A monetização de dados é uma capacidade de negócios onde uma organização pode criar e obter valor a partir de dados e ativos de inteligência artificial (IA). Um sistema de troca de valor baseado em produtos de dados pode impulsionar o crescimento dos negócios da sua organização e obter vantagem competitiva. Este crescimento poderá resultar da eficácia dos custos internos, de uma maior conformidade com os riscos, do aumento do valor económico de um ecossistema parceiro ou através de novos fluxos de receitas. Software avançado de gerenciamento de dados e IA generativa podem acelerar a criação de uma capacidade de plataforma para entrega escalável de dados e produtos de IA prontos para empresas.
Por que a monetização de dados é importante
De acordo com a McKinsey na Harvard Business Review, um único produto de dados num banco nacional dos EUA alimenta 60 casos de utilização em aplicações empresariais, o que eliminou 40 milhões de dólares em perdas e gerou receitas incrementais de 60 milhões de dólares anualmente. No setor público, o Transport for London fornece dados gratuitos e abertos em 80 feeds de dados, alimentando mais de 600 aplicativos e contribuindo com até £ 130 milhões para a economia de Londres.
A monetização de dados não é estritamente “vender conjuntos de dados”; trata-se de melhorar o trabalho e melhorar o desempenho dos negócios através de uma melhor utilização dos dados. As iniciativas internas de monetização de dados medem a melhoria no design de processos, orientação de tarefas e otimização de dados usados nas ofertas de produtos ou serviços da organização. As oportunidades de monetização externa permitem que diferentes tipos de dados em diferentes formatos sejam ativos de informação que podem ser vendidos ou ter o seu valor registado quando utilizados.
Criar valor a partir dos dados envolve realizar alguma ação com base nos dados. Perceber que valor é a atividade que garante que haja um benefício econômico do valor criado que contribui para os resultados financeiros da organização.
Estratégia de monetização de dados: Gerenciando dados como um produto
Toda organização tem potencial para monetizar seus dados; para muitas organizações, é um recurso inexplorado para novas capacidades. Os mercados de dados como serviço e de dados estão bem estabelecidos para criar valor de dados a partir de iniciativas baseadas em análise de dados, big data e business intelligence. Mas poucas organizações fizeram a mudança estratégica para gerir “dados como um produto”. Esse gerenciamento de dados significa aplicar práticas de desenvolvimento de produtos aos dados. Organizações de alto desempenho orientadas por dados criaram novos modelos de negócios, parcerias de serviços públicos e aprimoraram as ofertas existentes a partir da monetização de dados que contribui com mais de 20% para a lucratividade da empresa.
A chave é tratar os dados como um ativo estratégico com uma abordagem de produto centrada no usuário, onde esse novo produto pode ser consumido por um conjunto diversificado de aplicações. As organizações constroem confiança nos seus dados e na IA, demonstrando transparência e ética, reconhecendo a privacidade dos dados, aderindo às regulamentações e mantendo os dados seguros e protegidos.
Produtos de dados e malha de dados
Os produtos de dados são dados reunidos de fontes que podem atender a um conjunto de necessidades funcionais que podem ser empacotadas em uma unidade consumível. Cada produto de dados tem seu próprio ambiente de ciclo de vida, onde seus dados e ativos de IA são gerenciados em seu data lakehouse específico do produto. A flexibilidade na coleta de dados é possível quando os lakehouses de produtos se conectam e ingerem dados de muitas fontes, usando muitos protocolos de tecnologia diferentes. Além disso, ao gerenciar o produto de dados como uma unidade isolada, ele pode ter flexibilidade de localização e portabilidade – nuvem privada ou pública – dependendo da sensibilidade e dos controles de privacidade estabelecidos para os dados. IBM watsonx.data oferece flexibilidade de conectividade e hospedagem de lakehouses de produtos de dados construídos no Red Hat OpenShift para uma implementação de nuvem híbrida aberta.
