WikiDer > Оценка данных

Data valuation

Данные оценка - новая дисциплина в области бухгалтерский учет и информационная экономика.^[1] Он связан с методами расчета ценности данных, собранных, сохраненных, проанализированных и проданных организациями.

История

в 21-го века экспоненциальный рост вычислительной мощности и возможностей хранения данных (в соответствии с Закон Мура) привели к широкому распространению Большое количество данных, машинное обучение и другие анализ данных техники. Компании все чаще применяют эти методы и технологии для реализации стратегий и бизнес-моделей, основанных на данных. Традиционные методы бухгалтерского учета, используемые для оценки организаций, были разработаны в эпоху до того, как сбор и анализ больших объемов данных стали широко распространены, и основное внимание уделялось материальным ресурсы (машины, оборудование, капитал, имущество, материалы и т. д.), игнорируя информационные активы. В результате бухгалтерские расчеты часто игнорируют данные и не учитывают их стоимость на балансах организаций.^[2] Примечательно, что после 9/11 нападения на Всемирный торговый центр в 2001 г. ряд предприятий потеряли значительные объемы данных. Они подали иски в свои страхование компании за ценность информации, которая была уничтожена, но страховые компании отклонили претензии, утверждая, что информация не считается собственностью и, следовательно, не покрывается их полисами.^[3]

Заметив это, ряд организаций и частных лиц начали задумываться и публиковать материалы по оценке данных. Дуг Лэйни, вице-президент и выдающийся аналитик Gartner, провели исследование по Уолл-стрит оцененные компании, которые обнаружили, что компании, которые стали ориентироваться на информацию, рассматривая данные как актив, часто имели рыночную балансовую стоимость в два-три раза выше нормы.^[3]^[4] По этой теме Лэйни прокомментировал: «Даже если мы находимся посреди информационный векинформация просто не ценится теми, кто занимается оценкой. Однако мы считаем, что в следующие несколько лет те, кто занимается оценкой корпоративных инвестиций, в том числе аналитики акций, будут вынуждены учитывать богатство информации компании при правильной оценке самой компании ".^[2] Во второй половине 2010-х годов в списке самых ценных фирм в мире (в списке традиционно преобладали нефтяные и энергетические компании) доминировали фирмы, занимающиеся данными: Microsoft, Алфавит, яблоко, Amazon и Facebook.^[5]^[6]

К концу десятилетия оценка данных получила широкое признание бухгалтерских фирм.^[7]^[8] Тенденции, способствующие этому, включают: организации, начинающие понимать ценность управления данными; организации, получающие запросы от других на покупку или использование их данных; организациям, которые ищут новые возможности получения дохода от цифровых бизнес-модели и Интернет технологии; совершенствование технологий и снижение затрат; и организации начинают опасаться сбоев со стороны крупных конкурентов, управляемых данными.^[7]

Характеристики данных как актива

Исследование 2020 г., проведенное Институтом Наффилда в Кембриджский университет, Великобритания разделил характеристики данных на две категории: экономические характеристики и информационные характеристики.^[9]

Экономические характеристики

Данные не конкурент. Несколько человек могут использовать данные, не теряя и не используя их.
Данные различаются в зависимости от того, подлежат ли они исключению. Данные могут быть общественным или клубным, в зависимости от того, какую информацию они содержат. Некоторыми данными можно разумно поделиться со всеми, кто желает получить к ним доступ (например, данные о погоде). Другие данные ограничены конкретными пользователями и контекстами (например, административные данные).
Данные включают внешние эффекты. В экономике внешний эффект - это затраты или выгода, которые влияют на третью сторону, которая не решила нести эти затраты или выгоду. Данные могут создавать положительные внешние эффекты, например, когда создаются новые данные, которые объединяются с уже существующими данными для получения новой информации, увеличивая ценность обоих, а также отрицательные внешние эффекты, когда данные могут быть утечкой, взломаны или иным образом неправильно использованы.
Данные могут иметь возрастающую или убывающую доходность. Иногда сбор большего количества данных увеличивает понимание или ценность, хотя в других случаях это может просто привести к накоплению.
Данные имеют большой стоимость опциона. Из-за постоянного развития новых технологий и наборов данных трудно предсказать, как может измениться стоимость конкретного актива данных. Организации могут хранить данные, ожидая возможной будущей стоимости, а не фактической текущей стоимости.
Сбор данных часто требует высоких первоначальных затрат и низких предельная стоимость. Сбор данных часто требует значительных инвестиций в технологии и оцифровку. Как только они будут установлены, дальнейший сбор данных может стоить гораздо меньше. Высокие входные барьеры могут помешать небольшим организациям собирать данные.
Использование данных требует дополнительных инвестиций. Организациям может потребоваться инвестировать в программное обеспечение, оборудование и персонал, чтобы получить пользу от данных.

