Monetización de datos

La monetización de datos , una forma de monetización , puede referirse al acto de generar beneficios económicos cuantificables a partir de fuentes de datos disponibles (analítica). Con menos frecuencia, también puede referirse al acto de monetizar servicios de datos. ^{[ 1 ]} En el caso de la analítica, estos beneficios suelen generarse como ahorros en ingresos o gastos, pero también pueden incluir ganancias en la cuota de mercado o el valor de mercado de la empresa. La monetización de datos aprovecha los datos generados a través de las operaciones comerciales, los datos o contenidos exógenos disponibles, así como los datos asociados con actores individuales, como los recopilados mediante dispositivos electrónicos y sensores que participan en el internet de las cosas . Por ejemplo, la ubicuidad del internet de las cosas está generando datos de ubicación y otros datos de sensores y dispositivos móviles a un ritmo cada vez mayor. Cuando estos datos se cotejan con bases de datos tradicionales, el valor y la utilidad de ambas fuentes de datos aumentan, lo que genera un enorme potencial para extraer datos para el bien social, la investigación y el descubrimiento, y el logro de los objetivos comerciales. Estrechamente relacionados con la monetización de datos se encuentran los modelos emergentes de datos como servicio para transacciones que involucran datos por elemento de datos.

Existen tres vectores éticos y regulatorios involucrados en la monetización de datos debido a los intereses a veces contrapuestos de los actores involucrados en la cadena de suministro digital . El creador individual de datos que genera archivos y registros mediante su propio esfuerzo o que posee un dispositivo como un sensor o un teléfono móvil que genera datos tiene derecho a la propiedad de los mismos. La entidad comercial que genera datos en el curso de sus operaciones, como sus transacciones con instituciones financieras o los factores de riesgo descubiertos a través de los comentarios de los clientes, también tiene derecho a los datos capturados a través de sus sistemas y plataformas. Sin embargo, la persona que aportó los datos también puede tener un derecho legítimo sobre ellos. Las plataformas de internet y los proveedores de servicios, como Google o Facebook, que exigen a un usuario que renuncie a parte de la propiedad de sus datos a cambio del uso de la plataforma, también tienen un derecho legítimo sobre los datos. Por lo tanto, la práctica de la monetización de datos, aunque común desde el año 2000, está recibiendo cada vez más atención por parte de los reguladores. La Unión Europea y el Congreso de los Estados Unidos han comenzado a abordar estos problemas. Por ejemplo, en el sector de los servicios financieros, las regulaciones relacionadas con los datos están incluidas en la Ley Gramm-Leach-Bliley y la Ley Dodd-Frank . Algunos creadores de datos individuales están optando por utilizar bóvedas de datos personales ^{[ 2 ]} e implementando conceptos de gestión de relaciones con proveedores como reflejo de una creciente resistencia a que sus datos sean federados, agregados y revendidos sin compensación. Grupos como el Consorcio del Ecosistema de Datos Personales ^{[ 3 ]} , los derechos ^de privacidad del paciente [ ^{4 ]} y otros también están cuestionando la apropiación corporativa de datos sin compensación.

Las empresas de servicios financieros son un buen ejemplo de un sector centrado en generar ingresos mediante el aprovechamiento de datos. Las emisoras de tarjetas de crédito y los bancos minoristas utilizan los datos de las transacciones de los clientes para optimizar la segmentación de las ofertas de venta cruzada . Los socios están impulsando cada vez más programas de recompensas para comercios que aprovechan los datos del banco y, al mismo tiempo, ofrecen descuentos a los clientes.

1. Monetización interna de datos: Los datos de una organización se utilizan internamente, lo que genera beneficios económicos. Esto suele ocurrir en organizaciones que utilizan análisis para obtener información valiosa, lo que se traduce en mayores ganancias, ahorro de costos o la prevención de riesgos. La monetización interna de datos es actualmente la forma más común de monetización, ya que requiere muchas menos precauciones en materia de seguridad, propiedad intelectual y aspectos legales en comparación con otros tipos. Las posibles ganancias económicas derivadas de este tipo de monetización de datos están limitadas por la estructura y la situación interna de la organización.
2. Monetización de datos externos: Una persona u organización pone a disposición de terceros, a cambio de una tarifa, los datos que posee, o actúa como intermediario. Este tipo de monetización es menos común y requiere diversos métodos para distribuir los datos a posibles compradores y consumidores. Sin embargo, el beneficio económico derivado de la recopilación, el empaquetado y la distribución de datos puede ser considerable.

