Doxa 2356

Cómo monetizar sus datos

Tres preguntas para dar forma a tu estrategia

Por Suraj Srinivasan, Robin Seibert y Mohammed Aaser

Estrategia

Harvard Business Review

#Doxa #datos #monetización #estrategia #negocio #información #valor #análisis #clientes #tecnología #innovación #privacidad #ingresos

Resumen. Muchas organizaciones poseen datos confidenciales valiosos, pero carecen de un plan claro para comercializarlos. A medida que crece el interés en la venta de datos, impulsado por los avances en IA, la presión para encontrar nuevas fuentes de ingresos y el éxito de empresas como Amazon,Mastercard e Instacart: los líderes necesitan un enfoque estructurado. Las estrategias más efectivas empiezan por casa: con los negocios principales, los socios existentes y un enfoque en los datos que respaldan la misión principal de la empresa. Para tener éxito, las empresas deben primero aclarar quiénes son sus clientes de datos y qué problemas resolverán estos. También deben elegir entre la monetización directa, como suscripciones o licencias, y enfoques indirectos que integran los datos en las ofertas existentes. Independientemente del método, la privacidad de los datos, el cumplimiento normativo y el riesgo reputacional deben abordarse desde el primer día. Finalmente, la forma en que se empaquetan los datos es importante. Las empresas pueden vender datos sin procesar, agrupar información o entregar productos listos para comercializar. Cuanto más completa sea la oferta, mayor será el potencial de diferenciación estratégica y la rentabilidad sostenible.

¿Qué pasaría si fueras responsable de analizar datos de álbumes, fans, redes sociales y merchandising de más de mil músicos? Esa fue la tarea a la que se enfrentó Naras Eechambadi en 2021, al unirse a Universal Music Group (UMG), que representa a estrellas actuales de la música, desde Lady Gaga hasta Eminem, leyendas como los Beatles y numerosos artistas emergentes. Como primer director global de datos y análisis de la compañía, necesitaba encontrar la manera de poner la información de UMG a disposición de sus numerosas unidades de negocio y socios. Por ello, él y su equipo recopilaron datos de tiendas físicas, sitios de comercio electrónico, redes sociales, campañas de marketing, correos electrónicos y un sistema CRM, y los utilizaron para crear una herramienta de informes y análisis llamada Análisis de Fans, Marketing y Comercio Electrónico (FAME), para ayudar a los socios de UMG, incluyendo sellos discográficos y artistas, a identificar oportunidades de crecimiento.

FAME proporcionó datos granulares e información sobre el comportamiento de cada fan y sugirió automáticamente acciones de seguimiento para cada persona. Pronto, la interacción de los oyentes y las tasas de conversión de las campañas de marketing aumentaron significativamente, impulsando un crecimiento de los ingresos de más del 30 % en los canales de comercio electrónico. FAME también proporcionó a UMG una ventaja competitiva a la hora de contratar nuevos artistas y sellos. Al integrar los datos dispersos y desorganizados de UMG en una herramienta integrada y fácil de usar, el equipo de Eechambadi encontró la manera de hacer crecer el negocio sin perder la coherencia con la misión principal de la empresa: conectar artistas con fans.

Ganar dinero comercializando datos de clientes (y la información que se obtiene de ellos) no es una idea nueva. Las agencias de informes crediticios, que indican a los prestamistas si es probable que un posible prestatario pague los préstamos, existen desde hace más de un siglo , y los supermercados han vendido datos de compras (recopilados a través de sus programas de fidelización) durante décadas . En la era digital, las empresas aprenden más sobre los consumidores al seguir su comportamiento en línea: los productos que compran, los sitios web que visitan, las reseñas y los comentarios que dejan, etc. Ahora, la IA facilita el análisis y la obtención de información a partir de esa información, lo que aumenta aún más su valor. Y en una era de crecimiento económico más lento, las empresas están cada vez más interesadas en encontrar formas de monetizar este activo.

