从原始数据到实际利润 ： 建立蓬勃发展的数据业务的入门

从原始数据到实际利润：建立蓬勃发展的数据业务的入门 建立有利可图的数据业务不仅取决于拥有正确的数据，还取决于支持它的业务模型和企业能力。 作者：AriLibarikian，KayvaunRowshankish，MarkusBerger-deLeón和VishnuKamalnath ©GettyImages 2024年7 月 差不多两个世纪前,LewisTappa和JohM.Bradstreet说明了将数据转化为有利可图的产品的潜力。当时，企业和商家正在扩大业务，需要一种可靠的方法来确定潜在合作伙伴的信誉。在这个蓬勃发展的经济中 ，银行家和投资者渴望获得更一致，客观的信息，以指导他们的贷款和投资决策。 Tappan和Bradstreet成立了致力于收集，分析和销售数据的公司，以及从中得出的见解。他们的公司充满了 市场上的一个关键缺口，最终合并形成邓白氏。 快进到今天，公司经常充斥着数据，并试图弄清楚他们是否可以将其转化为业务。答案并不明显。建立数据业务并不适合每个机构，尤其是在已经存在一些在数据方面具有巨大优势的主导者的领域。 然而，对于可以解锁独特数据、分析或组织专有技术的公司来说，潜在的回报可能是巨大的，以创建解决未开发市场机会的产品。 一家欧洲建材公司发现了一个新的商机 通过将跟踪关键绩效指标(KPI)的内部工具转化为可以销售的产品，实现了5亿美元的企业价值 外部。同样，一家电信公司有望在不到五年的时间内利用其数据建立数字贷款业务，实现2亿美元的新收入。他们并不孤单。麦肯锡对新业务建设的商业领袖的年度调查发现，大约40%的人希望在未来五年内创建数据、分析和基于人工智能的业务，这是任何新业务建设类别中最高的(图表1)。1 您如何知道建立数据业务是否可以为您的组织创造价值？在本文中，我们分享了为什么现在是考虑它的合适时机，如何评估它是否合适，以及入门的关键考虑因素是什么。 为什么现在 尽管领导者已经扩大数据业务规模超过十年，但不断发展 的技术能力以及AI和分析在全球范围内的更多采用增加了当今数据货币化的可行性。特别是四个技术转变，使公司能够比以往更快，更便宜地创建新的数据产品： —增强的数据管理效率：由于数据工具和技术更加完善，公司可以更高效地跨不同平台实时处理、管理、访问和重用数据。这种效率对于创建可扩展和可持续的数据业务至关重要。 —生成AI(genAI):几年前，将文本、图像和视频等非结构化数据转换为标准化形式，以便能够对其进行访问和分析，这对大多数公司来说是极其昂贵的。 GenAI使结构化此类数据更具成本效益，从而可以更广泛地使用。结合使AI和分析民主化的低代码和无代码分析平台的出现，数据业务现在可以从其数据中获得更多价值。 —增加对现实世界数据的访问：随着物联网（IoT）采用的加速，与实施传感器技术和捕获现实世界数据相关的成本和障碍已大大减少。公司现在可以更快，更经济地收集现实世界数据，并使其可用于更广泛的应用程序。 —内部数据产品的使用越来越多：行业领导者越来越多地在内部将数据视为产品，以便给定的数据集可以支持许多不同的用例（请参阅侧栏“什么是数据产品？”）。这种“数据打包”为他们提供了将数据货币化的先机。 1“首席执行官的增长选择：建立新业务”，麦肯锡，2023年11月9日。 附件1 在麦肯锡关于新业务建设的最新调查中，数据，分析和AI业务是顶级类别。 受访者预计他们的组织将在未来5年、2023年、1 %的受访者 进工业零售金融服务能源和材料生命科学和电信流和 基础设施总计 41 19 47 20 26 55 17 36 25 18 27 18 40 52 42 35 2023先 数据、分析和 AI平台 一切作为 服务² 消费品和 医疗保健和 技术、媒体 旅行、物 物理产品（包括硬件） 57 39 5 23 46 35 31 33 环境-以可持续性为重点 37 27 20 64 12 25 45 31 企业生态系统和/或市场 24 27 49 31 30 29 18 30 数字零售 15 63 42 20 18 32 27 30 互联产品（即，物联网） 40 21 20 22 27 40 22 28 其他服务（如远程医疗服务） 9 12 21 10 24 11 7 14 1受访者能够做出多种选择。