发帖
雷达卡
大数据正在成为各种规模企业越来越重要的资产。数字技术在所有业务流程中的普及性日益提高，为公司提供了收集大量数据的机会，但要确定业务收集的数据的价值或如何将其货币化可能会很困难。
成功的数据驱动型组织通常根据数据本身提供的应用程序和用例来定义他们收集的数据的价值。使用传统的会计框架来定义价值收集数据是有问题的。这就是为什么风投公司，董事会成员，财务分析师和董事会成员期望数据驱动的初创企业和企业根据机会，底线改善，顶线增长和损失风险来定义数据资产的价值的原因。
无论您当前是组成一个投资组合，为保险目的评估企业资产还是创建财务预测，确定数据资产的价值都是至关重要的。如何计算您的数据价值，以及如何将其货币化？
确定数据的价值
有许多不同的模型可用于确定企业收集的数据的价值。数据的价值可以根据因丢失数据而产生的成本来确定，也可以通过评估其产生的收入来确定。
其他价值评估考虑了通过将数据出售或出租给第三方可能产生的收入。基于这些因素评估数据的价值在很大程度上取决于对分析工具的访问，这对于新成立的初创企业或成长中的企业而言可能是非常昂贵的。
无需深入的分析工具，损失风险评估是确定数据对企业价值的有效方法。IBM的2019年数据泄露成本报告显示，平均数据泄露给美国企业造成了392万美元的损失，每条泄露记录的成本价值超过150美元。
在数据管理实践方面，英国企业通常处于领先地位，但这并未全面实现。研究表明，只有35％的英国中小型企业将其公司数据存储在中央的本地位置，而23％的中小型企业员工表示使用便携式存储解决方案（例如USB记忆棒）作为其主要存储解决方案。
根据您失去访问权限或发生数据泄露时所发生的成本来确定数据的价值，可以洞悉数据对企业的整体价值。可以考虑的损失风险因素包括机会成本，监管罚款或和解价值，或网络安全保险的潜在承保范围。
有几个关键指标可用于计算数据的价值，其中包括：
数据类型：您的企业收集什么样的数据？您的公司是否能够对数据进行再营销或在必要时将其匿名化？
覆盖范围：您的数据覆盖特定市场的广泛区域吗？您的数据可以用于创建市场范围的分析吗？
新近度：您的数据有多“新鲜”？您的数据是按小时，每天，每周，每月生成，还是分批生成？最近的数据更有价值。
解决方案：您的数据有多详细？数据中存在的数据点数量并不像数据点本身的详细程度和相关性那么重要。
准确性：您的数据有多准确和可靠？验证有价值的数据以确保准确性。
地理：您的数据覆盖单个地理区域还是在全球范围内收集？地理因素会影响数据的价值。
通过公司数据获利
评估公司利用其收集的数据获利的潜在方式是另一种确定其价值的有效方法。麦肯锡（McKinsey）的《 2018年年龄分析》研究预测， 在未来十年中，大数据市场收入将从每年$ 42B增至$ 102B，这表明数据货币化的重要性日益增长。
数据货币化可分为两大类：内部应用程序，可提高效率，改善自动化和客户成功的结果；以及外部应用程序，它们利用数据来创建新的收入流或改善营销和销售。
如果您正在考虑将公司产生的数据货币化，那么仔细评估引入新收入流给您的业务将产生的财务影响非常重要。专业会计服务可以提供全面的税收策略指导，可以帮助您最大程度地提高数据的获利能力。
直接营利
直接货币化通常是有兴趣利用公司数据价值的业务领导者考虑的首批方法之一。在大多数情况下，直接获利涉及出售数据集或访问业务数据即服务。此过程依赖于对市场对数据价值的感知的理解，并结合了类似企业如何营销和定价其数据服务。
直接数据货币化没有明确定义估值流程，但可以通过间接方法实现。例如，寻求针对深度学习应用程序的带标签的训练数据的企业可以咨询诸如图八之类的数据注释平台，以评估类似数据集的价格。因其收集的数据而受到高度评价的初创公司也是有效的基准，可用于评估业务数据的价值。
有几种新平台可以促进通过区块链技术直接销售数据。诸如Datapace之类的平台允许公司将数据直接彼此出售，从而避免了中间人数据经纪人的麻烦。
其他基于区块链的平台使企业能够营销数据并以加密货币出售数据，然后可以通过高度安全的交换平台将其转换为法定货币。
但是，您的业务数据与其他业务之间的直接比较需要开发一个比较过程，其中要考虑两个组织之间的主要差异。不同的业务模型，受众和数据量通常会混淆数据的真实价值。
通过自动化获利
数据不必直接货币化，也可以在内部利用它来自动化耗费人力资本成本的时间密集型流程。现在，可以使用聊天机器人，人工智能平台和机器人流程自动化来自动化许多重复性任务。
例如，基于云的会计平台（例如Xero）可以与广泛的第三方应用程序配合使用，这些第三方应用程序可以自动收集和组织财务数据，以最大程度地减少必须花在手动数据输入上的时间。
通过整合利用现有数据的自动化解决方案来释放员工的时间，企业可以将员工引导至更高价值的任务。
衍生机会货币化
通过将外部数据与您的业务收集的数据结合起来，可以通过创造全新的机会或业务模型来利用数据获利。例如，一家农业食品公司可以将基于某个地理区域的外部天气数据与这些区域内普遍的杂草和害虫数据结合起来。
然后，可以将这些外部数据与公司收集的核心种子数据结合起来，以确定最具成本效益的农药策略并在地理基础上优化农作物。在这种情况下，数据提供的衍生机会证明了利用内部和外部数据来优化现有业务流程的重要性。
可以通过执行A / B测试，评估在合并外部数据之前和之后引入的新业务实践的收益来明确衍生货币化的价值。
算法价值建模
算法数据对于Amazon和Netflix等大型组织使用的推荐引擎至关重要。例如，亚马逊会跟踪平台用户的行为，以便根据他们自己的购买历史和具有类似习惯的用户的购买历史来提供特定于用户的推荐。
Netflix利用收集到的数据为用户提供与他们的个人喜好相匹配的内容，从而增加收入和客户保留率。推荐引擎并不是算法数据的唯一应用程序，但是，人工智能平台能够协助执行数据密集型流程，例如金融应用程序或保险索赔，自动执行时间密集型任务并为用户提供更快的响应时间。
重要要点
没有单一的模型或方程式可用于评估公司收集的数据。数据评估是一个复杂的过程，其中包含诸如可访问性，可用性，准确性和新近度等因素。
寻求确定数据价值的业务领导者应考虑通过利用现有数据可能创建的任何新流程，产品，服务，业务模型或收入流的潜在价值，以及因任何数据泄露或破坏而产生的潜在成本。失利。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