Информационные характеристики

Тема сообщения. Включает в себя то, что описывают данные и в чем они могут помочь.
Общность. Некоторые данные полезны для различных анализов; другие данные полезны только в особых случаях.
Временный охват, Данные могут быть прогнозными, в реальном времени, историческими или ретроспективными. Они используются по-разному для целей планирования, оперативного и исторического анализа.
Качественный. Данные более высокого качества обычно более ценны, поскольку они снижают неопределенность и риск, хотя требуемое качество варьируется от использования к использованию. Большая автоматизация сбора данных ведет к повышению качества.
Чувствительность. Конфиденциальные данные - это данные, которые могут быть использованы во вред (например, личные данные, коммерческие данные, данные национальной безопасности). Сохранение конфиденциальных данных связано с расходами и рисками.
Функциональная совместимость и возможность связывания - Функциональная совместимость связана с использованием стандартов данных при представлении данных, что означает, что данные, относящиеся к одним и тем же вещам, могут быть легко объединены. Возможность связывания связана с использованием стандартных идентификаторов в наборе данных, которые позволяют соединить запись в одном наборе данных с дополнительными данными в другом наборе данных.

Драйверы ценности данных

Ряд факторов влияет на то, в какой степени будущие экономические выгоды могут быть извлечены из данных. Некоторые факторы связаны с качеством данных, в то время как другие могут либо сделать данные бесполезными, либо создать уникальные и ценные конкурентные преимущества для владельцев данных.^[7]

Эксклюзивность - эксклюзивный доступ к активу данных делает его более ценным, чем доступ к нему нескольким держателям лицензий.
Своевременность - для большого количества данных, чем точнее они отражают настоящее, тем надежнее выводы, которые можно сделать из них. Недавно собранные данные более ценны, чем исторические данные.
Точность - чем точнее данные описывают правду, тем они ценнее.
Полнота - чем больше переменных о конкретном событии или объекте, описываемом данными, тем ценнее данные.
Последовательность - чем больше актив данных согласуется с другими аналогичными активами данных, тем он ценнее (например, нет несоответствий в отношении того, где находится клиент).
Ограничения использования - данные, собранные без необходимых разрешений на использование (например, личные данные для маркетинговых целей), менее ценны, поскольку их нельзя использовать на законных основаниях.
Функциональная совместимость / доступность - чем проще и эффективнее данные могут быть объединены с другими данными организации для получения понимания, тем они ценнее.
Обязательства и риск - репутационные последствия и финансовые санкции за нарушение правил обработки данных, например GDPR может быть серьезным. Чем выше риск, связанный с использованием данных, тем ниже его ценность.

Процесс получения ценности из данных можно разделить на несколько ключевых этапов: оценка данных, на которой отображаются текущие состояния и способы использования данных; оценка данных, где измеряется значение данных; инвестиции в данные, когда капитал тратится на улучшение процессов, управления и технологий, лежащих в основе данных; использование данных, когда данные используются в бизнес-инициативах; и отражение данных, где рассматриваются предыдущие этапы и предлагаются новые идеи и улучшения.^[10]

Методы оценки данных

Из-за широкого диапазона потенциальных наборов данных и вариантов использования, а также из-за относительной младенчества оценки данных не существует простых или общепринятых методов. Высокая стоимость опциона и внешние эффекты означают, что значение данных может непредсказуемо колебаться, и, казалось бы, бесполезные данные могут внезапно стать чрезвычайно ценными в неопределенную дату в будущем.^[9] Тем не менее, был предложен ряд методов для вычисления или оценки ценности данных.

Модели оценки инфономики

Дуг Лэйни выделяет шесть подходов к оценке данных, разделив их на две категории: базовые модели и финансовые модели. Базовые модели приписывают данным относительную информационную ценность, а финансовые модели - абсолютную экономическую ценность.^[11]

Базовые модели

Внутренняя ценность информации (IVI) измеряет факторы, определяющие ценность данных, включая правильность, полноту и исключительность данных, и соответственно присваивает значение.
Ценность информации для бизнеса (БВО) измеряет, насколько данные подходят для конкретных бизнес-целей (например, для инициативы X требуются данные с точностью 80%, которые обновляются еженедельно - насколько точно данные соответствуют этому требованию?).
Эффективность информации (PVI) измеряет, как использование данных влияет на ключевые бизнес-факторы и ключевые показатели эффективности, часто с использованием исследования контрольной группы.