数字是在删除了说“不知道”的受访者之后计算的。对于先进行业的受访者，n=104；消费品和零售，n=101；金融服务，n=124；能源和材料，n=106；医疗保健和生命科学，n=134；技术，媒体和电信，n=187；旅行，物流和基础设施，n=107。 ²例如，订阅服务或订阅软件。2022年，类别被称为“软件即服务”。 资料来源：麦肯锡全球新业务建设调查，980名高级管理人员和高管，2023年6月21日至8月20日 麦肯锡公司 此外，我们预计，随着领导者争夺数据和分析价值潜力高达17.7万亿美元的份额，对数据驱动型决策的渴望将加剧。2再加上一代AI的2.6万亿美元到4.4万亿美元。 3这可以创造肥沃的 数据和AI产品的基础。考虑推出数据解决方案的沃尔玛DataVentures tohelpsuppliersbetterunderstandcustomers’shoppingbehavior,amongotherinsights.Thecompany’sproduct,calledWalmartLuminate,filled 2“生成AI的经济潜力：下一个生产力前沿”，麦肯锡，2023年6月14日。 3Ibid. 什么是数据产品？ 数据产品旨在提供高质量的，随时可用的数据集，可以对其进行分析并应用于各种用例，以回答关键的业务问题。数据产品消除了开发过程中的大部分重复工作 为每个用例定制数据解决方案。像物理产品一样，数据产品根据客户的需求而发展，客户可能包括内部和外部用户。 在构建和扩展数据业务以确保公司能够随着客户需求的发展而快速扩展其产品时，这种模块化至关重要。作为最佳实践，数据产品应能够支持对数据存储，处理和管理的各种要求，以匹配不同的用户“消费原型”，例如数字应用程序或报告 系统。每个数据产品都应该由数据产品经理拥有，负责建立和持续改进它，并确保它得到良好的管理，以建立最终用户的信任和产品质量。最后 ，数据产品应该易于发现，以便整个企业中的任何人都可以利用它们。（有关更多信息，请参阅麦肯锡上的“如何解锁数据的全部价值？像产品一样管理它”。.). 市场的差距，使公司能够在第一年实现强劲的市场采用和80%的季度环比增长。4 因为数据业务往往需要强大的价值主张和独特的数据优势才能取胜,我们预计未来十年会有一小部分数据业务出现并主导特定行业的市场,后来来的人可能会发现很难赶上。 评估机会和正确的战略 在其基础上，数据业务必须能够访问相当数量的数 据（内部或外部）或处理数据并从中推断业务价值的方法 唯一足以满足未满足的市场需求。例如，人口购物数据在今天可能没有价值，因为它来自该领域当前市场领导者的充足可用性。 然而，利基细分市场中实时购物偏好的数据可能是有价值的 一些公司在本地化市场策略时。 根据我们的经验，领导者可以采取三种广泛的策略来构建此类数据集，每种策略都有 不同的价值主张和关键成功因素(图表2)： —创建行业标准，正如穆迪、标准普尔全球和惠誉在信用评级方面所做的那样。通常，这些数据业务最初是作为数据聚合器，组装大量独特的数据。当网络效应扩大其产品的效用，直到最终超过 替代产品并成为行业标准。这可能是一个非常有效的策略。考虑一下Reddit的6000万美元年度交易，使Google能够在其数据上训练其AI模型。5但这也是最难追求的商业模式之一。一旦市场领导者成为事实上的标准，新进入者的竞争就变得越来越困难。 4MarkHardy，“沃尔玛Luminate向供应商免费介绍基本包装”，沃尔玛，2022年10月12日。 