Algunas empresas ya están viendo el éxito. Aunque el negocio minorista de Amazon sigue siendo su mayor fuente de ingresos, la empresa ha utilizado su profundo conocimiento sobre los intereses de los clientes para hacer crecer su negocio de publicidad, que generó $56 mil millones el año pasado. Más recientemente, Walmart utilizó un modelo similar para lanzar su negocio de publicidad en línea, que ahora genera $4 mil millones anualmente . Gran parte de los $16 mil millones en ingresos de LinkedIn están vinculados directamente a los datos de usuario que vende a los reclutadores. Las empresas de servicios financieros como Mastercard y Visa han establecido divisiones de consultoría completas (Mastercard Advisors y Visa Advisory Services) para vender a las empresas los conocimientos que recopilan al analizar millones de transacciones. Ninguna de las empresas informa formalmente exactamente cuánto está ganando con estas empresas, pero Mastercard ha sugerido que los ingresos anuales de su división de servicios de valor agregado están creciendo a una tasa de dos dígitos. Algunas empresas están vendiendo datos de usuario directamente a empresas de inteligencia artificial general para usarlos en el entrenamiento de sus grandes modelos de lenguaje. Cuando Reddit licenció los datos de sus usuarios a OpenAI en 2024, no se revelaron los términos financieros, pero las acciones de Reddit subieron un 12 % tras la noticia. Historias como estas han hecho que más empresas reflexionen sobre la mejor manera de obtener beneficios de sus datos.

Sin embargo, nuestra investigación muestra que las empresas aún tienen dificultades para elegir la forma correcta de hacerlo y no saben por dónde empezar. No es necesariamente culpa suya. La monetización de datos no es tan simple como enviar una hoja de cálculo por correo electrónico a un cliente que paga. Las empresas deben saber cómo recopilar, organizar y analizar sus datos. También necesitan determinar los mejores casos de uso y comprender cómo deberían fijar el precio de sus ofertas. Y muchas crean ofertas de datos que no están estrechamente relacionadas con su negocio principal, una estrategia que a menudo se convierte en una distracción poco rentable.

Para identificar las razones por las que algunas empresas tienen dificultades con la monetización de datos y por las que otras tienen éxito, realizamos un estudio de caso exhaustivo con más de 30 organizaciones y entrevistamos a 12 altos ejecutivos que lideran iniciativas de monetización de datos en los sectores minorista, de medios de comunicación, tecnológico, manufacturero y de marketing. Basándonos en lo aprendido, desarrollamos un marco para abordar la monetización de datos. En este artículo, lo explicaremos y ofreceremos consejos sobre cómo las empresas pueden iniciar este proceso. Para ello, es necesario plantearse tres preguntas estratégicas.

[  1  ]

¿Quiénes son nuestros clientes de datos y cuáles son sus casos de uso?

Muchas empresas conservan lo que consideran datos confidenciales valiosos. Entre los compradores potenciales se incluyen empresas tecnológicas, corredores de datos, fondos de cobertura y empresas de sectores afines. Pero venderlos implica más que generar un informe.

Durante nuestra investigación, observamos muchos casos en los que los líderes empresariales comenzaron el proceso de monetización desarrollando su infraestructura técnica. A menudo, dedicaron un par de años a ello, solo para darse cuenta de que no sabían qué productos desarrollar ni quién podría comprarlos.

Las organizaciones más exitosas comienzan el proceso de monetización enfocándose en casos de uso dentro de su negocio principal y con socios existentes, específicamente sus proveedores y clientes. ¿Por qué? Primero, los socios existentes comprenden el valor potencial de sus datos mejor que otros, porque son específicos de su industria y objetivos clave. Segundo, como ya tienen relaciones con su empresa, es más fácil trabajar con ellos para identificar buenos casos de uso para los datos. Sus relaciones operativas y de ventas establecidas con ellos también facilitan la generación de mayores ingresos a partir de los datos, así como su captura y distribución una vez que comienza un proyecto. Sus equipos de ventas y gerentes de relaciones pueden venderles la nueva oferta como un complemento de línea y escalarla rápidamente. Y la última razón por la que es mejor trabajar con empresas en su ecosistema existente es la privacidad. Los datos confidenciales de una organización suelen estar sujetos a estrictos acuerdos de intercambio y custodia, como aquellos que impiden la venta a intermediarios de datos u otros terceros no afiliados.

