Apakah detail monetisasi tampak rumit? Begini cara memulainya
Diterbitkan: 2022-02-10Dalam e-book The Journey of Copper Beeches , detektif fantastis Sherlock Holmes menyatakan, “Data! Informasi! Fakta! Saya tidak bisa membuat batu bata tanpa membutuhkan tanah liat.” Dengan kata lain dan frase, item informasi telah menjadi blok pengaturan yang diperlukan detektif terkenal yang diinginkan untuk menjernihkan misteri apapun.
Tetapi ketika kita mendapati diri kita muncul (ya, mudah-mudahan demikian) dari pandemi di seluruh dunia, data juga merupakan blok bangunan yang diharapkan untuk penemuan kembali.
Ketika perusahaan menemukan kembali diri mereka sendiri di dunia baru, mereka menggunakan data untuk melihat jauh lebih dalam ke dalam operasi mereka, mereka hanya melihat lebih dekat pada klien mereka saat ini dan memindai cakrawala untuk prospek baru.
Dan, mereka menemukan cara bahwa mitra dan pembeli dapat melakukan hal yang sama. Mereka tidak hanya memonetisasi informasi mereka dengan bekerja dengannya secara internal tetapi mereka mulai mengkomersialkan data mereka secara eksternal. Perusahaan yang melihat kemungkinan ini memberi tahu kita bahwa mereka dulu memiliki strategi informasi—sekarang metode mereka adalah fakta.
Paradigma baru ini memerlukan pemikiran tentang fakta sebagai aset—ya, kami telah mendengarkannya sebelumnya—tetapi juga sebagai produk. Ungkapan itu akan banyak dibuang akhir-akhir ini juga. Di seluruh dunia info, paradigma jaring pengetahuan melibatkan "data sebagai produk" sebagai teori dasar. Diskusi khusus tentang barang-barang fakta telah sangat mengecilkan rute arsitektur. Meskipun membantu, gagasan "kuantum arsitektur" mungkin tidak cocok untuk audiens tertentu.
Ide standar produk atau layanan cukup mudah. Kamus Oxford mendefinisikan produk sebagai "artikel atau bahan yang diproduksi atau disempurnakan untuk dijual." Kita perlu mempercayai pengetahuan sebagai blok pengaturan dari solusi yang dibuat atau disempurnakan untuk dijual. Dan, dengan "penjualan" kami menyiratkan pertukaran nilai, baik secara internal maupun eksternal.
Apakah hasil akhir pekerjaan internal atau tidak dalam permintaan kembali atau pertukaran nilai lainnya tetap menjadi dilema terbuka. Beberapa versi penyedia TI bersama menganjurkan desain biaya kembali, tetapi seringkali mekanisme untuk melakukannya rumit dan sulit secara politis. Jadi, sekali lagi, mari kita pisahkan dan targetkan pada produk saja.
Mulailah membawa informasi Anda ke pasar
Bagi banyak pemimpin data, peluangnya jelas. Tinjauan McKinsey yang biasanya dikutip memperkirakan bahwa kolaborasi pengetahuan menghasilkan $3 triliun setiap tahun. Dan, kolaborasi info dimulai dengan berbagi informasi—membuat data tersedia bagi banyak orang lain untuk digunakan dan memperoleh manfaat. Dengan kata lain, ini tentang memonetisasi fakta secara eksternal.
Namun demikian, sebagian besar detail yang ditemukan para pemimpin bahkan mulai menjadi luar biasa. Beberapa masalah yang mereka minta meliputi:
informasi yang mana?
Biasanya, insting pertama adalah menanyakan tim data untuk melihat detail item. Tim info secara tradisional mengambil panduan, benar?
Baik, Baiklah, kali ini tidak otomatis. Atau jika mereka melakukannya, tindakan awalnya adalah berbicara dengan pemangku kepentingan organisasi untuk mendapatkan strategi yang sumber informasi atau "domain" informasi dapat diinginkan.
Asumsikan "data pelanggan" atau "data produk". Informasi pembelanja akan muncul dari sejumlah sumber dan terdiri dari profil klien, data transaksi, log pusat kontak, dan segala sesuatu yang menyentuh konsumen. Informasi produk atau layanan dapat mencakup detail keluaran, info awal, keuntungan dan pengembalian, kekurangan, dan hal lain yang menyentuh produk. Grup detail dapat mengetahui informasi apa yang mereka miliki tetapi tidak secara otomatis sejauh mana kemungkinan situasi penggunaan.
