Giờ thì ai cũng có thể dễ dàng nói dữ liệu là nguồn dầu mỏ mới của nền kinh tế (data is the new oil). Một điều hiển nhiên giá dầu mỏ lên xuống theo cung cầu… nhưng ít nhất chúng ta đều có thể dễ dàng biết giá của 1 thùng dầu thô tại một thời điểm là bao nhiêu đô la. Tuy nhiên khi nói đến giá của dữ liệu, rất khó để biết được dữ liệu của bạn có giá bao nhiêu!
Nhiều doanh nghiệp vẫn chưa biết câu trả lời cho câu hỏi đó. Nhưng trong tương lai, các công ty sẽ cần phát triển chuyên môn cao hơn trong việc định giá tài sản dữ liệu của họ.
Năm 2016, Microsoft Corp. đã mua lại mạng xã hội nghề nghiệp LinkedIn Corp. với giá 26,2 tỷ USD. Tại sao Microsoft lại định giá LinkedIn như vậy? Và cái giá phải trả là bao nhiêu cho dữ liệu người dùng của LinkedIn – bên cạnh các tài sản khác của nó? Trên toàn cầu, LinkedIn có 433 triệu người dùng đã đăng ký và khoảng 100 triệu người dùng hoạt động mỗi tháng trước khi được mua lại. Một tính toán đơn giản cho chúng ta biết rằng Microsoft đã trả khoảng 260 đô la cho mỗi người dùng hoạt động hàng tháng.
Microsoft có trả giá hợp lý cho dữ liệu người dùng LinkedIn không? Microsoft hẳn đã nghĩ như vậy – và LinkedIn cũng đồng ý như vậy. Tuy nhiên, thỏa thuận đã tạo ra sự giám sát từ cơ quan xếp hạng Moody’s Investors Service Inc., cơ quan đã tiến hành xem xét xếp hạng tín dụng của Microsoft sau khi thương vụ được công bố. Bạn có thể học được gì từ giao dịch Microsoft-LinkedIn về việc đánh giá dữ liệu người dùng? Làm thế nào chúng ta có thể xác định xem Microsoft – hoặc bất kỳ bên mua lại nào – đã trả một mức giá hợp lý hay chưa?
Câu trả lời cho những câu hỏi này không rõ ràng. Nhưng chủ đề này ngày càng trở nên phù hợp khi các công ty ngày càng thu thập và phân tích nhiều dữ liệu hơn bao giờ hết. Thật vậy, thương vụ trị giá hàng tỷ đô la giữa Microsoft và LinkedIn chỉ là một ví dụ gần đây về việc định giá dữ liệu đang nhận được nhiều sự chú ý. Một ví dụ khác xảy ra trong thủ tục phá sản theo Chương 11 của Caesars Entertainment Operating Corp. Inc., một công ty con của công ty trò chơi sòng bạc Caesars Entertainment Corp. Một trong những tranh chấp là dữ liệu trong chương trình khách hàng thân thiết của Caesars – “Total Rewards”; một số chủ nợ lập luận rằng dữ liệu của chương trình Total Rewards trị giá 1 tỷ đô la. Một báo cáo năm 2016 của một điều tra viên của tòa án phá sản về vụ việc đã ghi nhận những trường hợp mà các tài sản Caesars đã bán – mất quyền truy cập vào phân tích khách hàng trong cơ sở dữ liệu Total Rewards – bị sụt giảm thu nhập. Nhưng báo cáo cũng nhận thấy rằng khó có thể bán hệ thống Total Rewards để kết hợp nó vào chương trình khách hàng thân thiết của một công ty khác. Mặc dù hệ thống Total Rewards là tài sản quý giá nhất của Caesars, nhưng giá trị của nó đối với bên ngoài vẫn là một câu hỏi còn bỏ ngỏ.
Từ những ví dụ minh họa trên, không có công thức nào để đặt giá chính xác cho dữ liệu. Nhưng trong cả hai trường hợp này, các bên liên quan đều tin rằng dữ liệu trị giá hàng trăm triệu đô la.
I. Khám phá việc định giá Dữ liệu
Để nghiên cứu định giá dữ liệu, các chuyên gia của MITSloan đã tiến hành phỏng vấn và thu thập dữ liệu thứ cấp về các hoạt động liên quan đến thông tin tại 36 công ty và tổ chức phi lợi nhuận ở Bắc Mỹ và Châu Âu. Hầu hết có doanh thu hàng năm lớn hơn 1 tỷ đô la. Họ đại diện cho một loạt các lĩnh vực công nghiệp, bao gồm bán lẻ, chăm sóc sức khỏe, giải trí, sản xuất, giao thông vận tải và chính phủ.
