从原始数据到实际利润 ： 建立蓬勃发展的数据业务的入门

建立有利可图的数据业务不仅取决于拥有正确的数据，还取决于支持它的业务模型和企业能力。 为什么现在 差不多两个世纪前,LewisTappa和JohM.Bradstreet说明了将数据转化为有利可图的产品的潜力。当时，企业和商家正在扩大业务，需要一种可靠的方法来确定潜在合作伙伴的信誉。在这个蓬勃发展的经济中，银行家和投资者渴望获得更一致，客观的信息，以指导他们的贷款和投资决策。 尽管领导者已经扩大数据业务规模超过十年，但不断发展的技术能力以及AI和分析在全球范围内的更多采用增加了当今数据货币化的可行性。特别是四个技术转变，使公司能够比以往更快，更便宜地创建新的数据产品： Tappan和Bradstreet成立了致力于收集，分析和销售数据的公司，以及从中得出的见解。他们的公司充满了市场上的一个关键缺口，最终合并形成邓白氏。 —增强的数据管理效率：由于数据工具和技术更加完善，公司可以更高效地跨不同平台实时处理、管理、访问和重用数据。这种效率对于创建可扩展和可持续的数据业务至关重要。 快进到今天，公司经常充斥着数据，并试图弄清楚他们是否可以将其转化为业务。答案并不明显。建立数据业务并不适合每个机构，尤其是在已经存在一些在数据方面具有巨大优势的主导者的领域。 —生成AI(genAI):几年前，将文本、图像和视频等非结构化数据转换为标准化形式，以便能够对其进行访问和分析，这对大多数公司来说是极其昂贵的。 然而，对于可以解锁独特数据、分析或组织专有技术的公司来说，潜在的回报可能是巨大的，以创建解决未开发市场机会的产品。 Gen AI使结构化此类数据更具成本效益，从而可以更广泛地使用。结合使AI和分析民主化的低代码和无代码分析平台的出现，数据业务现在可以从其数据中获得更多价值。 一家欧洲建材公司发现了一个新的商机 通过将跟踪关键绩效指标(KPI)的内部工具转化为可以销售的产品，实现了5亿美元的企业价值外部。同样，一家电信公司有望在不到五年的时间内利用其数据建立数字贷款业务，实现2亿美元的新收入。他们并不孤单。麦肯锡对新业务建设的商业领袖的年度调查发现，大约40%的人希望在未来五年内创建数据、分析和基于人工智能的业务，这是任何新业务建设类别中最高的(图表1)。1 —增加对现实世界数据的访问：随着物联网（IoT）采用的加速，与实施传感器技术和捕获现实世界数据相关的成本和障碍已大大减少。公司现在可以更快，更经济地收集现实世界数据，并使其可用于更广泛的应用程序。 —内部数据产品的使用越来越多：行业领导者越来越多地在内部将数据视为产品，以便给定的数据集可以支持许多不同的用例（请参阅侧栏“什么是数据产品？”）。这种“数据打包”为他们提供了将数据货币化的先机。 您如何知道建立数据业务是否可以为您的组织创造价值？在本文中，我们分享了为什么现在是考虑它的合适时机，如何评估它是否合适，以及入门的关键考虑因素是什么。 附件1 受访者预计他们的组织将在未来5年、2023年、1%的受访者 麦肯锡公司 此外，我们预计，随着领导者争夺数据和分析价值潜力高达17.7万亿美元的份额，对数据驱动型决策的渴望将加剧。2再加上一代AI的2.6万亿美元到4.4万亿美元。3这可以创造肥沃的 数据和AI产品的基础。考虑推出数据解决方案的沃尔玛DataVentures to help suppliers better understand customers ’ shoppingbehavior, among other insights. The company ’ s product, calledWalmart Luminate, filled 数据产品旨在提供高质量的，随时可用的数据集，可以对其进行分析并应用于各种用例，以回答关键的业务问题。数据产品消除了开发过程中的大部分重复工作 为每个用例定制数据解决方案。