Midiendo el valor económico de los datos


El proceso de recopilación, agregación y análisis de datos con el propósito de una operación exitosa no es nada nuevo para las empresas. Sin embargo, la cantidad y variedad de datos que utilizan las empresas ha aumentado drásticamente en los últimos años. Fundamentalmente, un uso cada vez mayor de datos como un insumo (no medido) en la producción podría provocar que las estadísticas económicas clave, como la producción y la productividad, presenten graves defectos (OCDE 2020).

Covid-19 está acelerando la transformación digital de nuestra vida privada y profesional (Coyle y Nguyen 2020), impulsando los modelos de negocio digitales incluso en los últimos rincones de la economía. Esto también significa que cada vez se producen y utilizan más datos para crear nuevos productos y servicios. El papel del valor de los datos se ha debatido ampliamente tanto desde una perspectiva de gobernanza de datos (Savona 2020, Aaronson 2020) como desde el ángulo de la propiedad de datos y la regulación de la privacidad (Bergemann et al. 2020, Jones y Tonetti 2020). Se trata de cuestiones importantes y urgentes que contribuyen a comprender mejor el valor económico de los datos y al desarrollo de estadísticas económicas a prueba de futuro.

En un artículo reciente (Nguyen y Paczos 2020), abordamos algunos de estos temas con más detalle. Desarrollamos un marco basado en cómo las empresas monetizan los datos y proponemos una taxonomía de tipos de datos y características asociadas con el valor económico de los datos. Basándonos en ejemplos del mundo real, analizamos las estrategias que utilizan las empresas para monetizar los datos y distinguimos cuatro tipos principales:

1. Venta o concesión de licencias de datos

2. Venta de productos relacionados con datos completamente nuevos

3. Utilizar datos para mejorar o mejorar los productos existentes

4. Utilización de datos para mejorar la eficiencia y la capacidad productiva general

Con base en este marco, desarrollamos el concepto de que las empresas pueden datos habilitados o mejorado con datos. En términos generales, las empresas habilitadas para datos han desarrollado estrategias de generación de ingresos que dependen totalmente de los datos. No existirían sin acceso a grandes cantidades de datos y análisis de datos avanzados (ver también Li et al.2019 sobre la medición del valor de los datos para las plataformas en línea). Por otro lado, las empresas con datos mejorados explotan los datos para coordinar mejor las operaciones comerciales preexistentes, facilitar la toma de decisiones e introducir bienes y servicios mejorados. Sin embargo, los datos y el análisis de datos no alteran ni determinan sus modelos comerciales centrales.

Reunimos esas estrategias en un marco de estrategias de monetización de datos a través de diferentes modelos comerciales (ver Figura 1) que se pueden utilizar para evaluar el grado en que las empresas se basan en los datos para generar ingresos.

Figura 1 Marco: monetización de datos en todos los modelos y sectores comerciales

Para examinar más a fondo las formas en que los datos se pueden utilizar en el proceso de generación de valor, elaboramos el concepto de una ‘cadena de valor de datos’ compuesta de cuatro etapas: recopilación, agregación, análisis y monetización de datos. Teniendo en cuenta que la digitalización permite el desprendimiento físico de las diferentes etapas, se deduce que moverse entre etapas implica necesariamente flujos de datos. Si bien estos flujos a menudo tienen lugar dentro de centros de datos y países individuales, en principio también pueden abarcar varios países y jurisdicciones.

Como resultado, los flujos de datos transfronterizos están directamente relacionados con la creación de valor económico (Tomiura et al. 2019), especialmente porque los costos de replicar etapas en muchos países suelen ser prohibitivamente altos. Por último, dado que la monetización de los datos en sí misma se puede utilizar para recopilar más datos, proponemos que la “cadena” se denominaría mejor como un “ciclo” (ver Figura 2).

Continuamos con una revisión de las taxonomías de datos existentes que pueden resultar útiles a la hora de pensar en el valor económico (o empresarial) de los datos. Esto es útil porque es necesario considerar simultáneamente los diferentes tipos de datos que existen (por ejemplo, personales, no personales) así como las características específicas que hacen que los datos sean valiosos (o algunos datos más valiosos que otros).