1. Identificación de las fuentes de datos disponibles: esto incluye los datos actualmente disponibles para su monetización, así como otras fuentes de datos externas que puedan aumentar el valor de lo que ya está disponible.
2. Conectar, agregar, atribuir, validar, autenticar e intercambiar datos: esto permite convertir los datos directamente en información útil o servicios que generen ingresos.
3. Establecer términos y precios, y facilitar el intercambio de datos: métodos para la verificación, el almacenamiento y el acceso a los datos. Por ejemplo, muchas corporaciones globales tienen infraestructuras de almacenamiento de datos aisladas y bloqueadas, lo que dificulta el acceso eficiente a los datos y el intercambio cooperativo en tiempo real.
4. Realizar investigaciones y análisis : extraer información predictiva de los datos existentes como base para utilizarlos con el fin de reducir riesgos , mejorar el desarrollo o el rendimiento de los productos, o mejorar la experiencia del cliente o los resultados comerciales.
5. Acción y aprovechamiento: la última fase de la monetización de datos incluye la identificación de productos, ideas o servicios alternativos o mejorados centrados en los datos. Algunos ejemplos son las notificaciones activables en tiempo real o los canales mejorados, como los mecanismos de respuesta web o móvil.

• Una tarifa por
  • uso de una plataforma para conectar a compradores y vendedores
  • uso de una plataforma para configurar, organizar y procesar de otro modo los datos incluidos en un intercambio de datos
  • conectar o incluir un dispositivo o sensor en una cadena de suministro de datos
  • conectar y acreditar a un creador de una fuente de datos y a un comprador de datos, a menudo a través de una identidad federada.
  • conectar una fuente de datos con otras fuentes de datos para ser incluidas en una cadena de suministro de datos
  • uso de un servicio de internet u otros servicios de transmisión para cargar y descargar datos; a veces, para un individuo, a través de una nube personal.
  • uso de claves cifradas para lograr una transferencia de datos segura
  • uso de un algoritmo de búsqueda diseñado específicamente para etiquetar fuentes de datos que contienen puntos de datos valiosos para el comprador de datos.
  • vincular a un creador o generador de datos con un protocolo o formulario de recopilación de datos.
  • acciones del servidor, como una notificación, activadas por una actualización de un elemento de datos o una fuente de datos incluida en una cadena de suministro de datos.
• Un precio, un tipo de cambio u otro valor comercial.
  • asignado por un creador o generador de datos a un elemento de datos o a una fuente de datos
  • Ofrecido por un comprador de datos a un creador de datos.
  • asignado por un comprador de datos para un elemento de datos o una fuente de datos formateada según los criterios establecidos por un comprador de datos.
• Una tarifa incremental asignada por un comprador de datos por un elemento de datos o un conjunto de datos, en función de la reputación del creador de los datos.

• Una mejor toma de decisiones que conduce a una investigación colaborativa en tiempo real , mayores beneficios, menores costes, reducción de riesgos y mejor cumplimiento normativo.
• Decisiones con mayor impacto (por ejemplo, tomar decisiones en tiempo real)
• Decisiones más oportunas (con menor latencia) (por ejemplo, un vendedor que hace recomendaciones de compra mientras el cliente todavía está al teléfono o en la tienda, un cliente que se conecta con varios vendedores para descubrir el mejor precio, notificaciones que se activan cuando se alcanzan ciertos umbrales de valores de datos).
• Decisiones más específicas (por ejemplo, decisiones de precios localizadas a nivel individual, de dispositivo o de sensor, en comparación con agregaciones más amplias).
• Marketing dirigido (por ejemplo, los proveedores con acceso a macrodatos pueden realizar anuncios dirigidos a clientes específicos dentro de un conjunto de datos determinado, lo que reduce los costos para el anunciante y permite llegar a los clientes más interesados) ^{[ 5 ]}

Existe una amplia variedad de industrias, empresas y modelos de negocio relacionados con la monetización de datos. Se han propuesto los siguientes marcos conceptuales para ayudar a comprender los tipos de modelos de negocio que se utilizan:

Roger Ehrenberg, de IA Ventures, una firma de capital riesgo que invierte en este sector, ha definido tres tipos básicos de empresas de productos de datos:

Bases de datos colaborativas . La clave de este modelo de negocio reside en que el cliente aporta sus propios datos a cambio de recibir un conjunto de datos agregados más completo que ofrece información valiosa sobre el mercado en general o sirve como plataforma para expresar una opinión. Se trata de aportar poco y recibir mucho a cambio: una propuesta de valor muy atractiva que, con frecuencia, se traduce en un pago por parte del colaborador a cambio de recibir datos agregados y enriquecidos. Una vez desarrolladas estas bases de datos colaborativas y cuando los clientes dependen de su información, se convierten en activos de datos extremadamente valiosos y persistentes.