像物理产品一样，数据产品根据客户的需求而发展，客户可能包括内部和外部用户。 在构建和扩展数据业务以确保公司能够随着客户需求的发展而快速扩展其产品时，这种模块化至关重要。作为最佳实践，数据产品应能够支持对数据存储，处理和管理的各种要求，以匹配不同的用户“消费原型”，例如数字应用程序或报告系统。每个数据产品都应该由数据产品经理拥有，负责建立和持续改进它，并确保它得到良好的管理，以建立最终用户的信任和产品质量。最后，数据产品应该易于发现，以便整个企业中的任何人都可以利用它们。（有关更多信息，请参阅麦肯锡上的“如何解锁数据的全部价值？像产品一样管理它”。.). 市场的差距，使公司能够在第一年实现强劲的市场采用和80%的季度环比增长。4 一些公司在本地化市场策略时。 根据我们的经验，领导者可以采取三种广泛的策略来构建此类数据集，每种策略都有不同的价值主张和关键成功因素(图表2)： 因为数据业务往往需要强大的价值主张和独特的数据优势才能取胜,我们预计未来十年会有一小部分数据业务出现并主导特定行业的市场,后来来的人可能会发现很难赶上。 —创建行业标准，正如穆迪、标准普尔全球和惠誉在信用评级方面所做的那样。通常，这些数据业务最初是作为数据聚合器，组装大量独特的数据。当网络效应扩大其产品的效用，直到最终超过 评估机会和正确的战略 替代产品并成为行业标准。这可能是一个非常有效的策略。考虑一下Reddit的6000万美元年度交易，使Google能够在其数据上训练其AI模型。5但这也是最难追求的商业模式之一。一旦市场领导者成为事实上的标准，新进入者的竞争就变得越来越困难。 在其基础上，数据业务必须能够访问相当数量的数据（内部或外部）或处理数据并从中推断业务价值的方法 唯一足以满足未满足的市场需求。例如，人口购物数据在今天可能没有价值，因为它来自该领域当前市场领导者的充足可用性。 然而，利基细分市场中实时购物偏好的数据可能是有价值的 这里的成功需要在数据访问，先动者边缘或两者中具有不对称的优势。一家金融服务公司已将自己定位为在定价动态变化迅速的地区进行准确定价预测的首选。该公司通过从卫星图像、列表、公开文件、广告、直接电话和业务地点收集新数据(有时亲自派遣个人来捕捉网上没有的细节)，并以提高预测准确性的方式进行分析。然后，它为客户提供了一个易于使用的平台来访问由此产生的见解。 这种策略在很大程度上取决于数据的独特性和公司为客户创造强大产品价值主张的能力。如果商业案例能够引发“飞轮效应”，即数据产品的销售增加了核心产品的销售或粘性，那么商业案例就会变得更具吸引力。这家金融服务公司通过缝合为增加收入铺平了道路其流行的数据和分析产品集成到智能工作流程解决方案中，为客户自动化关键业务流程并加速其决策。该集成解决方案还促进了公司其他产品的销售，因为客户更愿意留在其生态系统中满足其他数据和分析需求。 —利用来自参与用户群的见解。通过适当的数据使用权限，组织可以将从 为广告商、供应商、合作伙伴和用户提供有价值的见解的参与用户群。 —将相当大的组织知识转化为产品。例如，在构建解决内部业务问题的工具时积累的知识和能力有时会演变成有利可图的产品。这是欧洲建材公司之前引用的战略，该战略将用于跟踪效率的内部工具转变为软件即服务（SaaS）产品。而领导者最初担心蚕食 例如，来自数字互动的基准和行为数据可以通过数据市场“按原样”出售，或与分析相结合，并作为见解直接出售给买家。公司还可以使用这些见解在其数字渠道上销售有针对性的广告。 附件2 战略和关键成功因素 从这些数据中获得的竞争优势，他们的分析发现，将这些数据转化为产品对公司来说比为自己保留工具更有利可图。 是高利润率、持久产品的基础。(推出最低可行的市场测试产品应在前12到18个月内进行。) 成功导航这一领域需要定义强大的客户价值主张，实施能够扩展和维持业务的运营模型和技术能力，并预先解决任何可能影响运营的数据隐私和安全问题。 