Mặc dù trọng tâm của nghiên cứu là giá trị dữ liệu, nhưng các tác giả nhận thấy rằng hầu hết các tổ chức trong nghiên cứu của họ đều tập trung vào những thách thức trong việc lưu trữ, bảo vệ, truy cập và phân tích một lượng lớn dữ liệu – những nỗ lực mà chức năng của công nghệ thông tin (CNTT) chịu trách nhiệm chủ yếu. Mặc dù các chức năng CNTT có hiệu quả cao trong việc lưu trữ và bảo vệ dữ liệu, nhưng một mình chúng không thể đưa ra các quyết định quan trọng biến dữ liệu thành giá trị trong kinh doanh. Do đó, phạm vi nghiên cứu của các tác giả nhanh chóng được mở rộng bao gồm các giám đốc tài chính và tiếp thị và các nhân viên pháp lý. Bởi vì phần lớn các công ty trong nghiên cứu này không có thông lệ định giá dữ liệu chính thức, các tác giả đã điều chỉnh phương pháp luận của mình để tập trung vào các sự kiện kinh doanh quan trọng tạo ra/thúc đẩy nhu cầu định giá dữ liệu, chẳng hạn như sáp nhập và mua lại, nộp hồ sơ phá sản, hoặc mua lại và bán tài sản dữ liệu. Thay vì nghiên cứu giá trị dữ liệu trong phần tóm tắt, các tác giả đã xem xét các sự kiện tạo ra nhu cầu định giá như vậy và có thể được so sánh giữa các tổ chức.
Các tác giả định nghĩa giá trị dữ liệu là tổng hợp của ba nguồn giá trị: (1) giá trị tài sản hoặc cổ phiếu; (2) giá trị hoạt động; và (3) giá trị dự kiến hoặc giá trị tương lai.
Tất cả các công ty đã nghiên cứu đều ngập tràn dữ liệu và khối lượng dữ liệu được lưu trữ của họ đang tăng trung bình 40% mỗi năm. Các tác giả kỳ vọng sự bùng nổ dữ liệu này sẽ gây áp lực lên ban lãnh đạo để biết dữ liệu nào có giá trị nhất. Tuy nhiên, phần lớn các công ty cho biết họ không có chính sách định giá dữ liệu chính thức. Một số nỗ lực phân loại đã thực hiện bao gồm đánh giá giá trị. Những nỗ lực này tốn nhiều thời gian và phức tạp. Ví dụ: một tập đoàn tài chính lớn có một nhóm làm việc với nỗ lực phân loại dữ liệu quan trọng bao gồm các danh mục “trọng yếu”, “quan trọng” và “khác”. Dữ liệu được phân loại là “khác” khi giá trị được đánh giá là theo từng ngữ cảnh cụ thể. Mục tiêu của nhóm này là phân loại hàng trăm terabyte dữ liệu; sau chín tháng, họ đã xử lý được khoảng 20 terabyte.
Điển hình là khó khăn mà tập đoàn tài chính đặc biệt này gặp phải. Định giá dữ liệu có thể phức tạp và phụ thuộc nhiều vào ngữ cảnh. Giá trị có thể dựa trên nhiều thuộc tính, bao gồm loại và tần suất sử dụng, nội dung, độ tuổi, tác giả, lịch sử, danh tiếng, chi phí tạo/thu thập, tiềm năng doanh thu, yêu cầu bảo mật và tầm quan trọng pháp lý. Giá trị dữ liệu có thể thay đổi theo thời gian để đáp ứng các ưu tiên, vụ kiện tụng hoặc quy định mới. Các yếu tố này đều có liên quan và rất khó định lượng.
