Valoración de datos

La valoración de datos es una disciplina en los campos de la contabilidad y la economía de la información . ^[1] Se ocupa de los métodos para calcular el valor de los datos recopilados, almacenados, analizados y comercializados por las organizaciones. Esta valoración depende del tipo, la confiabilidad y el campo de los datos.

Historia

En el siglo XXI, los aumentos exponenciales en la potencia informática y las capacidades de almacenamiento de datos (en línea con la ley de Moore ) han llevado a una proliferación de big data , aprendizaje automático y otras técnicas de análisis de datos . Las empresas adaptan cada vez más estas técnicas y tecnologías para seguir estrategias basadas en datos para crear nuevos modelos comerciales. ^{[ cita requerida ]} Las técnicas de contabilidad tradicionales utilizadas para valorar las organizaciones se desarrollaron en una era anterior a que la captura y el análisis de datos de gran volumen se generalizaran y se centraran en activos tangibles (maquinaria, equipo, capital, propiedad, materiales, etc.), ignorando los activos de datos. Como resultado, los cálculos contables a menudo ignoran los datos y dejan su valor fuera de los balances de las organizaciones. ^[2] En particular, a raíz de los ataques del 11 de septiembre al World Trade Center en 2001, varias empresas perdieron cantidades significativas de datos. Presentaron reclamaciones a sus compañías de seguros por el valor de la información que fue destruida, pero las compañías de seguros rechazaron las reclamaciones, argumentando que la información no contaba como propiedad y, por lo tanto, no estaba cubierta por sus pólizas. ^[3]

Varias organizaciones e individuos comenzaron a notar esto y luego publicaron sobre el tema de la valoración de datos. Doug Laney, vicepresidente y analista de Gartner , realizó una investigación sobre las empresas valoradas de Wall Street , que descubrió que las empresas que se habían centrado en la información, tratando los datos como un activo, a menudo tenían valores de mercado a libros dos o tres veces más altos que la norma. ^[3]^[4] Sobre el tema, Laney comentó: "Incluso cuando estamos en medio de la Era de la Información , la información simplemente no es valorada por aquellos en el negocio de la valoración. Sin embargo, creemos que, en los próximos años, aquellos en el negocio de la valoración de inversiones corporativas, incluidos los analistas de acciones , se verán obligados a considerar la riqueza de información de una empresa para valorar adecuadamente la propia empresa ". ^[2] En la última parte de la década de 2010, la lista de las empresas más valiosas del mundo (una lista tradicionalmente dominada por las empresas petroleras y energéticas) estaba dominada por empresas de datos: Microsoft , Alphabet , Apple , Amazon y Facebook. ^[5]^[6]

Características de los datos como activo

Un estudio de 2020 del Instituto Nuffield de la Universidad de Cambridge , Reino Unido, dividió las características de los datos en dos categorías: características económicas y características informativas. ^[7]

Características económicas

Los datos no son rivales . Varias personas pueden utilizar los datos sin que se agoten ni se agoten.
Los datos varían en cuanto a su carácter excluible. Los datos pueden ser un bien público o un bien de club, según el tipo de información que contengan. Algunos datos pueden compartirse razonablemente con cualquier persona que desee acceder a ellos (por ejemplo, los datos meteorológicos). Otros datos están limitados a usuarios y contextos particulares (por ejemplo, los datos administrativos).
Los datos implican externalidades . En economía, una externalidad es el costo o beneficio que afecta a un tercero que no eligió incurrir en ese costo o beneficio. Los datos pueden crear externalidades positivas porque cuando se producen nuevos datos, se combinan con los datos ya existentes para producir nuevos conocimientos, lo que aumenta el valor de ambos, y externalidades negativas, cuando los datos pueden filtrarse, violarse o usarse indebidamente de alguna otra manera.
Los datos pueden tener rendimientos crecientes o decrecientes. A veces, recopilar más datos aumenta la información o el valor, aunque en otras ocasiones puede simplemente llevar al acaparamiento.
Los datos tienen un gran valor de opción . Debido al desarrollo constante de nuevas tecnologías y conjuntos de datos, es difícil predecir cómo podría cambiar el valor de un activo de datos en particular. Las organizaciones pueden almacenar datos anticipando un posible valor futuro, en lugar de su valor actual real.
La recopilación de datos suele tener un alto costo inicial y un bajo costo marginal . La recopilación de datos suele requerir una inversión significativa en tecnologías y digitalización. Una vez establecidas, la recopilación de datos posterior puede costar mucho menos. Las altas barreras de entrada pueden impedir que las organizaciones más pequeñas recopilen datos.
El uso de datos requiere una inversión complementaria. Es posible que las organizaciones deban invertir en software, hardware y personal para obtener valor de los datos.

