Monetização de dados é assunto para se discutir estrategicamente

As organizações não são capazes de gerir o que não medem. Eles também não conseguem administrar o que não podem discutir. Um bom exemplo é o termo monetização de dados, cujas definições variam do mais básico "venda de conjuntos de dados" ao amplo, porém vago, "geração de benefícios a partir de dados". A reduzida convergência entre o pensamento acadêmico e o das lideranças empresariais só faz aumentar essa imprecisão. Quando os líderes buscam ter conversas produtivas sobre uma estratégia de monetização de dados dentro de um ambiente de negócios complexo, muitas vezes chegam a um impasse. Eles precisam de uma linguagem simples e comum para sair dele.

Experimente usar esta definição: monetização de dados é a conversão de dados em retornos financeiros. No novo livro Data Is Everybody's Business, oferecemos duas estruturas de dados de fácil compreensão que, quando combinadas, formam um conjunto simples, porém abrangente, de produtos de dados. A primeira delas oferece três abordagens diferentes para converter dados em dinheiro: melhorar, pôr no pacote e vender. A segunda reflete três referências para o processo de criação de valor de dados: as pessoas ou sistemas precisam usar dados para desenvolver insights que podem levar à ação. Combine as duas estruturas e você terá uma matriz que oferece nove opções diferentes de produtos, cada qual com seu próprio conjunto de promessas e resultados.

As organizações podem usar essa matriz para explorar tanto as atividades atuais como oportunidades futuras e as possíveis conexões. A simplicidade da matriz pode ajudar os líderes a serem mais transparentes e abertos a novas ideias, ao mesmo tempo que sua objetividade esfria o calor das discussões, focando-as em como monetizar dados.

As abordagens de monetização: melhore, inclua no pacote e venda

Se você parasse e começasse a listar possíveis maneiras de criar valor a partir dos ativos de dados da sua empresa, provavelmente teria centenas de ideias. No entanto, essas ideias podem ser divididas em três categorias. Ela torna uma tarefa ou processo de trabalho melhor, mais barato ou mais rápido? Se sim, você está falando de melhoria. A ideia torna um produto mais valioso para os clientes? Inclusão no pacote. Ela identifica informações pelas quais um cliente pagaria? Estamos falando de venda. Melhorar, empacotar e vender são muito diferentes em termos de risco, propriedade e requisitos. Quando você sabe se está melhorando, incluindo ou vendendo, pode ter conversas inteligentes sobre investimentos, recursos e retornos de dados. Aqui está a descrição de cada uma das abordagens, com exemplos e perguntas a serem feitas.

Melhorar: a maioria das empresas acha fácil identificar como usar os dados para fazer as coisas melhor, mais baratas ou mais rápidas. Vejamos o exemplo da Femsa, empresa multinacional de bebidas e varejo que opera 21.000 lojas de conveniência Oxxo na América Latina. A alta administração da Oxxo investiu na criação de um método de cálculo no nível de SKU para chegar a uma real medida de lucro, gerando um ativo de dados a partir de informações de receita e custo. Com esse novo ativo de dados, a organização poderia ajudar seus funcionários a entender a rentabilidade de suas decisões, levando a escolhas mais lucrativas. A Oxxo não desenvolveu apenas um ativo de dados: ele logo foi usado para diversas melhorias na gestão de lojas, merchandising, sortimento de produtos e operações.

Com esse ativo a Oxxo gerou um grau de responsabilidade interna descentralizada que nem sempre é percebido por outras empresas, que perdem a eficiência materializada em retorno financeiro. As conversas sobre como usar dados para melhorar precisam explorar quem na empresa pode impulsionar a mudança no local de trabalho e como essas pessoas podem ser apoiadas. Faça estas perguntas: quem tem experiência para tornar uma melhoria viável, atraente e escalável? Quem mais ou o que mais é necessário para reduzir ou redistribuir recursos ociosos para atividades significativas? A empresa tem disposição e capacidade de medir e acompanhar o impacto financeiro das melhorias?

