Оценка данных

Оценка данных — это дисциплина в области бухгалтерского учета и информационной экономики . Он касается методов расчета стоимости данных, собранных, хранящихся, анализируемых и продаваемых организациями. Эта оценка зависит от типа, надежности и области данных.

История

В 21 веке экспоненциальный рост вычислительной мощности и возможностей хранения данных (в соответствии с законом Мура ) привел к распространению больших данных , машинного обучения и других методов анализа данных . Компании все чаще адаптируют эти методы и технологии для реализации стратегий, основанных на данных, для создания новых бизнес-моделей. Традиционные методы бухгалтерского учета, используемые для оценки организаций, были разработаны в эпоху, когда сбор и анализ больших объемов данных не получили широкого распространения, и были сосредоточены на материальных активах (машинах, оборудовании, капитале, имуществе, материалах и т. д.), игнорируя активы данных. В результате бухгалтерские расчеты часто игнорируют данные и не учитывают их стоимость в балансах организаций. Примечательно, что после атак 11 сентября на Всемирный торговый центр в 2001 году ряд предприятий потеряли значительные объемы данных. Они подали в свои страховые компании иски о стоимости уничтоженной информации, но страховые компании отклонили претензии, утверждая, что информация не считается собственностью и, следовательно, не покрывается их полисами.

Ряд организаций и частных лиц начали замечать это и затем опубликовали публикации на тему оценки данных. Дуг Лэни, вице-президент и аналитик Gartner , провел исследование компаний, оцененных на Уолл-стрит , и обнаружил, что компании, которые стали ориентированы на информацию и рассматривают данные как актив, часто имеют балансовую стоимость в два-три раза выше, чем у компаний, которые ценятся на Уолл-стрит. норма. По этой теме Лэни прокомментировал: «Даже сейчас, когда мы живем в эпоху информации , информация просто не ценится теми, кто занимается оценочным бизнесом. Однако мы считаем, что в течение следующих нескольких лет те, кто занимается оценочным бизнесом, корпоративные инвесторы, в том числе аналитики акций , будут вынуждены учитывать богатство информации о компании для правильной оценки самой компании». Во второй половине 2010-х годов в списке самых ценных компаний мира (в списке, в котором традиционно доминировали нефтяные и энергетические компании) доминировали компании, работающие с данными – Microsoft , Alphabet , Apple , Amazon и Facebook.

Характеристики данных как актива

Исследование, проведенное в 2020 году Институтом Наффилда при Кембриджском университете , Великобритания, разделило характеристики данных на две категории: экономические характеристики и информационные характеристики.

Экономические характеристики

• Данные неконкурентные . Несколько человек могут использовать данные без их истощения или использования.
• Данные различаются в зависимости от того, являются ли они исключаемыми. Данные могут быть общественным благом или клубным товаром, в зависимости от того, какой тип информации они содержат. Некоторые данные могут быть разумно переданы всем, кто желает получить к ним доступ (например, данные о погоде). Другие данные ограничены конкретными пользователями и контекстами (например, административные данные).
• Данные включают в себя внешние эффекты . В экономике внешние эффекты — это затраты или выгоды, которые влияют на третью сторону, которая не решила нести эти затраты или выгоды. Данные могут создавать положительные внешние эффекты, поскольку когда создаются новые данные, они объединяются с уже существующими данными для получения новой информации, увеличивая ценность обоих, а также отрицательные внешние эффекты, когда данные могут быть утечеки, нарушены или иным образом неправомерно использованы.
• Данные могут иметь возрастающую или уменьшающуюся доходность. Иногда сбор большего количества данных увеличивает понимание или ценность, хотя в других случаях это может просто привести к накоплению.
• Данные имеют большую ценность опциона . Из-за постоянного развития новых технологий и наборов данных трудно предсказать, как может измениться ценность конкретного информационного актива. Организации могут хранить данные, ожидая возможную будущую стоимость, а не фактическую текущую стоимость.
• Сбор данных часто требует высоких первоначальных затрат и низких предельных затрат . Сбор данных часто требует значительных инвестиций в технологии и цифровизацию. Как только они будут созданы, дальнейший сбор данных может стоить гораздо дешевле. Высокие входные барьеры могут помешать небольшим организациям собирать данные.
• Использование данных требует дополнительных инвестиций. Организациям, возможно, придется инвестировать в программное обеспечение, оборудование и персонал, чтобы извлечь выгоду из данных.

