Jotkut puhuvat datasta uutena öljynä, mutta tämä on liian yksinkertaista. Öljy on hyödyke, jota ostetaan ja myydään. Data on hyödyke, hyödyke, jonka arvo kasvaa käytön myötä. Yksittäisen ihmisen data ei ole kovin arvokasta. Tuhansien ihmisten tuottamien tietojen yhdistäminen on aivan eri asia. Sen yhdistäminen eri tilanteissa tuotettuun dataan, tietokokonaisuuksien yhdistäminen, luo uusia oivalluksia ja arvoa eri toimijoille ja sidosryhmille.
Jos data on niin arvokasta, miksi niin harvat yritykset arvostavat sitä? Jotkut pyrkivät määrittelemään datalleen hinnan. Ne yrittävät ymmärtää, mitä markkinat maksavat siitä. Datan arvo ei kuitenkaan aina ole sen myynnissä. Otetaan esimerkiksi Amazon ja Alibaba. Molemmat yritykset pyrkivät optimoimaan markkinoita; yhdistämään asiakkaat kysyntään tai organisaatioihin, jotka voivat tarjota. Yksittäiset kuluttajat toimittavat tietoja siitä, mitä he haluavat ja tarvitsevat. Amazon ja Alibaba käyttävät näitä tietoja sovittaakseen kuluttajat yhteen sellaisten tarjoajien kanssa, joilla on oikeat tuotteet ja palvelut. Ne myös yhdistävät tietoja saadakseen tietoa markkinoiden suuntauksista ja ostotottumuksista. Ne eivät myy dataa, ainakaan ensisijaisena palveluna, mutta ne käyttävät sitä laajasti optimoidakseen prosessejaan.
Tässä ei ole kyse datan myynnistä, vaan sen ymmärtämisestä, että data on organisaation elinehto.
Datan arvoa Amazonille ja Alibaballe ei ole otettu huomioon hinnoittelussa. Kyllä, niiden data voi olla arvokasta kolmansille osapuolille, mutta se on arvokkaampaa yrityksille itselleen, kun ne pyrkivät optimoimaan toimintansa. Ilman dataa ne eivät itse asiassa voisi jatkaa toimintaansa.
Emme siis voi ajatella datan arvoa yksinkertaisesti hintana, jonka muut ovat valmiita maksamaan. Meidän on ajateltava laajemmin, ja näin tehdessämme meidän on luotava menetelmiä datan arvonmääritystä varten. Tämä ero datan arvosta datan arvottamiseen on ratkaisevan tärkeä. Datan arvo on ominaisuus. Datallasi on tietty arvo, ja sinun on ymmärrettävä, mikä se on, jotta voit tehdä asianmukaisia investointipäätöksiä datasi tukemiseksi. Ymmärtääksesi datasi arvon tarvitset datan arvonmääritysmenetelmän. Tarvitset tavan selvittää, mikä on datasi todellinen arvo.
Yksi tapa ajatella tätä on kysyä, miksi haluaisin antaa datalleni arvon? Ajattele dataa omaisuutena; organisaatiot käyttävät omaisuutta luodakseen arvoa eri sidosryhmille. Ne myös investoivat omaisuuseriin tehdäkseen niistä tarkoituksenmukaisia, ja milloin tahansa niiden on harkittava, mihin omaisuuseriin kannattaa investoida. Voit ajatella tätä datan arvon/arvonmäärityksen syklinä. Sinun on arvioitava ja ymmärrettävä, mitä tietoja sinulla on (tietojen arviointi). Sinun on annettava tälle tiedolle arvo (datan arvonmääritys), jotta työntekijäsi tunnistavat datan arvon, kohtelevat sitä kunnioittavasti organisaatiossasi ja pohtivat, miten siitä voidaan tehdä arvokkaampaa. Tämän jälkeen sinun on investoitava (datainvestoinnit) varmistaaksesi, että datasi on tarkoituksenmukaista. On varmistettava, että käytössäsi on hyvä hallinto, asianmukainen datastrategia, standardit, järjestelmät ja menettelyt, joilla varmistetaan, että saavutat hyvän datan laadun.
Kun sinulla on hyvää dataa, voit alkaa käyttää sitä (datan hyödyntäminen). Tässä keskitytään tunnistamaan, miten voit käyttää dataa luodaksesi arvoa itsellesi ja sidosryhmillesi. Tämä voi tapahtua paremman toiminnan kautta. Se voi tapahtua tuotteiden ja palveluiden tehokkaamman toimittamisen kautta. Se voi tapahtua käyttämällä dataa uusien ja merkityksellisten oivallusten tuottamiseen, jotka ovat itsessään arvokkaita. Sitten voit luoda datan arvoa toimimalla näiden oivallusten perusteella. Lopuksi sinun on tarkasteltava, mitä olet oppinut (datan reflektointi), ja kysyttävä itseltäsi, mitä olemme oppineet datan soveltamisesta. Miten voisimme tehdä tämän paremmin tulevaisuudessa? Onko olemassa uusia ja erilaisia tietokokonaisuuksia, joihin meidän on päästävä käsiksi?