Incluir: quase todo produto pode receber algo a mais. Um trator pode receber um display digital que mostra o desempenho operacional; uma conta bancária pode ganhar um gráfico que classifica os gastos feitos; e o transporte de um bem adquirido pode incluir notificações de prazos de entrega previstos. A inclusão deve ser considerada quando os produtos forem comoditizados (uma ameaça) ou quando podem ser aprimorados pelo uso de novos tipos de dados por meio de sensores, aplicativos móveis ou feeds de vigilância (uma oportunidade).

O debate é centrado no cliente: como a empresa pode usar os dados para revisar seu produto ou ajudar os clientes a adquirir ou usá-lo melhor? Como ela pode usar os dados para ajudar seus clientes a ganhar ou economizar dinheiro ou alcançar melhor seus objetivos? Essas conversas precisam incluir o dono do produto que está sendo aprimorado, porque ele é o responsável final por monetizar o resultado dessa embalagem. Como ela será avaliada, monitorada e gerida dentro dos processos existentes na empresa? Como garantir que esse algo a mais encante em vez de decepcionar os clientes?

Vender: uma organização pode ser atraída pelas margens mais altas que a venda de informações parece prometer, mas é importante entender que isto também traz maiores riscos. Empresas como Healthcare IQ, LexisNexis e Verisk aprenderam a resolver problemas especializados usando seus ativos de dados depois de décadas investindo em plataformas de tecnologia, construindo algoritmos, aprofundando a experiência no assunto, cocriando com clientes e aprendendo a precificar soluções.

A grande questão é se vale a pena investir em um novo modelo de negócio. Quem na empresa tem as habilidades e a experiência para liderar um negócio de informação? Como a venda pode ser estabelecida, protegida e sustentada até que ganhe tração? Como a empresa pode identificar mercados que querem soluções com base em seus dados? Como a empresa pode descobrir quanto cobrar e como manter a lucratividade diante da concorrência?

Referências para criação de valor: dados, insights e ações

Para realmente criar valor a partir dos dados, as organizações precisam de uma pessoa ou um sistema para fazer algo que não aconteceria de outra forma. Existem três maneiras pelas quais uma empresa pode ajudar a fazer isso acontecer. Primeiro, ele pode fornecer dados a alguém (ou a um sistema) que os usa para obter insights e tomar ações que gerem benefícios. Melhor ainda, uma empresa pode oferecer um insight diretamente para quem vai usá-lo, que precisa escolher a ação adequada. Ou, em uma abordagem ainda mais ativa, uma empresa pode desencadear ou realizar uma ação, e o comprador vê resultados sem precisar fazer muito.

Os líderes precisam entender onde e como a empresa deve participar do processo de criação de valor de dados e examinar os trade-offs relacionados.

Dados: oferecê-los significa pôr dados novos ou melhores nas mãos de alguém executando parte de um processo (por exemplo, dados de desempenho de uma máquina para um supervisor de manutenção de equipamentos), alguém usando um produto existente (por exemplo, histórico médico, para um paciente) ou um cliente totalmente novo (por exemplo, alguém comprando uma lista de eleitores registrados). Ao oferecer dados, verifique se quem os recebe pode saber apenas pelos dados o que fazer para gerar valor. Alguém vai tirar um tempo para transformar esse valor em dinheiro?

Insight: quando se oferece um insight, estamos em geral falando de dados analisados ou contextualizados. Usando os mesmos exemplos acima, o insight pode ser a velocidade da máquina comparada a um padrão, a probabilidade de ocorrência de uma condição médica ou um mapa de comportamento eleitoral por CEP. Discussões sobre insights debatem comportamentos de quem os compra e exigem uma sólida experiência no assunto. Sua equipe vai querer ser bem versada em quais perguntas são mais frequentes sobre os dados e como elas são feitas. Sua empresa também precisará de um forte senso do mercado competitivo e das plataformas analíticas mais recentes. O que exatamente os compradores do insight precisam saber e por qual motivo, e quais ineficiências podem ser eliminadas de suas análises?

