La valorizzazione interna dei dati è la chiave per creare vantaggio competitivo attraverso i dati. Una tematica che è stata affrontata più di recente, e su cui a livello internazionale vi è sempre più attenzione, è invece la valorizzazione dei dati come asset da acquisire dall’esterno o condividere con altri attori, esterni all’organizzazione. Per parlare di Data Monetization nel vero senso dell'espressione è bene, dunque, chiarire prima di tutto questa distinzione.
In questo articolo affrontiamo innanzitutto il significato di Data Monetization e il modello per la valorizzazione dei dati. Successivamente, analizziamo la sua diffusione all’interno delle aziende italiane, attraverso la Ricerca dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano.
Cosa si intende per Data Monetization
Con il termine Data Monetization si fa riferimento alla possibilità di monetizzare i dati. Ciò può avvenire internamente, attraverso lo sviluppo di diverse progettualità di Analytics; oppure esternamente, attraverso vendita, scambio o condivisione dei dati con attori esterni all’azienda.
Questo secondo ambito è sicuramente meno maturo, ma proprio per questo vale la pena iniziare a esplorarlo, comprendendone fin da subito le opportunità.
La quantità e l’eterogeneità delle fonti dati oggi a disposizione fanno sì che trarre valore attraverso la vendita, lo scambio o la condivisione dei dati non sia possibile soltanto per i classici Information Provider, ma anche per aziende che hanno core business differenti e che in tal modo potrebbero dar vita a nuove opportunità di mercato. La gamma di dati che è possibile mettere a disposizione può andare ben oltre le fonti tradizionali, quali dati di bilancio, ad esempio, nella direzione di fonti dati semi-strutturate, come i dati geo-spaziali.
Monetizzazione dei dati: un modello a tre tipologie
L’Osservatorio Big Data & Business Analytics ha realizzato e validato un framework di sintesi, volto a comprendere le opportunità di monetizzazione dei dati, analizzandole in relazione alle finalità strategiche. A partire dal confronto con la community dell’Osservatorio e dall’approfondimento di casi d’uso a livello internazionale, sono state identificate tre tipologie di Data Monetization.
1) Arricchimento dell’offerta attraverso i dati
I dati vengono offerti in abbinamento a un determinato prodotto/servizio e rappresentano quindi un’estensione del valore del prodotto principale. In alcuni casi, l’integrazione dei dati permette di creare nuovi prodotti/servizi e intercettare nuovi interlocutori sul mercato. Alcuni esempi sono siti di recensioni online che permettono di valutare il proprio posizionamento sul mercato, ma anche operatori in ambito energy che consentono ai consumatori di confrontare i propri consumi con la media.
2) Condivisione
I dati vengono condivisi gratuitamente per specifiche finalità. La scelta di condividere i propri dati può nascere da differenti motivazioni: per motivi legati alla brand reputation (ad esempio mettendo a disposizione dei dati open per la cittadinanza), oppure per il miglioramento dell’efficacia di modelli predittivi, ricerca e sviluppo di nuovi prodotti o cross-up selling.
3) Baratto & Vendita
I dati vengono venduti singolarmente, ossia vengono messi a disposizione come principale prodotto a fronte di un diretto flusso di denaro in entrata o in cambio di un bene/servizio. Decidere di portare avanti una progettualità di questo tipo può significare, per un’azienda, innovare nel proprio modello di business, dando vita ad un nuovo flusso di ricavi. Non si può non pensare qui al ruolo delle Telco, aziende caratterizzate da grandi moli di dati di immenso valore per diversi interlocutori. Le principali Telco italiane, infatti, si stiano muovendo in quest’ambito.
Data Monetization e aziende italiane: a che punto siamo?
Secondo i dati della rilevazione 2019 dell’Osservatorio, il 72% delle grandi aziende mette a disposizione i propri dati a specifici attori o acquisisce dati esterni, con modalità gratuite o meno. Un ulteriore 6% dichiara di aver messo a disposizione in modalità open una specifica tipologia di dati in proprio possesso.
Non sorprende come siano ancora una minoranza (17%) quelle che si spingono a condividere o vendere i propri dati. Tra quelle che lo fanno, si tratta per lo più di accordi contrattuali specifici e solo in rari casi di vendita/condivisione massiva sul mercato. Dall’altra parte circa il 40% dichiara di portare avanti operazioni di acquisto dei dati.
Le aziende, dunque, pur riconoscendo il valore dell’integrazione di dati esterni e vedendo le potenzialità della Data Monetization, non hanno ancora una chiara consapevolezza di come muoversi. Le resistenze culturali e la scarsa conoscenza dei limiti normativi in merito fanno sì che siano poche quelle che si spingono verso condivisione e vendita di dati grezzi.
Il rapporto tra Data Monetization e Privacy è stato e continuerà a essere affrontato dagli esperti legali all’interno degli Osservatori Digital Innovation, proprio al fine di fare chiarezza su che cosa e con quali modalità è possibile monetizzare i dati nel quadro normativo attuale.
La Data Monetization e Data-as-a-Service
Nel campo della Data Monetization il Data-as-a-Service (DaaS) rappresenta un paradigma trasformativo, dove la commodificazione e lo scambio di dati stanno diventando sempre più diffusi. Questo approccio innovativo implica la fornitura di dati on-demand, consentendo alle aziende di accedere, analizzare e sfruttare le informazioni senza la necessità di infrastrutture complesse o di una gestione dati interna estesa. Fondamentalmente, DaaS permette alle organizzazioni di sfruttare in modo agevole fonti di dati esterne, favorendo l'agilità e l'efficienza nei processi decisionali.
Abbracciare il concetto di Data-as-a-Service non solo ottimizza le operazioni interne delle aziende, ma apre anche nuovi flussi di entrate offrendo dataset curati a entità esterne. Questo spostamento verso un modello di dati orientato al servizio sottolinea il crescente riconoscimento dei dati come un asset di valore che va oltre la mera conservazione, aprendo la strada a un ecosistema dati più dinamico e collaborativo.
Vuoi comprendere come sfruttare i Big Data Analytics in azienda?
- Autore
Gli ultimi articoli di Irene Di Deo
