwarty model polega na stworzeniu synergii między danymi z różnych branż, z zachowaniem pełnej anonimowości i ochrony danych osobowych. Jest to rozszerzenie modelu insight platform as a service do insight ecosystem as a service. Narzędziem uzyskania dodatkowego strumienia przychodów w tym modelu jest platforma usługowa zbudowana na bazie zintegrowanych danych pochodzących z różnych źródeł, takich jak właśnie na przykład operator telekomunikacyjny i bank. Takie rozwiązanie oparte na łączeniu i bezpiecznym udostępnianiu podmiotom zewnętrznym danych, takich jak informacje o lokalizacji klientów, ich zachowaniu czy preferencjach, pochodzące od operatorów telekomunikacji z posiadanymi przez banki danymi dotyczącymi np. siły nabywczej klientów, stwarza nowe możliwości biznesowe w zakresie obsługi klienta i marketingu, o których wspomniałem wcześniej.
Mógłby Pan zdradzić dalsze plany rozwoju platformy TASIL i zastosowania modeli monetyzacji w innych branżach?
Czwarty model monetyzacji danych polega na integracji danych z różnych branż. Jego rozwój opierać się będzie więc przede wszystkim na poszerzaniu ekosystemu o kolejne, różnorodne pod względem rodzaju posiadanych danych o klientach firmy.
Model będzie się rozwijał w kierunku branż, posiadających dane, z których da się pozyskać wartościowe wnioski. Będzie to sektor utilities, gdzie można wykorzystać dane pochodzące z IoT czy smart home. Nieocenionym partnerem w nowym ekosystemie okaże się też branża ubezpieczeniowa, która jest niezwykle zasobna w dane. Mogą one mieć zastosowanie w optymalizacji produktów i oferty, a także przy budowie produktów w duchu customer centric. Dane z interakcji z klientem mogą posłużyć do skuteczniejszego docierania do klientów z ofertą.
Naturalnie ekosystem będzie poszerzał się także o kolejne firmy telekomunikacyjne i banki, co pozwoli uzyskać lepsze pokrycie rynku. Zakładam również, że z czasem zostanie ściśle zintegrowany z ekosystemem marketingu internetowego.
Dziękuję za rozmowę i zapraszamy na AI & Big Data Congress, podczas którego p. Krzysztof Goworek będzie prezentował praktyczne użycie AI & Big Data: Real-time marketing and data monetization based on combining bank and telecommunications operator’s data.