Kondisi penggunaan yang mana?
Pertanyaannya kemudian adalah, siapa yang akan menggunakan fakta ini dan bagaimana caranya? Beberapa tim informasi menghabiskan terlalu banyak waktu berharap terjadi dengan individu menggunakan contoh sendiri.
Itu mungkin melakukan pekerjaan kadang-kadang tetapi itu bukan komite yang menyelesaikan pekerjaan. Cara yang ideal untuk memulai adalah dengan menanyakan bagaimana informasi sekarang digunakan, baik secara internal maupun eksternal, dan kemudian melihat apakah orang lain dapat menggunakannya dengan cara yang tepat. Sebagai contoh, operator telekomunikasi menggunakan kepadatan lalu lintas situs web jaringan di kota-kota untuk memastikan lokasi pengecer ritel. Lihatlah, toko, pembangun, dan perencana kota juga dapat menggunakan informasi itu untuk variasi situs web.
Atau visualisasikan penggunaan terkait: Produsen motor jet menggunakan detail fungsi penerbangan untuk meningkatkan produk dan solusi jangka panjang. Maskapai juga dapat menggunakan pengetahuan operasi penerbangan untuk meningkatkan efektivitas. Tujuan bisnis seperti ERP sekarang terjadi dengan layanan benchmarking yang memeriksa metrik seperti biaya downtime atau pengembalian properti di seluruh klien. Ini disebut sebagai hal yang dapat dilakukan yang berdekatan, seperti "Apakah Anda ingin kentang goreng dengan itu?"
Bentuk merchandise atau support yang mana?
Itu mengantarkan kami ke detail aktual produk atau layanan atau layanan, dan jenis unik yang layak. Ini biasanya bukan hanya tentang fakta itu sendiri. Mengiklankan informasi memerlukan pengembang atau ilmuwan detail untuk melakukan satu hal dengannya, seperti menyiapkan aplikasi atau model analitik, untuk memasok harga bisnis.
Namun demikian, jika solusi atau dukungan fakta adalah aplikasi atau model analitik, yang memberikan wawasan segera kepada pembeli hanya dalam alur kerja perusahaan, pilihan atau tindakan dapat segera diambil. Misalnya, di PepsiCo, kelompok pengetahuan menghasilkan produk dalam, ROI Motor, untuk mengevaluasi kesan strategi periklanan dan pemasaran serta penempatan media.
Aplikasi ini mengumpulkan informasi dari lebih dari 60 sumber dan memberikan wawasan kepada pengguna di seluruh bisnis mulai dari e-niaga hingga berbagai merek dan wilayah. Wawasan memungkinkan pengusaha untuk menentukan strategi dan penempatan iklan mana yang berhasil dan menentukan mana yang akan dilanjutkan atau disempurnakan.
Di antara detail itu sendiri dan aplikasi data adalah antarmuka yang dibuat khusus yang memfasilitasi penemuan dan entri hanya dalam konteks bisnis kecil tertentu. Sebagai ilustrasi, Atheon Analytics SKUtrak menyediakan antarmuka untuk membantu transfer cepat pemasok barang dagangan pembeli dan pedagang membuat pilihan berdasarkan data dengan analitik pergerakan barang.
Karena produk dan solusi dan perusahaan memberikan wawasan yang jauh lebih banyak secara khusus ke dalam konteks perusahaan (bergeser di sepanjang kurva oranye dalam diagram), waktu-ke-nilai semakin cepat.
Saat menyediakan data itu sendiri sebagai solusi, berbagi informasi langsung memberikan solusi yang jauh lebih baik daripada menyalin dan mengirim informasi melalui transfer file atau unduhan.
Tidak hanya menyalin dan mengirim panggilan untuk lebih banyak energi, info juga cepat habis karena hanya snapshot pada suatu posisi dalam waktu. Aksesibilitas terhadap fakta juga merupakan tantangan tambahan jika bukan tidak mungkin untuk dicabut.
Apa nilainya?