Características informativas

Tema. Abarca lo que describen los datos y en qué pueden ayudar.
Generalidad. Algunos datos son útiles en una amplia gama de análisis, mientras que otros sólo lo son en casos particulares.
Cobertura temporal: los datos pueden ser de previsión, en tiempo real, históricos o retrospectivos. Se utilizan de forma diferente para la planificación, los análisis operativos y los análisis históricos.
Calidad. Los datos de mayor calidad suelen ser más valiosos, ya que reducen la incertidumbre y el riesgo, aunque la calidad requerida varía según el uso. Una mayor automatización en la recopilación de datos tiende a generar una mayor calidad.
Sensibilidad. Los datos sensibles son aquellos que podrían utilizarse de forma perjudicial (por ejemplo, datos personales, datos comerciales, datos de seguridad nacional). Mantener la seguridad de los datos sensibles implica costos y riesgos.
Interoperabilidad y vinculabilidad. La interoperabilidad se relaciona con el uso de estándares de datos al representar datos, lo que significa que los datos relacionados con las mismas cosas se pueden unir fácilmente. La vinculabilidad se relaciona con el uso de identificadores estándar dentro del conjunto de datos que permite conectar un registro en un conjunto de datos con datos adicionales en otro conjunto de datos.

Factores impulsores del valor de los datos

Hay varios factores que afectan el grado en que se pueden obtener beneficios económicos futuros a partir de los datos. Algunos factores se relacionan con la calidad de los datos, mientras que otros pueden hacer que estos pierdan su valor o crear ventajas competitivas únicas y valiosas para sus propietarios. ^[8]

Exclusividad. Tener acceso exclusivo a un activo de datos lo hace más valioso que si es accesible para múltiples titulares de licencias.
Oportunidad. En el caso de muchos datos, cuanto más fielmente reflejen el presente, más fiables serán las conclusiones que se puedan extraer de ellos. Los datos recopilados recientemente son más valiosos que los datos históricos.
Precisión. Cuanto más se acerquen los datos a la verdad, más valiosos serán.
Completitud. Cuantas más variables haya sobre un evento u objeto particular descrito por los datos, más valiosos serán estos.
Coherencia. Cuanto más coherente sea un activo de datos con otros activos de datos similares, más valioso será (por ejemplo, no existen incoherencias en cuanto a la ubicación de residencia de un cliente).
Restricciones de uso. Los datos recopilados sin las aprobaciones necesarias para su uso (por ejemplo, datos personales para fines de marketing) son menos valiosos ya que no se pueden utilizar legalmente.
Interoperabilidad/Accesibilidad. Cuanto más fácil y eficazmente se puedan combinar los datos con otros datos de la organización para generar información, más valiosa será.
Responsabilidades y riesgos. Las consecuencias reputacionales y las sanciones económicas por incumplir las normativas de protección de datos, como el RGPD, pueden ser graves. Cuanto mayor sea el riesgo asociado con el uso de los datos, menor será su valor.