Concluimos que hay varias formas en que los datos se pueden estructurar en diferentes tipos. Se podría enfatizar el uso de datos o los derechos de acceso, el tema o la fuente de los datos, la forma en que se generan los datos (por ejemplo, generados por máquinas versus generados por usuarios) o la fuente de financiamiento (en términos de quién paga por la recolección de datos). En términos de características, los datos generalmente son más valiosos si son vinculables, accesibles, desagregados, oportunos, confiables, representativos y escasos / excluibles.

Si bien discutimos estos tipos y características con más detalle en nuestro artículo, somos conscientes de que esta no es una lista exhaustiva y que hay muchos otros que podríamos especificar. Nuestro objetivo aquí es capturar las dimensiones más importantes (que podrían cambiar en el futuro) y minimizar la superposición.

Figura 2 El ciclo del valor de los datos

En la sección final del documento, nos ocupamos de la medición económica y la viabilidad de diferentes enfoques. Por ejemplo, se ha demostrado que un método basado en costos funciona en Canadá (Statistics Canada 2019); otros enfoques basados ​​en precios de mercado o ingresos reales basados ​​en datos son más experimentales y están menos desarrollados.

Proponemos un marco conceptual destinado a avanzar en el debate tan necesario sobre los desafíos de medición que plantea el uso cada vez mayor de datos y flujos de datos en las economías modernas. Sin embargo, se necesita mucha más investigación y discusión en los próximos años, ya que los datos se convierten en uno de los recursos económicos más importantes (y valiosos) del planeta. Tenemos que preguntarnos: ‘¿Vemos datos en todas partes menos en los balances de las empresas?’

Referencias

Bergemann, D, A Bonatti y T Gan (2020), “La economía de los datos sociales”, Documento de debate de la Fundación Cowles para la Investigación en Economía.

Aaronson, SA (2019), “Los datos son un problema de desarrollo”, Documento CIGI No. 223.

Coyle, D y D Nguyen (2020), “Valorar bienes online y offline: el impacto de Covid-19“, Economía de Covid 33: 110-124.

OCDE (2020), Una hoja de ruta hacia un marco común para medir la economía digital, Informe de la OCDE para el Grupo de Trabajo sobre Economía Digital del G20, Publicaciones de la OCDE, París.

Jones, CI y C Tonetti (2020), “La no rivalidad y la economía de los datos“, American Economic Review, 110 (9): 2819-58.

Li, WCY, M Nirei y K Yamana (2019), “Valor de los datos: no existe un almuerzo gratis en la economía digital”, Documento de debate RIETI 19-E-022.

Nguyen, D y M Paczos (2020), “Medir el valor económico de los datos y los flujos de datos transfronterizos: una perspectiva empresarial”, Documentos de Economía Digital de la OCDE No. 297, Publicaciones de la OCDE, París.

Tomiura, E, B Ito y B Kang (2020), “Características de las empresas que transmiten datos a través de las fronteras: evidencia de datos a nivel de empresas japonesas”, Documento de debate No.20-E-048, Instituto de Investigación de Economía, Comercio e Industria, Tokio.

Savona, M (2019a), “El valor de los datos: hacia un marco para redistribuirlos”, Documento de trabajo SPRU 2019-21.

Estadísticas de Canadá (2019), “El valor de los datos en Canadá: estimaciones experimentales”, 10 de julio.

Latest articles

MiB: Cómo replicar fondos de cobertura en un ETF

Cuando comienza su carrera en fondos de cobertura en el Grupo Baupost de Seth Klarman, es fácil ver cómo todo lo...

Los Airbnbs más geniales de Austin, Texas • The Blonde Abroad

¿Listo para explorar la ciudad más moderna de Texas? Orgulloso de ser una de las ciudades más extrañas de los EE. UU....
31.5k Followers
Follow

Related articles

Leave a reply

Please enter your comment!
Please enter your name here

Translate »