II. Khung định giá dữ liệu
Vậy thì, các công ty nên chính thức hóa các thông lệ định giá dữ liệu như thế nào? Dựa trên nghiên cứu của mình, các tác giả xác định giá trị dữ liệu là tổng hợp của ba nguồn giá trị: (1) giá trị tài sản hoặc cổ phiếu; (2) giá trị hoạt động; và (3) giá trị dự kiến hoặc giá trị tương lai. Dưới đây là phân tích chi tiết của từng nguồn giá trị:
1. Dữ liệu làm tài sản chiến lược
Đối với hầu hết các công ty, kiếm tiền từ tài sản dữ liệu có nghĩa là xem xét giá trị của dữ liệu khách hàng. Đây không phải là một khái niệm mới; ý tưởng kiếm tiền từ dữ liệu khách hàng cũng cũ như thẻ khách hàng thân thiết của cửa hàng tạp hóa. Dữ liệu khách hàng có thể tạo ra giá trị tiền tệ trực tiếp (khi dữ liệu được bán, giao dịch hoặc mua lại) hoặc gián tiếp (khi một sản phẩm hoặc dịch vụ mới sử dụng dữ liệu khách hàng được tạo ra, nhưng bản thân dữ liệu đó không được bán). Các công ty cũng có thể kết hợp dữ liệu có sẵn công khai và dữ liệu độc quyền để tạo ra các bộ dữ liệu duy nhất để bán hoặc sử dụng.
Cơ hội thị trường kiếm tiền từ dữ liệu lớn đến mức nào? Có thể mô tả bằng một từ: LỚN. Bộ phận Chiến lược & của PwC đã ước tính rằng, chỉ tính riêng trong lĩnh vực tài chính, doanh thu từ việc thương mại hóa dữ liệu sẽ tăng lên 300 tỷ USD mỗi năm vào năm 2018.
2. Giá trị của dữ liệu được sử dụng
Việc sử dụng dữ liệu thường được xác định bởi ứng dụng – chẳng hạn như hệ thống quản lý quan hệ khách hàng hoặc sổ cái – và tần suất sử dụng chúng. Tần suất sử dụng thường được xác định bởi khối lượng công việc của ứng dụng, tốc độ giao dịch và tần suất truy cập dữ liệu.
Tần suất sử dụng dữ liệu mang đến một khía cạnh thú vị của giá trị dữ liệu. Các tài sản hữu hình thông thường thường thể hiện lợi tức sử dụng giảm dần. Có nghĩa là, chúng càng giảm giá trị khi càng được sử dụng nhiều. Nhưng dữ liệu có tiềm năng – dù không phải là luôn luôn nhưng thường tăng giá trị khi nó được sử dụng nhiều hơn. Tức là, dữ liệu được xem như một tài sản có thể cho thấy lợi nhuận sử dụng ngày càng tăng. Ví dụ: ứng dụng điều hướng và giao thông Waze của Google Inc. tích hợp dữ liệu từ cộng đồng chia sẻ theo thời gian thực từ các phương tiện giao thông, di chuyển, do đó, dữ liệu lập bản đồ Waze trở nên có giá trị hơn khi có nhiều người sử dụng hơn.
Chi phí chính của dữ liệu nằm ở việc thu thập, lưu trữ và bảo trì. Chi phí biên của việc sử dụng nó có thể hầu như không đáng kể. Một yếu tố bổ sung là thời gian sử dụng: Dữ liệu phù hợp vào đúng thời điểm – ví dụ: dữ liệu giao dịch được thu thập trong mùa bán lẻ Giáng sinh – có thể có giá trị rất cao.
Tất nhiên, các định nghĩa về giá trị dựa trên cách sử dụng là hai mặt; giá trị được gắn cho mỗi mặt của hoạt động không chắc là như nhau. Ví dụ: đối với một khách du lịch bị lạc ở một thành phố xa lạ, dữ liệu bản đồ được gửi đến điện thoại di động của khách du lịch có thể có giá trị rất cao cho một lần sử dụng, nhưng khách du lịch có thể không bao giờ cần lại dữ liệu chính xác đó. Mặt khác, nhà cung cấp dữ liệu có thể giữ dữ liệu cho các mục đích khác – và sử dụng nó nhiều lần – trong một thời gian rất dài.
3. Giá trị tương lai mong đợi của dữ liệu
Mặc dù cụm từ “tài sản kỹ thuật số” hoặc “tài sản dữ liệu” thường được sử dụng, tuy nhiên không có định nghĩa chung được chấp nhận về cách tính giá trị những tài sản này trên bảng cân đối kế toán. Trên thực tế, nếu tài sản dữ liệu được theo dõi và hạch toán – một chữ “NẾU” – thì chúng thường được kết hợp với các tài sản vô hình khác, chẳng hạn như nhãn hiệu, bằng sáng chế, bản quyền và lợi thế thương mại. Có một số cách tiếp cận để định giá tài sản vô hình. Ví dụ, tài sản vô hình có thể được định giá trên cơ sở các giao dịch dựa trên thị trường có thể quan sát được liên quan đến các tài sản tương tự; về thu nhập mà chúng tạo ra hoặc dòng tiền mà chúng tạo ra thông qua tiết kiệm; hoặc về chi phí phát sinh để phát triển hoặc thay thế chúng.