El proceso de obtención de valor a partir de los datos se puede subdividir en una serie de etapas clave: evaluación de datos, donde se mapean los estados y usos actuales de los datos; valoración de datos, donde se mide el valor de los datos; inversión en datos, donde se gasta capital para mejorar los procesos, la gobernanza y las tecnologías subyacentes a los datos; utilización de datos, donde los datos se utilizan en iniciativas comerciales; y reflexión sobre los datos, donde se revisan las etapas anteriores y se sugieren nuevas ideas y mejoras. ^[9]

Métodos para valorar datos

Debido a la amplia gama de posibles conjuntos de datos y casos de uso, así como a la relativa infancia de la valoración de datos, no existen métodos simples o universalmente aceptados. El alto valor de las opciones y las externalidades implican que el valor de los datos puede fluctuar de manera impredecible, y datos aparentemente sin valor pueden volverse de repente extremadamente valiosos en una fecha futura no especificada. ^[7] No obstante, se han propuesto varios métodos para calcular o estimar el valor de los datos.

Caracterización teórica de la información

La teoría de la información proporciona mecanismos cuantitativos para la valoración de datos. Por ejemplo, el intercambio seguro de datos requiere una protección cuidadosa de la privacidad individual o de la propiedad intelectual de la organización. Los enfoques basados en la teoría de la información y la ofuscación de datos se pueden aplicar para desinfectar los datos antes de su difusión. ^[10]^[11]

Las medidas basadas en la teoría de la información, como la entropía , la ganancia de información y el costo de la información, son útiles para la detección de anomalías y valores atípicos. ^[12] En el análisis basado en datos, un problema común es cuantificar si los tamaños de datos más grandes o los elementos de datos más complejos realmente mejoran, degradan o alteran el contenido y la utilidad de la información de los datos. La métrica del valor de los datos (DVM) cuantifica el contenido de información útil de conjuntos de datos grandes y heterogéneos en términos de las compensaciones entre el tamaño, la utilidad, el valor y la energía de los datos. ^[13] Dichos métodos se pueden utilizar para determinar si agregar, expandir o aumentar un conjunto de datos existente puede mejorar el modelado o la comprensión del fenómeno subyacente.

Modelos de valoración de Infonomics

Doug Laney identifica seis enfoques para valorar los datos, dividiéndolos en dos categorías: modelos fundamentales y modelos financieros. Los modelos fundamentales asignan un valor informativo relativo a los datos, mientras que los modelos financieros asignan un valor económico absoluto. ^[14]

Modelos fundacionales

El valor intrínseco de la información (IVI) mide los impulsores del valor de los datos, incluida la exactitud, integridad y exclusividad de los datos, y asigna un valor en consecuencia.
El valor comercial de la información (BVI) mide qué tan adecuados son los datos para propósitos comerciales específicos (por ejemplo, la iniciativa X requiere datos con un 80 % de precisión que se actualizan semanalmente: ¿qué tan cerca están los datos de cumplir con este requisito?).
El valor de rendimiento de la información (PVI) mide cómo el uso de los datos afecta los impulsores clave del negocio y los KPI, a menudo utilizando un estudio de grupo de control.

Modelos financieros

El valor del costo de la información (CVI) mide el costo de producir y almacenar los datos, el costo de reemplazarlos o el impacto en los flujos de efectivo si se pierden.
El valor de mercado de la información (MVI) mide el valor real o estimado por el cual se comercializarían los datos en el mercado de datos.
El valor económico de la información (EVI) mide los flujos de efectivo, los retornos o los ahorros esperados del uso de los datos.