Incluso las empresas que comprenden esa lógica pueden verse tentadas por las ofertas de intermediarios de datos que empaquetan y venden datos a fondos de cobertura u otros socios no estratégicos. A primera vista, parecen acuerdos rápidos y fáciles que requieren poco esfuerzo: se venden los datos sin procesar, se gana dinero y ahí termina el valor. Sin embargo, estos acuerdos pueden ser difíciles de gestionar. Identificar clientes potenciales y acordar precios entre múltiples partes sin un historial de colaboración es difícil. Estas oportunidades también pueden presentar riesgos significativos para sus clientes y proveedores, como filtraciones de datos que podrían poner en peligro su negocio principal y sus prioridades estratégicas. No decimos que nunca tenga sentido hacer este tipo de acuerdos, pero nuestra investigación muestra que suelen ser más arriesgados y generar menos valor que los acuerdos con socios estratégicos.

Para protegerse y proteger a sus clientes, necesita gestionar desde el primer día los riesgos de privacidad, regulatorios, reputacionales, de seguridad de datos y otros que genera la monetización de datos. Las empresas líderes en transacciones, consultoras y empresas tecnológicas, por ejemplo, se esfuerzan por agregar y anonimizar los datos de referencia al compartirlos con sus clientes. Pero incluso si lo hace, debe verificar si el uso de los datos en un producto o servicio podría ser malinterpretado por sus socios. Para cualquier oferta basada en datos, debe colaborar estrechamente con los gerentes legales y de riesgos desde el principio para evaluar posibles problemas y crear planes de mitigación.

Paralelamente, y guiado por las necesidades de datos de los casos de uso prioritarios de los compradores potenciales, puede construir progresivamente una plataforma de datos moderna y activos de datos para toda la empresa. Los esfuerzos por monetizar datos mal organizados, de baja calidad o incompletos serán contraproducentes. Sin embargo, muchas empresas tienen un largo camino por recorrer para construir bases sólidas de datos y tecnología: si bien ya cuentan con la tecnología para recopilar datos, no pueden transferirlos a un repositorio central. O no pueden organizar los datos ni verificar su calidad. O no tienen una forma sencilla de ejecutar análisis o generar visualizaciones de datos.

La mayoría de las empresas no están del todo desprevenidas. Han comenzado a incorporar datos de fuentes internas y externas a lagos y almacenes de datos, y a modelar cómo encajarán todos los datos en activos de datos cohesivos, como un análisis 360 de clientes o de proveedores. Al aprovechar herramientas flexibles como Databricks, Domo y Snowflake, pueden crear rápidamente productos de datos para probarlos con los clientes.

[  2  ]

¿Deberíamos monetizar nuestros datos directa o indirectamente?

El enfoque más sencillo consiste en cobrar directamente a los clientes o socios de canal por los datos o las ofertas basadas en datos que utilizan. Este modelo suele funcionar como una suscripción, con un precio fijo que otorga al comprador acceso a los datos durante un periodo definido. El vendedor incurre en algunos costes para empaquetar y mantener los datos, y el resto se convierte en beneficio. El minorista británico Tesco adoptó este enfoque al recopilar grandes cantidades de datos de punto de venta y utilizarlos para ofrecer servicios a empresas de bienes de consumo envasados ​​(CPG) a través de una división de análisis de datos llamada Dunnhumby. Con el tiempo, Dunnhumby se convirtió en una empresa independiente, que vendía diversos productos a minoristas y empresas de CPG.

