Цифровизация. Практические рекомендации по переводу бизнеса на цифровые технологии

Разумна ли это? Скорее всего, в Microsoft решили, что это так, и LinkedIn согласилась с этим. Но это привлекло к себе пристальное внимание рейтингового агентства Moody’s Investors Service Inc., которое провело анализ кредитного рейтинга Microsoft после объявления о сделке. Что можно узнать о стоимости пользовательских данных из этой сделки?

Сложно дать точные ответы на все возникающие вопросы. Но данная тема становится все более актуальной по мере того, как компании собирают и анализируют все бóльшие объемы данных. Многомиллиардная сделка между Microsoft и LinkedIn является лишь одним из последних примеров оценки данных, оказавшихся на первом плане. Другой пример – материалы по делу о банкротстве 2015 г. (глава 11) Caesars Entertainment Operating Corp. Inc., дочерней компании игорного оператора Caesars Entertainment. Одной из конфликтных тем стали данные из программы обеспечения лояльности клиентов Total Rewards корпорации Caesars: некоторые кредиторы утверждали, что эта информация стоила 1 млрд долл., что делало ее, по мнению автора статьи в Wall Street Journal, «самым ценным активом в ожесточенной схватке в ходе банкротства Caesars Entertainment». В отчете 2016 г. судебный эксперт по делам о банкротстве отметил, что проданные активы Caesars заметно пострадали от снижения доходов из-за потери доступа к базе данных о поведении клиентов. Однако в отчете также отмечалось: Total Rewards трудно продать таким образом, чтобы ее можно было встроить в программу лояльности другой компании. И хотя система Total Rewards была вроде бы самым ценным активом Caesar, ее ценность для сторонней организации оказалась сомнительной.

Как видно из этих примеров, подходящей формулы для точного определения стоимости данных пока не существует. Но в обоих случаях существовали стороны, которые были готовы заплатить за них сотни миллионов долларов.

Возможные подходы к оценке данных

Для изучения методов оценки данных мы брали интервью и собирали сведения об информационной деятельности в 36 компаниях и некоммерческих организациях Северной Америки и Европы. У большинства из них годовой доход превышает 1 млрд долл. Они представляли широкий спектр отраслей, включая розничную торговлю, здравоохранение, индустрию развлечений, производство, транспорт и управление.

Основное внимание мы уделяли вопросам определения ценности/стоимости данных, но также обнаружили, что для большинства организаций важны вопросы хранения и защиты данных, доступа к ним и анализа огромных объемов данных. Иными словами, речь идет о сфере ответственности отделов информационных технологий (ИТ). Однако, хотя ИТ-отделы весьма эффективно осуществляют хранение и защиту данных, они сами не могут принимать ключевые решения, необходимые для превращения данных в некую коммерческую ценность. Поэтому сфера наших исследований быстро расширилась за счет включения в нее специалистов, отвечающих за финансы и маркетинг, а при необходимости соблюдения тех или иных нормативных требований – и сотрудников по правовым вопросам. У большинства компаний, участвовавших в нашем исследовании, не было опыта формальной оценки данных, поэтому мы скорректировали методологию. В фокусе внимания исследования оказались важные бизнес-события, после которых необходимо производить оценку данных: слияния и поглощения, банкротства или приобретения, продажа информационных активов. Вместо абстрактного изучения ценности данных мы выбирали события, которые стали поводом для такой оценки, с возможностью сравнения результатов по разным организациям.

Все компании, которые мы исследовали, были буквально переполнены данными; их объем увеличивался в среднем на 40 % в год. Мы ожидали, что этот взрывной рост стимулирует руководство компаний выяснить, какая информация является наиболее ценной. Однако представители большинства организаций сообщили, что у них вообще нет никакой политики формальной оценки данных. Лишь немногие пытались провести какую-либо классификацию в этой сфере, и все процессы оказались сложными и трудоемкими. Так, одна крупная финансовая группа создала специальную команду для серьезной классификации данных с разбивкой по категориям «критически важные», «важные» и «прочие» (к категории «прочие» относились данные, ценность которых менялась в зависимости от условий). Задача этой команды состояла в том, чтобы классифицировать сотни терабайт данных, но за девять месяцев они успели обработать менее 20 Тб. Следует заметить, что проблема, с которой столкнулась эта финансовая группа, на самом деле является типичной.