Финансовые модели

Стоимость информации (CVI) измеряет стоимость производства и хранения данных, стоимость их замены или влияние на денежные потоки в случае их потери.
Рыночная стоимость информации (MVI) измеряет фактическую или оценочную стоимость, за которую данные будут продаваться на рынке данных.
Экономическая ценность информации (EVI) измеряет ожидаемые денежные потоки, доходность или экономию от использования данных.

Оценка Института Беннета

Исследования Института Беннета делят подходы к оценке ценности данных на рыночные и нерыночные.^[9]

Оценка на основе рынка

Оценка фондового рынка измерить преимущество, получаемое организациями, инвестирующими в данные и их возможности.
Оценка на основе дохода стремятся измерить текущий и будущий доход, полученный на основе данных. У этого подхода есть ограничения из-за его неспособности измерить ценность, реализованную в более широкой бизнес-или социальной экосистеме, или за пределами финансовых транзакций, связанных с данными. Если доход от данных реализуется через торговые данные на рынке, существуют дополнительные ограничения, поскольку рынки не могут описать полную стоимость данных опционов и, как правило, испытывают недостаток в достаточном количестве покупателей и продавцов, чтобы рынок мог выбрать цену, которая действительно отражает экономическую ситуацию. ценность данных.
Оценка на основе затрат измерить стоимость создания и обслуживания данных. Это может быть связано с фактическими затратами или прогнозируемыми затратами, если данные необходимо заменить.

Нерыночные оценки

Экономическая ценность открытых данных исследует, как открытые или бесплатные данные создают ценность для: организаций, которые размещают или хранят данные; посреднические организации или частные лица, которые повторно используют данные для создания продуктов и услуг; организации и частные лица, использующие эти продукты и услуги.
Ценность личных данных можно оценить, задав потребителям вопросы, например, сколько они готовы платить за доступ к службе конфиденциальности данных или взимают плату за доступ к своим личным данным. Значения также можно оценить, изучив прибыль компаний, которые полагаются на личные данные (в 2018 году Facebook заработал 10 долларов на каждого активного пользователя), и изучив штрафы, выплаченные организациям, которые нарушают конфиденциальность данных или другие правила.

Другие подходы

Модифицированная стоимость подход предлагает уточнения к стоимостному подходу к оценке. Он предлагает следующие модификации: данные, собранные с избыточностью, следует рассматривать как имеющие нулевое значение, чтобы избежать двойного счета; неиспользованные данные следует считать имеющими нулевое значение (это можно определить с помощью статистики использования данных); количество пользователей и количество обращений к данным следует использовать для умножения ценности данных, позволяя изменять историческую стоимость информации в свете ее использования на практике; стоимость должна быть амортизирована на основе рассчитанного «срока хранения» информации; значение должно быть изменено с учетом его точности относительно того, что считается приемлемой степенью точности.^[12]
Подход, основанный на потреблении основан на принципах модифицированного подхода к оценке стоимости, присваивая пользователям данных различные веса в зависимости от относительной ценности, которую они вносят для организации. Эти веса включаются в моделирование статистики использования данных и дополнительно модифицируют измеренное значение данных.^[13]
Оценка центра данных использует затратный подход, который измеряет стоимость концентраторов данных, в которых хранятся большие репозитории данных, а не измеряет стоимость отдельных наборов данных. Затем стоимость концентратора данных может быть изменена, как в подходах на основе потребления и модифицированной стоимости.^[14] Другой подход к оценке хабов использует модифицированный подход к рыночной стоимости, измеряя экономию для пользователей от доступа к данным через хабы по сравнению с индивидуальным доступом к данным от производителей, и готовность пользователей платить за доступ к хабам данных.^[15]
Подход заинтересованных сторон вовлекает ключевые заинтересованные стороны в оценку данных, исследуя, как данные поддерживают деятельность, которую внешние заинтересованные стороны определяют как создающую для них ценность. Он использует модель, которая объединяет общую ценность, созданную организацией, взвешенный список инициатив по созданию ценности (как это определено внешними заинтересованными сторонами) и перечень информационных активов. Этот подход был разработан в сотрудничестве между консалтинговой фирмой Anmut и агентством государственного сектора Highways England, для которого оценка данных, основанная на рыночной стоимости, приросте дохода или экономических показателях, менее значима. Подход также может быть применен в частном секторе.^[16]^[17]

Navigation