Nogle mennesker taler om data som den nye olie, men det er for forenklet. Olie er en vare – en vare, der kan købes og sælges. Data er et aktiv, et aktiv, der vokser i værdi gennem brug. En enkelt persons data er ikke særlig værdifulde. At kombinere data genereret af tusindvis af mennesker er en helt anden sag. Ved at koble det med data, der er genereret i forskellige situationer, ved at kombinere datasæt, skabes der ny indsigt og værdi for forskellige aktører og interessenter.
Hvis data er så værdifulde, hvorfor er der så så få virksomheder, der værdsætter dem? Nogle forsøger at beregne en pris for deres data. De forsøger at forstå, hvad markedet vil betale for dem. Men værdien i data ligger ikke altid i salget af dem. Tag f.eks. Amazon og Alibaba. Begge virksomheder forsøger at optimere en markedsplads; at forbinde kunder med en efterspørgsel eller med organisationer, der kan levere. De enkelte forbrugere leverer data om, hvad de ønsker og har brug for. Amazon og Alibaba bruger disse data til at matche forbrugerne med udbydere med de rigtige produkter og tjenester. De samler også dataene for at give indsigt i markedstendenser og indkøbsmønstre. De sælger ikke data, i hvert fald ikke som deres primære tjeneste, men de bruger dem i vid udstrækning til at optimere deres processer.
Det handler ikke om at sælge data – det handler om at indse, at data er en organisations livsnerve.
Den værdi, som data har for Amazon og Alibaba, er ikke indfanget i en prisfastsættelsesmetode. Ja, deres data kan være værdifulde for tredjeparter, men de er mere værdifulde for virksomhederne selv, når de forsøger at optimere deres drift. Uden data kunne de nemlig ikke fortsætte med at drive virksomhed.
Så vi kan ikke betragte værdien af data som blot den pris, som andre er villige til at betale. Vi er nødt til at tænke mere bredt, og i den forbindelse er vi nødt til at skabe metoder til værdiansættelse af data. Denne skelnen, fra dataværdi til dataværdiansættelse, er af afgørende betydning. Dataværdi er en egenskab. Dine data har en vis værdi, og du er nødt til at forstå, hvad det er, for at du kan træffe passende investeringsbeslutninger til støtte for dine data. For at forstå værdien af dine data har du brug for en metode til værdiansættelse af data. Du har brug for en metode til at finde ud af, hvad den faktiske værdi af dine data er.
En måde at tænke på dette på er at stille spørgsmålet: Hvorfor vil jeg sætte en værdi på mine data? Tænk på data som et aktiv; organisationer anvender aktiver for at skabe værdi for forskellige interessenter. De investerer også i aktiver for at gøre dem egnet til formålet, og på et hvilket som helst tidspunkt skal de overveje, hvilke aktiver det er værd at investere i. Du kan tænke på dette som dataværdi/dataværdivurderingscyklusen. Man er nødt til at vurdere og forstå, hvilke data man har (datavurdering). Du skal sætte en værdi på disse data (værdiansættelse af data), så dine medarbejdere anerkender værdien af data, behandler dem med respekt i din organisation og finder ud af, hvordan de kan gøre dem mere værdifulde. Ud fra dette skal du så investere (datainvestering) for at sikre, at dine data er egnet til formålet. Du skal sikre, at du har en god styring på plads, en passende datastrategi, standarder, systemer og procedurer for at sikre, at du opnår en god datakvalitet.
Når du har gode data, kan du begynde at bruge dem (dataudnyttelse). Dette er centreret omkring identifikation af, hvordan du kan bruge data til at skabe værdi for dig og dine interessenter. Det kan være gennem bedre drift. Det kan være gennem en mere effektiv levering af produkter og tjenester. Det kan være ved at bruge dataene til at generere nye og meningsfulde indsigter, som i sig selv er værdifulde. Derefter kan du skabe dataværdi ved at handle på baggrund af disse indsigter. Endelig skal du gennemgå det, du har lært (datarefleksion), ved at spørge dig selv: Hvad har vi lært af at anvende vores data? Hvordan kan vi gøre det bedre i fremtiden? Er der nye og anderledes datasæt, som vi skal have adgang til?
Denne cyklus er uendelig – du svinger mellem datavurderingsfasen og dataværdifasen. Men starten af cyklussen er datavurdering, som man har talt om i mange år, men som ingen har været i stand til at implementere ordentligt, og det er til dels derfor, at så mange datainitiativer mislykkes. Dette er indtil nu. Anmut har afsluttet udviklingen af en stringent metode til værdiansættelse af data og har arbejdet sammen med en stor organisation i den offentlige sektor om at implementere den.
Kom til ODSC Europe den 21. november og se hvordan Anmut gjorde det ved foredraget “Data Valuation – Valuing the World’s Greatest Asset”. Du vil lære, hvordan du kan transformere den måde, data ses gennem din organisation, fra en systemisk ulempe til en konkurrencefordel! Få mere at vide på www.anmut.co.uk.