Информационные характеристики

• Предмет. Охватывает то, что описывают данные, и в чем они могут помочь.
• Общность. Некоторые данные полезны для различных видов анализа; другие данные полезны только в частных случаях.
• Временной охват. Данные могут быть прогнозными, в реальном времени, историческими или ретроспективными. Они используются по-разному: для планирования, оперативного и исторического анализа.
• Качество. Данные более высокого качества, как правило, более ценны, поскольку они снижают неопределенность и риск, хотя требуемое качество варьируется от использования к использованию. Большая автоматизация сбора данных, как правило, приводит к повышению качества.
• Чувствительность. Конфиденциальные данные — это данные, которые могут быть использованы с целью нанести ущерб (например, персональные данные, коммерческие данные, данные национальной безопасности). Затраты и риски связаны с обеспечением безопасности конфиденциальных данных.
• Взаимодействие и взаимосвязь. Функциональная совместимость связана с использованием стандартов данных при представлении данных, что означает, что данные, относящиеся к одним и тем же вещам, можно легко объединить. Возможность связывания относится к использованию стандартных идентификаторов в наборе данных, которые позволяют связать запись в одном наборе данных с дополнительными данными в другом наборе данных.

Факторы ценности данных

Ряд факторов влияет на степень, в которой будущие экономические выгоды могут быть получены из данных. Некоторые факторы связаны с качеством данных, тогда как другие могут либо сделать данные бесполезными, либо создать уникальные и ценные конкурентные преимущества для владельцев данных.

• Эксклюзивность. Наличие эксклюзивного доступа к информационному ресурсу делает его более ценным, чем если бы он был доступен нескольким владельцам лицензий.
• Своевременность. Для многих данных, чем точнее они отражают настоящее, тем более надежные выводы можно сделать на их основе. Недавно собранные данные более ценны, чем исторические данные.
• Точность. Чем точнее данные описывают истину, тем они ценнее.
• Полнота. Чем больше переменных о конкретном событии или объекте, описываемом данными, тем более ценны данные.
• Последовательность. Чем больше актив данных согласуется с другими аналогичными активами данных, тем более ценным он является (например, нет несоответствий относительно того, где проживает клиент).
• Ограничения использования. Данные, собранные без необходимых разрешений на использование (например, персональные данные для маркетинговых целей), менее ценны, поскольку их нельзя использовать на законных основаниях.
• Совместимость/Доступность. Чем легче и эффективнее данные можно объединить с другими данными организации для получения ценной информации, тем они более ценны.
• Обязательства и риск. Репутационные последствия и финансовые санкции за нарушение правил обработки данных, таких как GDPR , могут быть серьезными. Чем больше риск, связанный с использованием данных, тем ниже их ценность.

Процесс реализации ценности данных можно разделить на ряд ключевых этапов: оценка данных, при которой сопоставляются текущее состояние и использование данных; оценка данных, при которой измеряется ценность 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.

Методы оценки данных

Из-за широкого спектра потенциальных наборов данных и вариантов использования, а также относительной молодости оценки данных не существует простых или общепринятых методов. Высокая стоимость опциона и внешние эффекты означают, что стоимость данных может колебаться непредсказуемо, и, казалось бы, бесполезные данные могут внезапно стать чрезвычайно ценными в неуказанную дату в будущем. Тем не менее, был предложен ряд методов расчета или оценки ценности данных.

Теоретико-информационная характеристика

Теория информации обеспечивает количественные механизмы оценки данных. Например, безопасный обмен данными требует тщательной защиты личной жизни или интеллектуальной собственности организации. Теоретико-информационные подходы и запутывание данных могут применяться для очистки данных перед их распространением.

Теоретико-информационные меры, такие как энтропия , прирост информации и стоимость информации, полезны для обнаружения аномалий и выбросов. В аналитике, управляемой данными, распространенной проблемой является количественная оценка того, действительно ли большие размеры данных и/или более сложные элементы данных улучшают, ухудшают или изменяют информационное содержание и полезность данных. Метрика ценности данных (DVM) количественно определяет полезное информационное содержание больших и разнородных наборов данных с точки зрения компромисса между размером, полезностью, ценностью и энергией данных. Такие методы можно использовать, чтобы определить, может ли добавление, расширение или дополнение существующего набора данных улучшить моделирование или понимание основного явления.

Инфономические модели оценки

Дуг Лейни выделяет шесть подходов к оценке данных, разделяя их на две категории: фундаментальные модели и финансовые модели. Фундаментальные модели присваивают данным относительную информационную ценность, тогда как финансовые модели присваивают абсолютную экономическую ценность.

Фундаментальные модели

• Внутренняя ценность информации (IVI) измеряет факторы, влияющие на ценность данных, включая правильность, полноту и эксклюзивность данных, и соответствующим образом присваивает ценность.
• Ценность информации для бизнеса (BVI) измеряет, насколько данные подходят для конкретных бизнес-целей (например, инициатива X требует 80% точных данных, которые обновляются еженедельно – насколько 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

• Себестоимость 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 предполагаемую стоимость, по которой данные будут продаваться на рынке данных.
• Экономическая ценность информации (EVI) измеряет ожидаемые денежные потоки, прибыль или экономию от использования данных.

Оценки Института Беннета

Исследования Института Беннета разделяют подходы к оценке ценности данных на рыночные и нерыночные оценки.