Comece com watsonx.data
As arquiteturas de malha de dados surgiram agora como a maneira econômica de fornecer produtos de dados a uma variedade de tipos de endpoints, com rastreamento de uso detalhado e robusto, medidas de risco e conformidade e segurança. Um ou mais produtos de dados são servidos pela malha e consumidos por uma aplicação de usuário final como uma transação auditável.
Por exemplo, uma empresa de mercados financeiros pode oferecer um produto que forneça dados de mercado em tempo real e outro que ofereça notícias relacionadas com finanças. Um consumidor pode criar uma aplicação de tomada de decisão aproveitando ambos os produtos e oferecer opções de negociação com base no preço e em notícias políticas ou ambientais.
Construindo uma capacidade de solução para gerenciamento de dados
O desenvolvimento de uma capacidade depende da capacidade de “ligar os pontos” para as partes interessadas. É uma cadeia de suprimentos que vai desde suas fontes de dados brutos até a troca transparente e rastreável de valor quando um ativo de dados é consumido em uma experiência do usuário final.
Você pode fazer isso desenvolvendo uma estrutura de solução para monetização de dados que incorpore:
Três estágios do processo do ciclo de vida de monetização de dados:
Criar: os dados brutos são acessados e reunidos em produtos de dados. Servir: os produtos de dados podem ser descobertos e consumidos como serviços, normalmente por meio de uma plataforma. Perceba: Cada serviço de dados tem uma unidade de valor acordada que é transacionada e medida.
Os dados brutos que alimentam a monetização de dados virão de três categorias de fontes: sistemas empresariais, dados externos e dados pessoais. Os produtos de dados são montados a partir de visões operacionais e analíticas de dados de empresas e clientes que podem ser combinados com conjuntos de dados públicos (não necessariamente gratuitos). Os dados pessoais são uma visão importante dos dados empresariais e públicos que precisam ser gerenciados corretamente por uma organização. Quando uma solicitação de “direito ao esquecimento” é invocada, ela abrange desde a fonte de dados brutos até o destino do produto de dados.
Os produtos de dados vêm em muitas formas, incluindo conjuntos de dados, programas e modelos de IA. Eles são empacotados e implantados para consumo como um serviço e podem haver vários tipos de serviços para qualquer produto. Os tipos populares de consumo de serviços incluem download, API e streaming.
Veja o exemplo de um cliente que integrou um conjunto de dados ESG de empresas diferentes em um novo conjunto de dados. Seus serviços de dados consistiam em um download completo do conjunto de dados, além de uma API que envolve os dados, que podiam ser consultados em busca de dados ESG com base em um símbolo de ação da empresa.
A monetização de dados consiste em obter valor dos dados. O consumidor de serviços de produtos de dados precisa da capacidade de encontrar e avaliar um produto, pagar por ele e então invocar um ou mais terminais de serviço para consumi-lo. Dependendo do modelo de negócios do usuário, ele pode consumir esse serviço para uso próprio em suas capacidades ou sob termos de licença apropriados para criar um produto downstream ou uma experiência do cliente usando o produto de dados para seu próprio fluxo de receita.
Alcance escala com uma abordagem de plataforma
As opções de consumo do usuário variam. A abordagem tradicional pode ter sido o fornecedor de produtos de dados distribuir seus grandes conjuntos de dados de tamanho único, diretamente aos clientes ou em vários mercados de dados. Para APIs, eles podem tê-las integrado aos ecossistemas de catálogo de cada catálogo de nuvem hiperescalador. Para modelos de IA e conjuntos de dados associados, eles poderiam utilizar um mercado como o Hugging Face. Estas disposições de consumo começam agora a tornar-se uma forma complexa, federada e menos rentável de maximizar o lucro das receitas de transacções e subscrições.
Com a estrutura da solução de monetização de dados, o retorno sobre o valor maximizado pode vir de um fornecedor de produtos de dados se tornar um negócio de SaaS de dados. A estrutura define uma arquitetura de referência que integra um conjunto de tecnologias e produtos, incluindo produtos IBM Data e AI.