Ação: quando você oferece uma ação significa sugerir comportamentos específicos ou automatizar tarefas. Exemplo: automatizar o agendamento da manutenção para evitar ociosidade ou paradas do equipamento, trazer um conjunto de recomendações dietéticas personalizadas junto com uma lista de alimentos para ajudar um paciente a gerenciar sua saúde ou automatizar a atualização de informações de registro eleitoral para destinatários selecionados. Aqui é preciso atenção: a ação sempre parece ser a melhor escolha para a monetização de dados, pois é mais próxima da criação de valor, com alta probabilidade de influenciá-la. No entanto, é preciso uma avaliação cuidadosa para ver se a empresa tem as capacidades, os direitos e a confiança para oferecer ação. O comprador quer que seja feita uma ação em seu nome, isso seria legal? A empresa está confiante de que seus dados e insights são bons o suficiente para entregar a ação correta?

Como você pode ver nesses exemplos, a empresa pode fornecer dados, insights ou ações usando qualquer uma das três abordagens de monetização de dados (melhorar, incluir, vender).

Matriz de monetização de dados – exemplos

Para ajudar uma equipe a avaliar potenciais opções, use a matriz de monetização de dados para organizar a discussão. Explore esses exemplos do mundo real que uma empresa pode abordar e como a matriz ajuda a explicar as opções.

Usando a matriz de monetização de dados – três cenários

Esta matriz ajuda a estruturar discussões sobre como monetizar dados. Comece examinando se sua organização deseja usar dados para melhorar, incluir ou vender (eixo horizontal). Em seguida, discuta onde no processo de criação de valor você participará: oferecendo dados, insights ou ações (eixo vertical). O primeiro exemplo mostra uma decisão de melhoria/dados, o segundo uma escolha de pacote/insight e o terceiro uma abordagem de venda/ação. Observe que sua empresa pode escolher um tipo de produto, três na mesma linha ou mesmo produtos para cada quadrado matricial. O importante é que as implicações de cada escolha sejam entendidas.

Barbara H. Wixom, Cynthia M. Beath e Leslie Owens, Data Is Everybody's Business (MIT Press, 2023).

Vamos começar com um exemplo de melhoria. Considere uma organização que disponha de um registro de dados de desempenho de funcionários que inclua avaliações, perfis de habilidades e históricos de reconhecimento. Os líderes acreditam que o desenvolvimento de talentos poderia ser melhorado usando esses dados para ajudar os supervisores a identificar, desenvolver e recompensar o bom desempenho de forma mais barata, fácil e rápida.

• Um produto de dados baseado nas informações de desempenho de funcionários pode dar aos supervisores acesso direto aos dados, junto com alguns recursos que permitem sua classificação e seleção.
• Um produto de insight pode fornecer aos supervisores as informações de desempenho analisadas e contextualizadas — por exemplo, um painel identificando quais funcionários tiveram desempenho acima ou abaixo das expectativas de referência. Os supervisores podem usar essas informações para dar feedback e monitorar o progresso.
• Um produto de ação pode enviar automaticamente um bônus e um certificado de reconhecimento para os funcionários que tiveram um desempenho consistentemente acima das expectativas.

Agora considere oportunidades de incluir no pacote em uma organização que tenha um dispositivo que coleta o histórico de exames de glicemia para pacientes e seus médicos. O dono do produto acredita que, se os pacientes recebessem mais benefícios do dispositivo, seu preço poderia ser aumentado.

• Um produto de dados acrescentaria um painel das leituras diárias de glicemia para o paciente. Seria possível ao paciente ver padrões e obter insights sobre como controlar melhor seu açúcar no sangue.
• Um produto de insight exibiria os níveis recentes de açúcar no sangue do paciente em relação aos padrões estabelecidos para sua idade/sexo. Os pacientes precisariam aprender a usar esse insight para desenvolver um comportamento mais saudável.
• Um produto de ação enviaria ao paciente um alerta para comer uma maçã nos 15 minutos seguintes para evitar hipoglicemia.