This organizational know - how can also emerged asa company collecting unique data as a副产品of itscore operations. One company is transforming theway it operations 定义强大的客户价值主张我们发现通常有两种产品属性会影响客户价值主张和采用： 并通过将物联网传感器添加到其资产中并使用由此产生的见解来增强其客户的运营，从而创建新的数据驱动的收入流。例如，随着温度和来自传感器的GPS数据，公司的客户可以在运输途中为温度敏感的货物做出更好的路线决策。 1.数据产品提供的“智能”类型。经典的DIKW框架-数据，信息，知识和智慧-为评估产品的潜在价值和持久性提供了一个层次结构（图表3）。公司可以创建有利可图的产品 构建持久数据业务的关键考虑因素 发现数据货币化的潜在机会的领导人应该期待三到五年的跑道来实现规模经济， 将知识与经验，直觉和价值观相结合，做出合理的判断和明智的决定，代表了最高水平的理解。它涉及在现实世界中有效地应用知识。 通过分析和解释信息来发现模式、趋势和关系代表了理解数据背后的“如何”和“为什么”的过程。它涉及形成可操作的见解和联系。 以一种有意义的方式组织、背景化和呈现数据代表了提供对数据的基本理解的过程。图表、图表、报告和摘要属于这一类，但它们不一定提供更深入的见解。 Data 呈现原始的、未经处理的事实和数字，如传感器读数、客户交易或社交媒体帖子，代表了无组织和未解释的构建块。 早期客户研究和最小可行产品的测试对于开发新产品至关重要，以避免高估其潜力的陷阱。一种常见的方法是招募一小群目标客户，他们愿意成为早期采用者，并在整个产品构建过程中提供持续的反馈。一家欧洲制药公司通过与潜在客户启动一致的反馈循环，在开发过程中验证每个功能，确保了其备受期待的新数据产品的成功推出。这包括与客户的频繁沟通和A / B型原型测试，因为它开发了最小可行的产品。在开发过程中，主题专家还经常验证算法输出，这对于赢得试点客户的信任至关重要。 通过销售大量的原始数据或信息— —基本上是以某种方式进行背景化的数据，例如从销售数据中提取的购买习惯。然而，数据产品在这个价值链中上升得越高，它对最终用户的价值就越大，竞争对手复制它就越困难，从而随着时间的推移，利润率和客户保留率也会越高。 2.产品交付原型。原始数据通常通过数据平台（如数据市场）提供。其他类型的智能通过传统的见解平台提供，如分析工具或直接集成到最终用户工作流程中的智能应用程序。 在这里，产品在最终用户的决策和工作流程中的集成度越高， These feedback loop can be used throughout the product ’ s lifecycle. While the financial - service firm ’ s initial offering wasmarket leading, it realized through ongoing customer feedbackthat the value of its product with the timentimal of its insights. By 对最终用户的潜在价值越大，利润率越高，最终用户就越有可能将其视为日常工作所必需的，从而减少客户流失（图4）。随着时间的推移，随着客户群的增加，形成了一个良性循环，在这个循环中，来自不断增长的互动机构的数据和反馈进一步区分了产品并提高了客户忠诚度。 附件4 原型风险/回报配置文件 麦肯锡公司 一个数字市场团队，通过免费试用和有针对性的使用级别来领导基于产品的销售工作。除了最初的销售之外，建立一个组织来帮助客户确保他们的客户成功使用产品，以及提高技能的人才来提供持续的客户建议，可以帮助改善客户体验。 公司可以将其现有数据资产的价值从五倍增加到十倍。 调整您的运营模式 我们