Su organización necesita una estrategia de datos patentada
por Thomas H. Davenport, Thomas C. Redman

MirageC/Getty Images
¿Cuál es la parte más pasada por alto de la estrategia de datos de su empresa? Si es como muchas empresas, probablemente se trate de datos privados, datos que son exclusivos de una empresa y que se pueden utilizar para crear una ventaja competitiva sostenible. Esto no quiere decir los secretos comerciales y la propiedad intelectual (que a menudo son datos privados, pero rara vez en realidad son datos), sino más bien los datos en los que la empresa es la única organización que los tiene o ha añadido suficiente valor como para convertirlos en un activo empresarial único. Los datos privados pueden ser grandes o pequeños, estructurados o no estructurados, sin procesar o refinados. Lo importante es que no sea replicado fácilmente por otra entidad. Eso es lo que lo convierte en un medio poderoso de lograrlo valor ofensivo de la gestión de datos.
Nosotros y otros tener ha estado escribiendo y hablando del valor de los datos privados durante muchos años. Pero todavía vemos pocas organizaciones con estrategias para adquirirla, desarrollarla y aprovecharla. La mayoría de las empresas se centran únicamente en sus datos internos, que son exclusivos en cierto sentido, pero puede que no sean un activo valioso a menos que se desarrollen más. Si, por ejemplo, sus datos internos arrojan luz sobre un problema al que se enfrentan otras organizaciones (los datos de pago de una empresa de tarjetas de crédito, por ejemplo) o si puede combinarlos con datos externos de forma que sean útiles para otras empresas, podría ser un activo propietario.
Centro de información
Datos y transformación digital
Patrocinado por SAS
Las mejores prácticas para poner los datos a trabajar.
La necesidad de estrategias de datos patentadas aumenta con los nuevos tipos de datos y el crecimiento de la inteligencia artificial (IA). Están surgiendo muchos tipos nuevos de datos en todos los sectores: datos de sensores, datos móviles, nuevos tipos de datos de pago y más. La mayoría de la IA comercial implica el aprendizaje automático y, si su empresa tiene los mismos datos que las demás, acabará con los mismos modelos que informen a estas máquinas y, por lo tanto, sin ninguna ventaja competitiva. Las organizaciones tienen que pensar en su estrategia de datos exclusiva y ponerla en práctica ahora.
Algunas empresas e sectores ya están señalando el camino hacia una estrategia de datos patentada eficaz. Waymo de Alphabet y Cruise Automation de GM, por ejemplo, recopilan asiduamente mapas y datos de sensores de miles de millones de millas de conducción simulada y en carretera. Las empresas que se centran en las imágenes médicas para la radiología o la patología asistidas por IA están adquiriendo o asociándose para obtener datos de imágenes. Las empresas de los medios de comunicación protegen asiduamente el valor de sus películas, series de televisión, noticias, libros, revistas, etc., y distribuyen cada vez más esos activos de contenido en una variedad de formatos y canales, muchos de los cuales están previstos al principio de un proyecto de creación de contenido.
O mire las firmas de inversión. Están cada vez más interesados en acumular y analizar «datos alternativos» o formas no tradicionales de determinar el desempeño de la economía o de determinadas empresas. Podrían evaluar el desempeño del sector minorista, por ejemplo, analizando fotos satelitales de los aparcamientos de las tiendas. Los fondos de cobertura de éxito como Renaissance Technologies han prosperado, en parte porque recopilaron, seleccionaron, integraron y analizaron conjuntos de datos, como los datos sobre precios de valores, y los convirtieron en un activo propietario.
La estrategia de datos propios de una empresa debe abordar todo el ciclo de vida de esos datos, desde lo que se puede hacer con ellos, la forma de obtenerlos y las consideraciones éticas que pueden derivarse de ellos. A medida que desarrolle su estrategia, tenga en cuenta las siguientes preguntas:
- ¿Para qué fines comerciales serían útiles los datos privados? ¿Nuevos productos, modelos de negocio, mejoras en las relaciones con los clientes o algo más? ¿Cómo se lograría y mantendría la ventaja competitiva con ella?
- ¿Qué tipos de datos serían valiosos para la organización?
- ¿Cómo añadirá la organización valor, seleccionará y protegerá los datos internos valiosos?
- ¿Qué tipos de datos de acceso público podrían ser útiles y cómo vamos a añadirles valor y convertirlos en propietarios?
- ¿Quién podría poseer datos externos que nos serían útiles y cómo podemos obtenerlos de forma ética? Considere comprar una licencia, comprar la empresa, eliminarla, etc. (Pero tenga cuidado con el raspado: la empresa de software de reconocimiento facial Clearview AI, por ejemplo, ha sido criticado para eliminar imágenes faciales de Internet.)
- ¿Cómo podemos establecer con firmeza nuestra afirmación sobre los datos privados para los que podría haber propietarios alternativos, como los clientes? ¿Existen acuerdos legales que establezcan firmemente nuestra capacidad de utilizar los datos como queramos?
- ¿Cómo monetizamos el valor de los datos privados?
- ¿Su arquitectura de datos facilita la recopilación de todos sus datos privados?
Tenga en cuenta que los datos privados suelen tener sus propios «efectos de red». Adquirir o integrar más datos y seleccionarlos de forma eficaz crea un activo más valioso, que se incorpora a los «productos de datos» y a las ofertas de clientes. Esos productos y relaciones aportan más datos, que luego pueden añadirse al almacén de datos propietario. La Búsqueda de Google, por ejemplo, es cada vez mejor a la hora de adivinar la intención de búsqueda de los clientes a medida que más personas buscan y hacen clic en los resultados de búsqueda. Hasta ahora, han sido principalmente las empresas de plataformas multilaterales las que han experimentado este círculo virtuoso, pero puede ser cierto para cualquier tipo de empresa.
Por supuesto, como ocurre con muchas de esas firmas de plataformas, más datos pueden significar más trabajo. No cabe duda de que Facebook, Airbnb y Uber han conseguido muchos datos privados, pero su modelo de negocio intensivo en datos ahora exige que asegurarse de que las noticias no sean falsas, eso las viviendas se describen con precisión, y que los conductores están a salvo. Las estrategias de datos patentadas deben tener en cuenta tanto las oportunidades como las posibles cargas de los nuevos tipos o volúmenes de datos.
Por último, es importante preguntarse quién debe gestionar estos datos privados en su organización. Como la mayoría de las empresas no tienen a nadie responsable de los datos privados, tendrán que formar un equipo para crear una estrategia para ellos. Los directores de datos, aunque normalmente solo son responsables de los datos internos de las organizaciones, pueden estar bien preparados para liderar el proceso estratégico si tienen una responsabilidad en materia de ingresos y relaciones sólidas con los ejecutivos de la empresa. Otros participantes podrían incluir representantes de las organizaciones de TI, legal, de desarrollo de productos y de marketing. Si es probable que la estrategia de datos patentada implique nuevas ofertas de venta a los clientes, la función de ventas también debería participar. Muchos «productos de datos» han fracasado porque los vendedores no se sienten cómodos vendiéndolos; a menudo quieren ofrecerlos gratis para ayudar a vender ofertas más tangibles.
A medida que la mayoría de las organizaciones consumen cada vez más datos, los datos patentados son esenciales. Más allá de darse cuenta de la necesidad de esos datos, un esfuerzo estratégico puede responder a preguntas clave sobre cómo los datos privados se adaptan a la estrategia y los modelos de negocio de una organización. Esperamos ver muchas más estrategias de datos propietarios (y éxitos en la aplicación de este recurso) en un futuro próximo.
Artículos Relacionados

Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada

Arreglar los chatbots requiere psicología, no tecnología
Los chatbots dotados de IA se están convirtiendo en el nuevo estándar para la gestión de consultas, reclamaciones y devoluciones de productos, pero los clientes se alejan de las interacciones con los chatbots sintiéndose decepcionados. La mayoría de las empresas intentan solucionar este problema diseñando mejores modelos de IA en sus chatbots, pensando que si los modelos suenan lo suficientemente humanos, el problema acabará desapareciendo. Pero esta suposición es errónea. Esto se debe a que el problema de fondo no es tecnológico. Es psicológico: Hay que engatusar a la gente para que vea a los chatbots como un medio positivo de interacción. Los autores han analizado recientemente las últimas investigaciones sobre chatbots e interacciones IA-humanos, y en este artículo presentan seis acciones probadas que puede llevar a cabo al desplegar su chatbot de IA para impulsar la satisfacción, la percepción positiva de la marca y las ventas.

Investigación: ¿Está penalizando a sus mejores empleados por desconectar?
Para combatir el creciente desgaste del personal, muchas empresas han defendido programas de bienestar y han fomentado un enfoque renovado en el equilibrio entre la vida laboral y personal. Pero un nuevo estudio descubrió que incluso cuando los líderes reconocían que desvincularse del trabajo aumenta el bienestar de los empleados y mejora su rendimiento laboral, los directivos seguían penalizando a los empleados que adoptaban estos comportamientos cuando optaban a un ascenso o estaban siendo considerados para un nuevo puesto. Basándose en sus conclusiones, los investigadores ofrecen sugerencias para ayudar a las empresas a crear políticas y construir una cultura que proteja los límites de los trabajadores, evite el agotamiento y recompense el trabajo fuerte.