Valoraciones del instituto Bennett

Las investigaciones del Instituto Bennett dividen los enfoques para estimar el valor de los datos en valoraciones basadas en el mercado y valoraciones no basadas en el mercado. ^[7]

Valoraciones basadas en el mercado

Las valoraciones del mercado de valores miden la ventaja obtenida por las organizaciones que invierten en datos y capacidad de datos.
Las valoraciones basadas en los ingresos buscan medir los ingresos actuales y futuros derivados de los datos. Este enfoque tiene limitaciones debido a su incapacidad para medir el valor obtenido en un ecosistema empresarial o social más amplio, o más allá de las transacciones financieras que involucran datos. Cuando los ingresos provenientes de los datos se obtienen a través de la comercialización de datos en un mercado, existen más limitaciones, ya que los mercados no logran describir el valor total de la opción de los datos y, por lo general, carecen de suficientes compradores y vendedores para que el mercado establezca un precio que refleje verdaderamente el valor económico de los datos.
Las valoraciones basadas en costos miden el costo de crear y mantener los datos. Pueden analizarse los costos reales incurridos o los costos proyectados si fuera necesario reemplazar los datos.

Valoraciones no basadas en el mercado

El valor económico de los datos abiertos examina para quiénes los datos abiertos o gratuitos crean valor: para las organizaciones que alojan o administran los datos; para las organizaciones o individuos intermediarios que reutilizan los datos para crear productos y servicios; y para las organizaciones e individuos que utilizan estos productos y servicios.
El valor de los datos personales se puede calcular preguntando a los consumidores cuánto estarían dispuestos a pagar por acceder a un servicio de privacidad de datos o cuánto cobrarían por acceder a sus datos personales. También se pueden calcular los valores examinando las ganancias de las empresas que dependen de los datos personales (en 2018, Facebook generó 10 dólares por cada usuario activo) y examinando las multas impuestas a las organizaciones que violan la privacidad de los datos u otras regulaciones.

Otros enfoques

Un enfoque de valor de costo modificado sugiere mejoras en el enfoque de valoración basado en costos. Propone las siguientes modificaciones: los datos recopilados de manera redundante deben considerarse de valor cero para evitar la doble contabilización; los datos no utilizados deben considerarse de valor cero (esto puede identificarse mediante estadísticas de uso de datos); el número de usuarios y el número de accesos a los datos deben usarse para multiplicar el valor de los datos, lo que permite modificar el costo histórico de la información a la luz de su uso en la práctica; el valor debe depreciarse en función de una "vida útil" calculada de la información; el valor debe modificarse en función de su precisión en relación con lo que se considera un grado aceptable de precisión. ^[15]
Un enfoque basado en el consumo se basa en los principios del enfoque del valor de costo modificado al asignar a los usuarios de los datos diferentes ponderaciones en función del valor relativo que aportan a la organización. Estas ponderaciones se incluyen en el modelado de las estadísticas de uso de los datos y modifican aún más el valor medido de los datos. ^[16]
La valoración de los centros de datos utiliza un enfoque basado en los costos que mide el costo de los centros de datos donde se almacenan grandes repositorios de datos, en lugar de medir el costo de conjuntos de datos separados. El costo del centro de datos puede modificarse, como en los enfoques basados en el consumo y el valor de costo modificado. ^[17] Otro enfoque de valoración de los centros utiliza un enfoque de valor de mercado modificado, midiendo los ahorros para los usuarios al acceder a los datos a través de los centros en comparación con el acceso individual a los datos de los productores, y la disposición de los usuarios a pagar por el acceso a los centros de datos. ^[18]
Un enfoque basado en las partes interesadas implica a las partes interesadas clave para valorar los datos, examinando cómo los datos respaldan las actividades que las partes interesadas externas identifican como generadoras de valor para ellas. Utiliza un modelo que combina el valor total creado por la organización, una lista ponderada de iniciativas generadoras de valor (según lo definido por las partes interesadas externas) y un inventario de activos de datos. Este enfoque se desarrolló en una colaboración entre Anmut, una empresa de consultoría, y Highways England, una agencia del sector público para la que las valoraciones de datos basadas en el valor de mercado, las ganancias de ingresos o el desempeño económico son menos significativas. El enfoque también se puede aplicar en el sector privado. ^[19]^[20]

Empresas que realizan valoraciones de datos

Oyster Venture Partners [1] ofrece servicios de valoración de datos para empresas. Ofrecen un servicio de valoración de datos probado y defendible para determinar un valor monetario para los activos de datos de una organización. Sus servicios están diseñados para garantizar el máximo valor para los activos de datos de las empresas, de modo que puedan gestionarlos como un activo intangible monetario. Han obtenido más de 1500 millones de dólares en valor de activos de datos.