Por fim, vamos analisar as oportunidades que uma rede de supermercados pode examinar na coluna de vendas. Esta empresa tem um ativo de dados que consiste em dados de compra e outras informações específicas dos clientes que aderiram ao seu programa de fidelidade.

• A rede pode desenvolver um produto de dados que forneça dados sobre itens que passam pelo caixa para os fabricantes dos produtos.
• Esses dados, juntamente com uma análise do histórico de compras do cliente (usando dados de cartão fidelidade e itens do carrinho de compras), podem ser a base de um produto de insight que podem ser vendidos para empresas que desejam informações sobre tendências de hábitos alimentares.
• Na célula de ação, a equipe poderia criar um algoritmo de venda cruzada que sugerisse automaticamente compras adicionais aos consumidores — e cobrasse dos fabricantes que participam do programa.

Tome nota: as oportunidades de monetização de dados não precisam percorrer toda a matriz em linha reta. As discussões talvez precisem se inverter. Por exemplo, os líderes da rede de supermercados podem decidir que não é atraente monetizar pela venda. Em vez disso, podem querer pensar sobre como usar o ativo de dados da empresa para incrementar a operação das lojas e torná-las melhores, mais baratas ou mais rápidas. Ou as pressões de comoditização podem levá-los a explorar como incluir na embalagem bens e serviços para se diferenciarem dos demais varejistas.

Quatro maneiras de melhorar sua estratégia

Como se pode ver nesses exemplos, a matriz 3×3 pode ser usada para tornar mais eficazes as conversas sobre a estratégia de monetização de dados. Para que esse avanço seja contínuo, considere usar a matriz das quatro maneiras a seguir:

1. Rascunhe uma lista de suas melhores ideias com alto volume de dados e coloque-as na matriz – pergunte-se: você já tentou melhorar, empacotar, vender? Ou só melhorar? Você já ofereceu produtos de dados, insights ou ação? Ou essencialmente produtos de dados? Você pode descobrir que suas atividades são voltadas para melhoria dos dados (levando dados de qualidade de um sistema para outro, por exemplo, ou revelando mais dados para um parceiro). Se sim, inicie conversas sobre como evoluir para embrulhar ou vender, ou para insight e ação.

2. Use a matriz como referência - de tempos em tempos, observe se você está expandindo seu repertório sobre monetização de dados. Principais perguntas: a monetização de dados está se espalhando pela empresa? A monetização de dados está acompanhando as metas e realizações da transformação digital? Os esforços de monetização de dados têm a responsabilidade, o financiamento e o suporte corretos?

3. Procure oportunidades para reutilizar e recombinar ativos de dados – as principais perguntas são: os mesmos ativos de dados estão sendo usados em toda a matriz ou em apenas uma célula, linha ou coluna? Cada oportunidade de monetização de dados requer nova preparação, permissões e provisionamento de dados? Em caso afirmativo, considere como os dados podem ser convertidos de maneira a poderem ser reutilizados amplamente em vários esforços de monetização.

4. Identifique espaços vazios na matriz - perguntas-chave: as células vazias representam oportunidades não percebidas? Ou elas não podem ser aproveitadas por algum motivo, como a falta de recursos, habilidades ou conexões com clientes da empresa?

Todas as empresas precisam de uma estratégia de monetização de dados, mas criar, compartilhar e executar a estratégia pode tropeçar em mal-entendidos e resistências no caminho. A solução não passa por mais dados ou mais inteligência artificial, mas, sim, uma melhor comunicação. Se os líderes puderem colocar suas equipes na mesma página usando nossa matriz, eles incentivarão as pessoas a se envolverem em conversas produtivas e acharem o caminho certo para gerir a estratégia certa de monetização de dados da maneira certa.