Vai al contenuto principale
SECO
  • AI
  • Edge Computing

Data monetization: le 5 regole per estrarre nuovo valore dai tuoi dati

Con la data monetization – la monetizzazione dei dati, ovvero il processo di analisi strategica e di implementazione pratica che permette di utilizzare i dati come fonte di ricavo – le aziende possono trasformare i dati raccolti in valore monetizzabile proprio come gli altri asset. La data monetization diventa una strategia che permette alle aziende di recuperare in modo virtuoso gli investimenti effettuati in infrastrutture, sistemi e piattaforme IoT e IIoT, accelerando il proprio percorso evolutivo e progettando nuovi scenari di business.

Data-Monetization

Il valore dei dati è sempre più alto e più tangibile

Basta leggere le cifre delle più recenti ricerche di mercato per capire come la definizione di "big data" sia ormai diventata obsoleta. Il contributo dei dati all'economia di un'azienda diventa tangibile e, moltiplicato a livello nazionale, raggiunge valori significativi del PIL.

  • Il volume dei dati cresce costantemente e triplicherà nei prossimi anni, dagli attuali 64,2 ZB (dove uno zettabyte corrisponde, arrotondando, a 1 miliardo di Terabyte) ai 181 ZB previsti per il 2025 (fonte: IDC e Statista).
  • Gli oggetti smart e i dispositivi IoT e IIoT cresceranno in modo esponenziale, permeando tutto ciò che ci circonda, passando dagli attuali 23 miliardi ai quasi 39 miliardi previsti per il 2025 fino a 50 miliardi di oggetti connessi nel 2030 (fonte: Strategy Analytics).
  • I dati, le applicazioni e i loro derivati arriveranno a costituire un valore importante del PIL nazionale: nel 2030 il valore aggregato per l'Europa meridionale, di cui fa parte l'Italia, raggiungerà l'11,5%, il 14,5% in Nord America e il 26,1% in Cina (fonte: Bahrain FinTech Bay - PwC).

Data monetization: come estrarre valore dai dati

Per implementare una strategia di data monetization, la prima domanda che un'azienda deve porsi è di quali dati abbia bisogno per crescere. Proseguire la politica del data warehouse, o meglio dello "storage" sterile in silos, ha ormai pochissimo senso anche dati i costi derivanti da questa procedura: ai costi necessari per la raccolta dei dati si sommano quelli dovuti al loro spostamento verso un cloud per l'elaborazione e quelli per la successiva distribuzione.

Diventa quindi vantaggioso definire in anticipo, seguendo una precisa strategia sui dati, quali dati diventeranno economicamente redditizi una volta arricchiti da analisi ed elaborazione, trasformandosi in informazioni di valore. Riassumendo, si possono definire 5 punti essenziali per una data monetization redditizia:

  1. Prima di tutto è necessario definire quali dati possano essere davvero utili all'azienda. L'eterogeneità dei dati crea valore, ma non tutti i dati valgono qualcosa. Per ottimizzare la data monetization è necessario sfruttare al massimo l'impatto che tecnologie di analisi e automazione come l'Artificial Intelligence e il Machine Learning possono portare se correttamente implementate.
  2. La maggior parte del tempo a disposizione degli analisti è spesa per "ripulire" i dati. È quindi necessario definire correttamente i framework di elaborazione. I parametri di valutazione (KPI) spesso non sono ottimizzati, abbassando o addirittura invalidando la qualità dei dati, caratteristica indispensabile per dare valore all'asset.
  3. È consigliabile ridurre lo spostamento dei dati verso un cloud abilitando l'elaborazione di prossimità grazie a soluzioni di edge computing, che consentono una qualità dei dati più elevata grazie al loro rilevamento e alla loro elaborazione in tempo reale, riducendo al contempo i costi di trasmissione e di analisi nel cloud.
  4. Definire il livello di maturità dell'azienda in termini di analytics e capacità professionali. Servono persone in grado di migliorare costantemente i processi di analisi per innovare il core business. Secondo una ricerca del 2020 condotta dagli "Osservatori Big Data e Business Analytics del Politecnico di Milano", il 39% delle aziende italiane ha dichiarato di non avere competenze interne specifiche e di non aver svolto alcun tipo di sperimentazione in tema di AI. Un sistema di advisor con i tuoi partner permette di beneficiare di un livello di competenze più elevato, riducendo il time to market dei prodotti.
  5. Può essere vantaggioso definire una politica di condivisione dei dati non solo internamente ma anche all'esterno, coinvolgendo partner e fornitori. Ad esempio, una supply chain condivisa può generare data monetization: l'87% dei decisori vorrebbe poter contare su dati esterni per ampliare i propri scenari di business (fonte The Insights Professional's Guide to External Data - Forrester 2020).

Le aziende che riescono a monetizzare i propri dati hanno in media prestazioni più elevate e sostenibili nel medio e lungo termine. Perché ciò accada, tuttavia, l'azienda deve aprirsi all'esterno, chiedendo uno scambio di competenze all'interno di un ecosistema di partner, non solo in termini di fornitura di materiali (piattaforme e soluzioni hardware/software) ma anche di competenze, sfruttando gli asset specifici dei propri partner.

Ricevi la newsletter di SECO.

Iscriviti con il tuo indirizzo email su seco.com.

Iscriviti