La valoración de datos como servicio proporciona:

Un informe de valoración de datos a partir de 21 metodologías y cálculos de valoración de datos diferentes para crear una valoración defendible de sus datos única para su empresa y sus datos.
Una interrogación de datos a través de la debida diligencia de datos y para la estrategia, la seguridad, la gobernanza, la monetización, la fundamentación, la seguridad, la privacidad y las personas.
Una revisión de las estrategias de monetización de datos para cada caso de uso con el fin de obtener el mayor valor actual y futuro posible de los datos.
Evidencia analítica del valor de los datos, así como pronósticos de modelos para los impulsores de los datos, los casos de uso y los impactos de la monetización en la valoración de sus datos.

Referencias

^ Allen, Beth (1990). "La información como un bien económico". The American Economic Review . 80 (2): 268–273. JSTOR 2006582.
^ ab "Gartner afirma que dentro de cinco años, las organizaciones serán valoradas por sus carteras de información".
^ ab "¿Cómo valoras la información?". 15 de septiembre de 2016.
^ "Infonomics aplicada: por qué y cómo medir el valor de sus activos de información".
^ "El valor de los datos". 22 de septiembre de 2017.
^ "Las empresas más valiosas del mundo – 2020".
^ abc "Informe resumido sobre el valor de los datos" (PDF) .
^ "Dar valor a los datos" (PDF) .
^ "Valoración de datos: ¿cuánto valen sus datos y cómo los valora?". 13 de septiembre de 2019.
^ Askari, M; Safavi-Naini, R; Barker, K (2012). "Una medida de utilidad y privacidad teórica de la información para mecanismos de desinfección de datos". Actas de la segunda conferencia de la ACM sobre seguridad y privacidad de datos y aplicaciones . Association for Computing Machinery. págs. 283–294. doi :10.1145/2133601.2133637. ISBN 9781450310918.S2CID 18338542 .
^ Zhou, N; Wu, Q; Wu, Z; Marino, S; Dinov, ID (2022). "DataSifterText: generación de texto parcialmente sintético para notas clínicas confidenciales". Revista de sistemas médicos . 46 (96): 96. doi :10.1007/s10916-022-01880-6. PMC 10111580 . PMID 36380246.
^ Lee, W; Xiang, D (2001). "Medidas teóricas de la información para la detección de anomalías". Actas del Simposio IEEE sobre seguridad y privacidad de 2001. S&P 2001. IEEE. págs. 130–143. doi :10.1109/SECPRI.2001.924294. ISBN . 0-7695-1046-9.S2CID6014214 .
^ Noshad, M; Choi, J; Sun, Y; Hero, A; Dinov, ID (2021). "Una medida de privacidad y utilidad teórica de la información para mecanismos de desinfección de datos". J Big Data . 8 (82). Springer: 82. doi : 10.1186/s40537-021-00446-6 . PMC 8550565 . PMID 34777945.
^ "Por qué y cómo medir el valor de sus activos de información".
^ "Medición del valor de la información: un enfoque de valoración de activos" (PDF) .
^ "La valoración de los datos como un activo" (PDF) .
^ "Método basado en el consumo". 4 de diciembre de 2018.
^ "Método para mantener seguros los datos de investigación". 4 de diciembre de 2018.
^ "Por qué debería tratar los datos como un activo". 2 de marzo de 2020.
^ "Valoración de datos: valorar el mayor activo del mundo".