Рыночные оценки

• Оценки фондового рынка измеряют преимущества, получаемые организациями, инвестирующими в данные и их возможности.
• Оценки, основанные на доходе, направлены на измерение текущего и будущего дохода, полученного на основе данных. Этот подход имеет ограничения из-за его неспособности измерить ценность, реализуемую в более широкой деловой или социальной экосистеме, или за пределами финансовых транзакций, связанных с данными. Там, где доход от данных реализуется через торговлю данными на рынке, существуют дополнительные ограничения, поскольку рынки не могут описать полную опционную ценность данных и обычно не имеют достаточного количества покупателей и продавцов, чтобы рынок мог установить цену, которая действительно отражает экономическую ситуацию. ценность данных.
• Оценки на основе затрат измеряют затраты на создание и поддержание данных. При этом можно учитывать фактические понесенные затраты или прогнозируемые затраты, если данные необходимо заменить.

Нерыночные оценки

• Экономическая ценность открытых данных изучает, для кого открытые или бесплатные данные создают ценность: для организаций, которые размещают или управляют данными; посреднические организации или частные лица, которые повторно используют данные для создания продуктов и услуг; организации и частные лица, которые используют эти продукты и услуги.
• Ценность персональных данных можно оценить, задав потребителям вопросы, например, сколько они готовы заплатить за доступ к службе конфиденциальности данных или взимают плату за доступ к своим личным данным. Ценность также можно оценить, изучив прибыль компаний, которые полагаются на персональные данные (в 2018 году Facebook заработал 10 долларов за каждого активного пользователя), а также изучив штрафы, налагаемые на организации, которые нарушают конфиденциальность данных или другие правила.

Другие подходы

• Модифицированный подход стоимостной оценки предполагает усовершенствование подхода к оценке, основанного на затратах. В нем предлагаются следующие изменения: данные, собранные избыточно, должны рассматриваться как имеющие нулевую ценность, чтобы избежать двойного учета; неиспользованные данные должны считаться имеющими нулевую ценность (это можно определить с помощью статистики использования данных); количество пользователей и количество доступов к данным должны использоваться для умножения ценности данных, позволяя изменять историческую стоимость информации в свете ее использования на практике; стоимость должна амортизироваться на основе рассчитанного «срока годности» информации; значение должно быть изменено с учетом его точности относительно того, что считается приемлемой степенью точности.
• Подход, основанный на потреблении, основывается на принципах модифицированного подхода стоимости путем присвоения пользователям данных различных весовых коэффициентов в зависимости от относительной ценности, которую они вносят в организацию. Эти взвешивания включаются в моделирование статистики использования данных и дополнительно изменяют измеренную ценность данных.
• При оценке хабов данных используется затратный подход, который измеряет стоимость хабов данных, в которых хранятся большие репозитории данных, а не измеряет стоимость отдельных наборов данных. Затем стоимость концентратора данных можно изменить, как в подходах, основанных на потреблении, и модифицированном подходе «стоимость». Другой подход к оценке хабов использует модифицированный подход рыночной стоимости, измеряя экономию пользователей от доступа к данным через хабы по сравнению с индивидуальным доступом к данным от производителей, а также готовность пользователей платить за доступ к хабам данных.
• Подход заинтересованных сторон позволяет ключевым заинтересованным сторонам оценивать данные, исследуя, как данные поддерживают деятельность, которую внешние заинтересованные стороны считают создающей для них ценность. Он использует модель, которая объединяет общую стоимость, созданную организацией, взвешенный список инициатив по созданию стоимости (как определено внешними заинтересованными сторонами) и инвентаризацию активов данных. Этот подход был разработан в сотрудничестве между Anmut, консалтинговой фирмой, и Highways England, агентством государственного сектора, для которого оценки данных, основанные на рыночной стоимости, приросте доходов или экономических показателях, менее значимы. Этот подход также может быть применен в частном секторе.

Компании, выполняющие оценку данных

• Oyster Venture Partners [1] предоставляет компаниям оценку данных как услугу. Они предоставляют проверенную и оправданную услугу оценки данных для определения денежной стоимости информационных активов организации. Их услуги предназначены для обеспечения максимальной ценности информационных активов компаний, чтобы они могли управлять ими как денежным нематериальным активом. Они реализовали стоимость активов данных на сумму более 1,5 миллиардов долларов.

Оценка данных как услуга обеспечивает:

• Отчет об оценке данных, основанный на 21 различных методологиях оценки данных и расчетах, позволяющий создать обоснованную оценку ваших данных, уникальную для вашей компании и ее данных.
• Опрос данных посредством комплексной проверки данных, а также для стратегии, безопасности, управления, монетизации, обоснования, безопасности, конфиденциальности и людей.
• Стратегии монетизации данных анализируются по каждому варианту использования, чтобы получить как можно больше текущей и будущей ценности данных.
• Аналитическое подтверждение ценности данных, а также модельные прогнозы для драйверов данных, вариантов использования и влияния монетизации на оценку ваших данных.