Masalah ini telah membingungkan kelompok barang dagangan untuk selamanya (sempurna, cukup banyak). Berapa nilai data saya yang sebenarnya, dan berapa biayanya sebagai barang dagangan?
Beberapa perincian perusahaan telah memberi tahu saya bahwa itu seperti praktik target, mempersempit sasaran dengan menyaring harga jual dan mengukur permintaan di setiap biaya. Banyak orang lain mengekstrapolasi dari nilai yang mereka peroleh dengan penggunaan batin.
Namun pendekatan lain adalah menyelesaikan pekerjaan secara langsung dengan pembeli atau mitra untuk membandingkan dan mengukur manfaat tambahan yang diperoleh dengan perincian perangkat lunak. Misalnya, kampanye pemasaran periklanan dan pemasaran mencapai tingkat konversi yang pasti tetapi dengan pengetahuan baru untuk menetapkan target spesifik, premi konversi meningkat.
Bagian dari kenaikan gaji dapat dikaitkan dengan data. Dalam semua ilustrasi, ini adalah tentang mengadopsi pendekatan tangkas untuk menguji fitur fakta baru, dan mengidentifikasi manfaat yang mereka berikan. Pada akhirnya, pasar akan menentukan nilainya.
Bagaimana cara pergi ke industri?
Bagi sebagian besar organisasi, komersialisasi fakta bukanlah perusahaan bisnis utama mereka. GE Aviation dan Siemens Mobility menghadirkan solusi fakta dan layanan ahli, tetapi mereka bahkan sekarang menjadi pemasok mesin pesawat dan lokomotif.
Komersialisasi yang menguntungkan biasanya dimulai dengan rekanan pasar atau saluran yang sesuai. Banyak perusahaan konsultan dan penyedia layanan membantu memandu bisnis melalui sistem. Dan, munculnya pasar informasi membantu membuat detail dapat ditemukan dan diakses lebih mudah.
Snowflake Information Cloud memfasilitasi berbagi fakta (dan periklanan), baik secara langsung dengan konsumen atau pasangan atau dengan menggunakan pertukaran informasi yang dibangun antara ekosistem teman. Instacart, misalnya, dengan sekitar 500 juta item dalam katalognya dari sekitar 40.000 pengecer di 5.500+ kota, berbagi ciri-ciri dengan pengecer dan pembeli CPG.
Dengan eksposur yang lebih luas dan atribut industri, Snowflake Details Marketplace memasok properti ke ratusan penyedia detail—dan bukan hanya profesional.
Semakin banyak pembeli Snowflake menemukan menempatkan rincian perusahaan mereka sendiri ke dalam Marketplace. Di garda depan, ADP, yang memproses sekitar 25% dari gaji AS, telah membuat data demografi dan pendapatan tenaga kerja AS yang diagregasi dan dianonimkan, yang tersedia di Snowflake Details Marketplace.
Dan orang lain, seperti 1-800-Flowers, mendapat manfaat dari Pasar Detail Kepingan Salju untuk mengenali sumber informasi baru guna memperkaya pemeriksaan dan meningkatkan efektivitas perusahaan.
5 tindakan untuk mulai memonetisasi info Anda
Singkatnya, untuk membangun dan memberikan item dan layanan fakta, baik kepada pemangku kepentingan internal atau kepada mitra dan pelanggan eksternal, mulailah dengan lima tindakan berikut:
1. Membuat sumber daya atau domain data sebagai produk mentah untuk detail barang atau jasa ahli.
2. Tentukan potensi penggunaan dengan polling pemangku kepentingan, mitra, dan klien dalam untuk mengidentifikasi penggunaan yang ada dan memeriksa aplikasi yang terhubung dan berdekatan untuk detailnya.
3. Tentukan jenis yang paling efektif untuk detail produk atau perusahaan: mentah, pengetahuan yang tidak dikurasi, detail yang diperkaya, antarmuka yang disesuaikan, atau aplikasi yang tepat konteks.
4. Lakukan pendekatan tangkas untuk menguji fitur baru dan menganalisis harganya.
5. Temukan rekan atau saluran go-to-marketplace yang benar, ini sebagai monetisasi melalui Snowflake Data Cloud.
Jennifer Belissent adalah Ahli Strategi Data Utama di Snowflake .