Plataformas de procesamiento de datos . Estas empresas crean barreras mediante una combinación de arquitecturas de datos complejas, algoritmos propios y análisis avanzados para ayudar a los clientes a consumir datos en el formato que prefieran. A menudo, mantienen relaciones especiales con proveedores de datos clave que, al combinarse con otros datos y procesarse en su conjunto, generan una valiosa diferenciación y barreras competitivas. Bloomberg es un ejemplo de una potente plataforma de procesamiento de datos. Recopilan datos de una amplia gama de fuentes (incluidos sus propios datos internos), los integran en un flujo unificado, los hacen accesibles a través de un panel de control o una API, y ofrecen un sólido conjunto de herramientas analíticas para una gran cantidad de casos de uso. Huelga decir que su escala y rentabilidad son la envidia del sector.

Plataformas de creación de datos . Estas empresas resuelven problemas complejos para un gran número de usuarios y, por su naturaleza, capturan una amplia gama de datos de sus clientes. A medida que estos conjuntos de datos crecen, se vuelven cada vez más valiosos, ya que permiten a las empresas adaptar mejor sus productos y funciones, y dirigir ofertas altamente contextualizadas y relevantes a los clientes. Los clientes no se registran para beneficiarse directamente del activo de datos; el producto es tan valioso que simplemente desean las funciones que ofrece de forma predeterminada. A medida que el producto mejora con el tiempo, se consolida la fidelización a lo que ya es una plataforma exitosa. Mint fue un ejemplo de este tipo de negocio. La gente veía valor en el producto principal. Pero el producto siguió mejorando a medida que se recopilaban y analizaban más datos de los clientes. No hubo efectos de red propiamente dichos, pero la enorme escala del activo de datos creado fue un elemento esencial para la mejora continua del producto. ^{[ 6 ]}

Selvanathan y Zuk ^{[ 7 ]} proponen un marco que incluye "métodos de monetización que se salen de los límites de los sistemas tradicionales de captura de valor empleados por una empresa... adaptados al contexto y a los modelos de consumo del cliente objetivo". Ofrecen ejemplos de "cuatro enfoques distintos: plataformas, aplicaciones, datos como servicio y servicios profesionales".

• Empaquetado de datos (con análisis) para su reventa a clientes con fines tales como participación en el gasto del cliente, cuota de mercado y evaluación comparativa.
• Integración de datos (con análisis) en nuevos productos como un diferenciador de valor añadido, como por ejemplo OnStar para los automóviles de General Motors .
• teléfonos inteligentes con GPS
• Las ofertas basadas en geolocalización y los descuentos por ubicación, como los que ofrecen Facebook ^{[ 8 ]} y Groupon ^{[ 9 ],} son otros ejemplos destacados de monetización de datos que aprovechan los nuevos canales emergentes.
• Segmentación de anuncios y atribución de medios basadas en CRM, como las que ofrece Circulate.
• Campañas de marketing basadas en Big Data como las que ofrece Instarea. ^{[ 10 ]}
• Los datos de ubicación de la red móvil como desencadenante de campañas de marketing, como las ofrecidas por TASIL ^{[ 11 ]} y Omantel .

Algunas de las patentes emitidas desde 2010 por la USPTO para la monetización de datos generados por individuos incluyen: 8,271,346, 8,612,307, 8,560,464, 8,510,176 y 7,860,760. Estas suelen estar en la clase 705 relacionada con el comercio electrónico, el procesamiento de datos y la determinación de costos y precios. Algunas de estas patentes utilizan el término cadena de suministro de datos para reflejar la tecnología emergente para federar y agregar datos en tiempo real de muchos individuos y dispositivos conectados a través del internet de las cosas . Otro término emergente es banca de información .

Un ámbito inexplorado pero potencialmente disruptivo para la monetización de datos es el uso de micropagos de Bitcoin para transacciones de datos. Dado que Bitcoin está emergiendo como competidor de servicios de pago como Visa o PayPal, que pueden habilitar y reducir o eliminar fácilmente los costos de transacción, se pueden facilitar transacciones incluso para un solo elemento de datos. Los consumidores, así como las empresas que desean monetizar su participación en una cadena de suministro de datos, pronto podrán acceder a plataformas y exchanges de Bitcoin habilitados para redes sociales. ^{[ 12 ]} El clickbait y el secuestro de datos podrían desaparecer a medida que los micropagos por datos se generalicen y se habiliten. Potencialmente, incluso la necesidad actual de desarrollar exchanges de datos gestionados por intermediarios podría eludirse. Stanley Smith, ^{[ 13 ]} quien introdujo la noción de cadena de suministro de datos, ha dicho que los micropagos simples para la monetización de datos son la clave para la evolución de la implementación ubicua de esquemas de suministro de datos configurables por el usuario, lo que permite la monetización de datos a escala universal para todos los creadores de datos, incluido el floreciente internet de las cosas.

• Inteligencia empresarial
• capitalismo de datos
• Valoración de datos
• Monetización de software
• Monetización de videojuegos
• Monetización de sitios web