La monetización indirecta es diferente. Implica integrar datos en ofertas existentes y proporcionarlos a socios y clientes sin coste adicional. Las organizaciones que optan por este enfoque suelen pertenecer a negocios con altos márgenes de beneficio, donde la diferenciación es clave. Por ejemplo, las principales consultoras combinan información de datos propios con servicios de consultoría para diferenciarse de la competencia y conseguir proyectos.

Sony Interactive Entertainment (SIE) utilizó la monetización indirecta para que los creadores desarrollaran nuevas ofertas para su plataforma PlayStation. SIE creó una plataforma de datos que proporcionaba a los creadores información completa sobre cómo los jugadores usaban PlayStation, incluyendo datos de juego y desarrollo, así como información sobre estrategias de marketing y publicidad. Ofrecer a los creadores toda esa información gratuita tenía sentido estratégico, ya que les permitía producir mejores juegos y aumentar la interacción; las ganancias de SIE provinieron de una mayor selección y ventas de juegos. John Taft, exdirector de ingeniería analítica de SIE, también señaló que «cuando surge la próxima experiencia innovadora que define la industria, como Fortnite, suele ocurrir primero en nuestro ecosistema».

Si bien la monetización directa de datos tiene beneficios directos para las ganancias y pérdidas, la monetización indirecta puede ser una forma eficaz de aumentar el retorno de la inversión en datos. Monetizar datos indirectamente puede ayudar a las empresas a ampliar su oferta de productos y mejorar su eficiencia operativa y la retención de clientes. Por ejemplo, en un proveedor de tecnología que participamos en nuestra investigación, las tasas de retención fueron más altas entre los clientes que utilizaban sus servicios de datos. Una empresa de capacitación y desarrollo con la que hablamos amplió sus servicios proporcionando a sus clientes datos comparativos sobre habilidades de alta demanda y sugerencias personalizadas sobre nuevos programas de capacitación a considerar. Este análisis demostró que la información condujo a una mayor satisfacción y retención de clientes. Para mejorar su eficiencia operativa, un fabricante proporcionó cuadros de mando de datos a cada uno de sus proveedores sobre los niveles de servicio al cliente y la disponibilidad de inventario, lo que redujo los cuellos de botella en la cadena de suministro e impulsó los márgenes.

[  3  ]

¿Cuál es el tipo de oferta adecuado?

Una vez que una empresa ha decidido a quién venderá o proporcionará sus datos y si buscará monetizarlos directa o indirectamente, el siguiente paso es determinar el tipo de oferta adecuado. Los tres métodos más comunes son venderlos sin procesar, vender servicios de análisis e invertir en el diseño y desarrollo de un producto de datos completo.

Vender datos sin procesar. Esto es sencillo para los vendedores, pero genera un trabajo considerable para los compradores, quienes deben procesar y extraer valor de los datos. Con datos sin procesar, si se desconocen los casos de uso específicos posteriores, el proceso de venta puede ser largo, ya que primero se debe colaborar con los compradores para identificar oportunidades de valor. Este método de venta es ideal para empresas que carecen de capacidades internas de datos y análisis para procesar y extraer sus datos, o cuyos datos no encajan estratégicamente con los socios de canal existentes. En estos casos, suelen vender a intermediarios de datos, empresas tecnológicas o usuarios sofisticados, quienes refinarán la información para otras aplicaciones.

Vender servicios de información basados ​​en datos. Algunas empresas analizan sus datos y preparan información personalizada para sus clientes, eliminando así la necesidad de estructurarlos y extraerlos por su cuenta. Muchas crean productos a medida para las necesidades únicas de los clientes. Una gran ventaja de este enfoque: ofrece mayor seguridad y protección de la privacidad. Los datos sin procesar a menudo contienen información personal identificable y de propiedad exclusiva; vender información, en cambio, garantiza que los detalles confidenciales no se transmitan inadvertidamente. Mastercard Advisors hace esto en su negocio de servicios para bancos y minoristas, proporcionando a los clientes información valiosa, agregada y anónima de su red de transacciones. Si se encuentra en las primeras etapas del proceso de monetización de datos, podría considerar la creación de un pequeño equipo de servicios que se centre en respaldar las necesidades de datos y análisis de sus socios de canal. Si la demanda parece estar creciendo en torno a un conjunto común de necesidades, considere desarrollar una oferta que las satisfaga y ampliarla. Preste atención a los comentarios de los clientes y observe cómo sus competidores extraen valor de sus datos.

