Data monetization è, letteralmente, la monetizzazione dei dati. Ovvero, il processo di analisi strategica e di implementazione pratica che consente di utilizzare i dati come fonte di ricavo per l’azienda. In relazione agli obiettivi aziendali, è infatti possibile costruire strategie che trasformino i dati in informazioni utili a migliorare la qualità del servizio, ampliare i mercati, comprendere meglio le dinamiche interne di contesto e produzione. Osserviamo il fenomeno nel manifatturiero.
Cosa si intende per data monetization
La Data monetization può avvenire all’interno dell’azienda, con diversi tipi di Data analytics, oppure all’esterno, attraverso vendita, scambio o condivisione dei dati propri o altrui.
La Data monetization può inoltre essere diretta o indiretta: nel primo caso, si tratta di una vendita o uno scambio di dati in diverse modalità, dai dati “raw”, “grezzi”, ai dati già parzialmente “trattati”, ovvero puliti e analizzati. Nel secondo caso, la Data monetization indiretta si riferisce allo sfruttamento dei dati per altre attività: ad esempio, i dati relativi ad una materia prima possono essere utilizzati per esplorarne l’utilizzo per prodotti diversi.
L’Osservatorio Big Data & Business Analytics del Politecnico di Milano ha identificato tre tipologie di data monetization: arricchimento dell’offerta, condivisione, baratto&vendita.
L’arricchimento dell’offerta attraverso i dati avviene abbinandoli al prodotto/servizio per monitorarne la qualità, migliorare l’esperienza del cliente, valutare il proprio posizionamento; la condivisione avviene per specifiche finalità come ricerca e sviluppo di nuovi prodotti o cross-up selling in chiave di open innovation; nel baratto o nella vendita i dati vengono messi a disposizione in cambio di denaro o beni e servizi.
Quali sono i dati “monetizzabili” nel manifatturiero
Per la Data monetization nel manifatturiero si utilizzano sia i dati aziendali che quelli generati dalle interazioni con i clienti, i partner e l’intero ecosistema aziendale.
Nel manifatturiero, i dati raccolti dai dispositivi IoT all’interno delle linee di produzione e lungo la supply chain possono essere utilizzati per incrementare il ROI, ottimizzare le procedure, ridurre scarti ed errori di produzione riducendo gli sprechi.
In questo caso, possono diventare monetizzabili i dati relativi ad ogni anello della supply chain: i dati di inventario, di previsione della domanda e dei livelli di fornitura richiesti, di dettaglio sui processi, delle giacenze in magazzino, dei volumi prodotti, delle condizioni del personale, dello stato delle attrezzature, dei costi della filiera, dei tempi di consegna, dei resi ricevuti, della preparazione delle spedizioni fino alle modalità di stoccaggio del prodotto.
Diversi i casi dei progetti di Data monetization che riguardano le interazioni con i clienti e i partner o la vendita diretta dei dati anche attraverso database di pubblico accesso: in questi casi, oltre alla normativa di settore, è importante essere conformi al GDPR sul trattamento dei dati personali, alle direttive sulla libera circolazione dei dati non personali e alle direttive di riutilizzo delle informazioni immesse nel settore pubblico.
Come monetizzare i dati raccolti nel manifatturiero: i primi passi per la data monetization
Analisi di contesto
Il primo passo per una data monetization efficace è un’approfondita analisi di contesto: quanti e quali sono i dati che l’azienda ha a disposizione? Da quali fonti derivano? Sono raccolti in modo manuale o automatizzato? Come vengono gestiti e analizzati? Vengono utilizzati per raggiungere gli obiettivi strategici? L’azienda ha, nella pratica, una cultura data-driven? Se non completamente, quali sono i fattori che le impediscono di averla?
L’analisi di contesto descrive i processi esistenti, identifica i bisogni dell’organizzazione e solo dopo si focalizza sui modi per soddisfarli, allineati agli obiettivi di sviluppo strategico. Per definire gli obiettivi da raggiungere con la data monetization, vengono perimetrate le fonti dei dati, le aree geografiche e le lingue di interesse e vengono studiate in relazione ai competitor per individuare gli scenari attuali e desiderati.
Identificazione degli smart data
Vengono definiti i KPI – Key Performance Indicator, gli indicatori chiave di prestazione, sulla base dei quali vengono selezionati gli smart data, i dati di elevata pertinenza elaborati “su misura” per il raggiungimento degli obiettivi di data monetization.
Che tipologia di dati sono? Sono tutti a disposizione dell’azienda? Sono già in un sistema di fonti articolato e affidabile? Esiste un processo di data management da cui implementare il progetto di data monetization o occorre partire dall’inizio?
Due diligence e compliance
La due diligence è l’attività di approfondimento di informazioni che riguardano l’oggetto di una trattativa, per identificarne i rischi e negoziare termini e condizioni del contratto: nella data monetization è particolarmente importante.
Gli smart data sono strutturati? Anonimizzati? Il trasferimento/baratto dei dati come verrà regolato? Attraverso vendita o licenza d’uso? In caso di cessione verso terze parti, come verrà definita la transazione commerciale? Il processo di data monetization verrà protetto da proprietà intellettuale? L’insieme dei dati valorizzabili sarà proteggibile? Nel caso delle grandi aziende: c’è conformità rispetto alla normativa antitrust? Il trattamento dati e il loro trasferimento lede diritti di terzi?
Una data monetization efficace non può prescindere da un team multidisciplinare che comprenda adeguato supporto legale. Solo dopo aver ponderato gli aspetti summenzionati, sarà possibile avviare il processo di data monetization correlato alle esigenze aziendali.
Alcuni modelli di data monetization
Nel modello più semplice, anche chiamato data syndication, un dato anonimo e aggregato viene venduto ad aziende intermedie o clienti finali. Un altro modello è relativo alla condivisione/vendita degli insight, ovvero delle intuizioni derivate dall’analisi dei dati da fonti interne ed esterne. Un modello più complesso riguarda il collegamento degli insight a una piattaforma cloud accessibile in tempo reale. Il modello più avanzato collega diverse piattaforme industriali, le rende interoperabili e anonimizzate nonché accessibili in real time.
Applicazioni e vantaggi della data monetization nel manifatturiero
I vantaggi principali della data monetization nel settore manifatturiero sono: il miglioramento della qualità del prodotto/servizio con riduzione degli sprechi, la manutenzione predittiva, la digital servitization.
Il miglioramento della qualità con la relativa riduzione degli sprechi è il risultato dell’integrazione di diversi fattori: l’aumento dell’efficienza della filiera grazie al management dei dati IoT nelle diverse fasi del processo di produzione/erogazione del servizio; l’analisi dei dati di conoscenza del comportamento degli utenti; la progettazione di servizi aggiuntivi derivati dallo studio dei bisogni degli utenti.
La manutenzione predittiva, o predictive maintenance, è la possibilità di intervenire su un macchinario prima che il guasto o l’anomalia si verifichino, grazie all’elaborazione in tempo reale di software che ricevono i dati dai sensori posti sul macchinario stesso.
La digital servitization, letteralmente la “servitizzazione digitale”, è la trasformazione da prodotto a servizio basata sull’utilizzo dei dati. Ad esempio: il supporto e il controllo preventivo del prodotto, la manutenzione programmata, i contratti di assistenza clienti e di ripartizione con rischi e premi.