A implementação em todo o ciclo de vida abrange:
Criar: ingira conjuntos de dados de origem e feeds e transforme-os em ativos de produtos de dados usando tecnologia híbrida de nuvem lakehouse com ciência de dados integrada e ambientes de desenvolvimento de IA. Servir: crie serviços em nuvem para produtos de dados por meio de automação e tecnologia de serviços de plataforma para que possam ser operados com segurança em escala global. Realize: Instrumente os serviços de produtos de dados para permitir a adesão aos controles de risco e conformidade com dados de eventos e métricas integrados ao gerenciamento financeiro.
Uma extensão adicional desse recurso SaaS é onde o provedor de produtos de dados também oferece um ambiente de criação multilocatário e multiusuário. Múltiplas partes colaboram em seus próprios espaços de desenvolvimento, consumindo os serviços de produtos de dados na plataforma em suas ofertas e depois hospedando para consumo por seus clientes.
Inteligência artificial empresarial
Muitas organizações construíram sistemas de software maduros com funções de aprendizado de máquina e aprendizado profundo para potencializar seus processos de negócios e ofertas aos clientes. A IA generativa serviu apenas para acelerar as opções de design de produtos de dados, entrega do ciclo de vida e gestão operacional.
Os construtores e operadores de plataformas podem usar modelos de IA para construir ferramentas. Os criadores podem usar essas ferramentas para descobrir ou aprender sobre dados em sistemas empresariais e de domínio público. Ferramentas de “copiloto” de geração de código (por exemplo, watsonx Code Assistant) criam e mantêm automações e criam experiências orientadas por linguagem natural para operações ou atendimento ao cliente. Isso se soma às práticas estabelecidas de uso de AIOps e análises avançadas em torno de funções financeiras e de risco.
Proprietários de produtos de dados e proprietários de serviços podem inovar com ferramentas de IA generativa. Eles podem aumentar a montagem de conjuntos de dados com dados sintéticos gerados e criar novas análises de fontes de dados, o que, por sua vez, pode eliminar valores discrepantes e anomalias. Isso pode aumentar a qualidade dos dados integrados aos produtos de dados. Ele pode ser usado para desenvolver classificações específicas de produtos de dados e bases de conhecimento de conjuntos de dados, bem como construir modelos de IA específicos de organização e domínio para oferecer como produtos.
A IA generativa empresarial está começando a se orientar em torno de quais são os tipos certos de modelos e abordagens de treinamento. Mais importante ainda, eles estão observando a confiança e a transparência dos conjuntos de dados nos quais esses modelos são treinados, além da posição de indenização legal ao usá-los.
Os proprietários de produtos de dados que estão construindo ou integrando tais modelos devem considerar a confiança e a transparência ao projetar a troca de valor. Ao utilizar watsonx.ai, o roteiro de monetização de dados de uma organização pode aproveitar modelos como o IBM Granite para ter certeza de sua transparência e indenização.
Acelerando a monetização de dados
Os produtos fundamentais que podem ser usados para construir a plataforma são IBM Cloud Pak for Data e IBM Cloud Pak for Integration. Seus componentes permitem o desenvolvimento de produtos e serviços de dados para consumo do usuário final em escala de produção. watsonx.data adiciona habilidades de lakehouse de produtos de dados e watsonx.ai adiciona desenvolvimento avançado de modelo de IA generativo.
Uma experiência coesa de serviço de monetização de dados pode ser construída com esses produtos e fluxos de trabalho de automação pré-projetados. Desenvolvido para ser executado no Red Hat OpenShift, ele oferece a vantagem de uma plataforma escalável que pode ser construída uma vez, implantada em diversas infraestruturas privadas locais e de nuvem pública e executada como um serviço único e consistente.
Usando esta estrutura de solução IBM, as organizações podem passar a usar dados como um ativo estratégico e injetar inovação no modelo de negócios por meio da tecnologia de IA corporativa.
Explore a IA generativa empresarial com a tecnologia watsonx