5AnnaTong，EchoWang和MartinCoulter，“独家：Reddit与Google达成AI内容许可协议”，路透社，2024年2月21日。 这里的成功需要在数据访问，先动者边缘或两者中具有不对称的优势。一家金融服务公司已将自己定位为在定价动态变化迅速的地区进行准确定价预测的首选。该公司通过从卫星图像、列表、公开文件、广告、直接电话和业务地点收集新数据(有时亲自派遣个人来捕捉网上没有的细节) ，并以提高预测准确性的方式进行分析。然后，它为客户提供了一个易于使用的平台来访问由此产生的见解。 —利用来自参与用户群的见解。通过适当的数据使用权限，组织可以将从 为广告商、供应商、合作伙伴和用户提供有价值的见解的参与用户群。 例如，来自数字互动的基准和行为数据可以通过数据市场“按原样”出售，或与分析相结合，并作为见解直接出售给买家。公司还可以使用这些见解在其数字渠道上销售有针对性的广告。 这种策略在很大程度上取决于数据的独特性和公司为客户创造强大产品价值主张的能力。如果商业案例能够引发“飞轮效应”，即数据产品的销售增加了核心产品的销售或粘性，那么商业案例就会变得更具吸引力。这家金融服务公司通过缝合为增加收入铺平了道路 其流行的数据和分析产品集成到智能工作流程解决方案中 ，为客户自动化关键业务流程并加速其决策。该集成解决方案还促进了公司其他产品的销售，因为客户更愿意留在其生态系统中满足其他数据和分析需求。 —将相当大的组织知识转化为产品。例如，在构建解决内部业务问题的工具时积累的知识和能力有时会演变成有利可图的产品 。这是欧洲建材公司之前引用的战略，该战略将用于跟踪效率的内部工具转变为软件即服务（SaaS）产品。而领导者最初担心蚕食 附件2 建立数据业务需要谨慎的策略和对成功关键因素的认识。 创建行业标准 利用来自敬业的用户群的见解 将相当大的组织知识转化为产品 基于海量独特数据构建行业数据解决方案 开发一种使用和增强客户洞察力的产品，以推动行业内外的业务价值 使用内部有价值的数据和见解来创建可供外部公司使用的产品 •大量独特、有见地的数据•先发优势 •颠覆性的跨行业创新，可能成为对服务不足的行业需求的事实上答案 •庞大、根深蒂固的客户群•能够为核心业务创造“飞轮效应” •对外部受众有价值的内部数据和分析工具•作为核心业务运营的副产品收集的独特数据 战略和关键成功因素 Strategy 关键成功因素 麦肯锡公司 从这些数据中获得的竞争优势，他们的分析发现，将这些数据转化为产品对公司来说比为自己保留工具更有利可图。 Thisorganizationalknow-howcanalsoemergedasacompanycollectinguniquedataasa副产品ofitscoreoperations.Onecompanyistransformingthewayitoperations 并通过将物联网传感器添加到其资产中并使用由此产生的见解来增强其客户的运营，从而创建新的数据驱动的收入流。例如，随着温度 和来自传感器的GPS数据，公司的客户可以在运输途中为温度敏感的货物做出更好的路线决策。 构建持久数据业务的关键考虑因素 发现数据货币化的潜在机会的领导人应该期待三到五年 的跑道来实现规模经济， 是高利润率、持久产品的基础。(推出最低可行的市场测试产品应在前12到18个月内进行。) 成功导航这一领域需要定义强大的客户价值主张，实施能够扩展和维持业务的运营模型和技术能力，并预先解决任何可能影响运营的数据隐私和安全问题。 定义强大的客户价值主张我们发现通常有两种产品属性会影响客户价值主张和采用： 1.数据产品提供的“智能”类型。经典的DIKW框架-数据 ，信息，知识和智慧-为评估产品的潜在价值和持久性提供了一个层次结构（图表3）。公司可以创建有利可图的产品 附件3 数据产品的价值潜力在数据，信息，知识和智慧金字塔的每个级别都在增加