Vender soluciones comercialmente listas. Los vendedores más exitosos ofrecen productos integrales. Paneles de datos, flujos de trabajo, modelos de aprendizaje automático y almacenamiento se integran con la información. Esta información ayuda a los usuarios a tomar mejores decisiones o constituye la base de un valioso proceso empresarial. Las soluciones pueden integrarse en un producto digital existente o ser productos independientes.

Las empresas suelen cobrar más por los datos cuanto más se acercan a un producto final. A menudo, empiezan ofreciendo servicios basados ​​en sus datos sin procesar y luego pasan a la producción de casos de uso populares. Por ejemplo, ADP vende un producto de referencia de compensación que ayuda a los empleadores a ver las tasas promedio del mercado para diferentes puestos y categorías laborales. Los compradores lo utilizan para establecer salarios competitivos para puestos existentes y nuevos, y para cumplir con la legislación aplicable. Instacart ha creado una aplicación que aprovecha los datos de los usuarios para ayudar a las empresas a orientar sus anuncios con mayor precisión. Cuando los compradores compran alimentos a través del servicio, Instacart Ads muestra promociones de productos que probablemente comprarán, dado su comportamiento previo. En 2024, la aplicación generó ingresos estimados de 958 millones de dólares para Instacart.

FordDirect, empresa de tecnología de marketing especializada en la venta minorista de automóviles, creó una solución monetizada indirectamente y comercialmente lista para mejorar el rendimiento de ventas de la red de concesionarios del fabricante. Tom Thomas, vicepresidente sénior de estrategia de datos, análisis e IA, comenzó recopilando datos sin procesar de diversos canales, como sitios web de concesionarios, sistemas CRM y sistemas de gestión administrativa de concesionarios, y luego combinó diversas fuentes de datos externas en su plataforma de recorrido del cliente. Con la base tecnológica y de datos adecuada, él y su equipo lograron convertir los datos en una herramienta de análisis que ayuda a los concesionarios a optimizar su inversión publicitaria. La herramienta ayuda a impulsar las compras de vehículos y las citas de servicio en canales digitales. Los concesionarios también pueden usar los datos para segmentar a los clientes por vehículo de interés, estado de propiedad y propensión a la compra, lo que les permite crear mensajes personalizados. FordDirect ha ayudado a los concesionarios a lograr un aumento del 40 % en las ventas y una reducción del 22 % en el coste por cliente potencial para los clientes dentro de los segmentos objetivo.

. . .

La monetización de datos puede ser una fuente de nuevos ingresos y, si se ejecuta correctamente, puede tener una gran influencia en la dirección estratégica de su organización. El camino hacia una monetización de datos eficaz implica comprender el potencial de sus datos, elegir a los socios adecuados, seleccionar un tipo de oferta e implementar medidas de seguridad robustas. Hay una razón por la que cada vez más empresas adoptan esta estrategia: porque las recompensas pueden ser sustanciales.

Nota del editor: Hemos actualizado el lenguaje que describe el programa FordDirect para que sea más preciso.

Leer más sobre Estrategia o temas relacionados Gestión de datos , Análisis y ciencia de datos y Desarrollo de productos

Una versión de este artículo apareció en la edición de noviembre-diciembre de 2025 de Harvard Business Review.

Suraj Srinivasan es profesor de administración de empresas Philip J. Stomberg en la Harvard Business School, presidente del Digital Value Lab y miembro de la junta directiva de Harvard Business Publishing.

Robin Seibert es gerente de participación en McKinsey & Company y ex investigador visitante en el Digital Value Lab.

Mohammed Aaser es el director de estrategia de la empresa de análisis de datos Domo.