Đưa ra các chính sách dữ liệu rõ ràng, được hệ thống hóa và có thể chia sẻ trong toàn công ty là bước đầu tiên trong việc ưu tiên giá trị dữ liệu.
III. Các công ty có thể làm gì?
Bất kể công ty chọn con đường nào để tích hợp việc định giá dữ liệu vào các chiến lược của toàn công ty, nghiên cứu này đã phát hiện ra ba bước thực tế mà tất cả các công ty có thể thực hiện.
1. Đưa ra các chính sách định giá rõ ràng và có thể xác định được trong toàn công ty.
Điều quan trọng là phải phát triển các chính sách toàn công ty trong lĩnh vực này. Ví dụ: công ty của bạn có đang tạo danh mục dữ liệu để tất cả các tài sản dữ liệu đều được biết đến rộng rãi không? Bạn có đang theo dõi việc sử dụng tài sản dữ liệu, giống như một công ty theo dõi quãng đường đi trên những chiếc ô tô hoặc xe tải mà họ sở hữu? Đưa ra các chính sách dữ liệu rõ ràng, được hệ thống hóa và có thể chia sẻ trong toàn công ty là bước đầu tiên trong việc ưu tiên giá trị dữ liệu.
Một số công ty trong nghiên cứu này đã bắt đầu phân loại thủ công các tập dữ liệu đã chọn theo giá trị. Trong một tình huống, sự kiện kích hoạt là một cuộc kiểm tra bảo mật nội bộ để đánh giá rủi ro dữ liệu. Mặt khác, sự kiện kích hoạt là mong muốn đánh giá nơi nào trong tổ chức mà khối lượng dữ liệu đang tăng lên nhanh chóng và kiểm tra chặt chẽ chi phí và giá trị của sự tăng trưởng đó.
Bài toán kinh doanh mạnh nhất mà các tác giả tìm thấy để định giá dữ liệu là mua lại, bán hoặc hủy bỏ các đơn vị kinh doanh có tài sản dữ liệu quan trọng. Các tác giả dự đoán rằng trong tương lai, một số trách nhiệm ngày càng nặng nề của các giám đốc dữ liệu có thể bao gồm việc định giá dữ liệu công ty cho những mục đích này. Nhưng vai trò đó còn quá mới để có thể phân biệt được bất kỳ xu hướng chung nào tại thời điểm này.
2. Xây dựng chuyên môn định giá dữ liệu nội bộ.
Nghiên cứu của này cho thấy một số công ty đang khám phá các cách kiếm tiền từ tài sản dữ liệu để bán hoặc cấp phép cho các bên thứ ba khai thác. Tuy nhiên, có dữ liệu để bán không đồng nghĩa với việc biết cách bán nó. Một số công ty dựa vào các chuyên gia bên ngoài, thay vì chuyên môn nội bộ, để đánh giá dữ liệu của họ. Các tác giả dự đoán điều này sẽ thay đổi. Các công ty đang tìm cách kiếm tiền từ tài sản dữ liệu của họ, trước tiên sẽ cần giải quyết cách thu được và phát triển chuyên môn định giá trong tổ chức của họ.
3. Quyết định xem quy trình định giá từ trên xuống hay từ dưới lên là hiệu quả nhất trong công ty.
Trong cách tiếp cận từ trên xuống để định giá dữ liệu, các công ty xác định các ứng dụng quan trọng của họ và gán giá trị cho dữ liệu được sử dụng trong các ứng dụng đó, cho dù chúng là hệ thống giao dịch máy tính lớn, hệ thống quản lý quan hệ khách hàng hay hệ thống phát triển sản phẩm. Các bước chính bao gồm xác định các liên kết hệ thống chính – nghĩa là các hệ thống nguồn cung cấp dữ liệu cho các hệ thống khác – liên kết dữ liệu được truy cập bởi tất cả các hệ thống được liên kết và đo lường hoạt động dữ liệu trong các hệ thống được liên kết. Cách tiếp cận này có lợi ích là ưu tiên những lĩnh vực cần xây dựng quan hệ nội bộ giữa bộ phận kinh doanh và CNTT, nếu chúng chưa được thực hiện.
Cách tiếp cận thứ hai là xác định giá trị dữ liệu theo kinh nghiệm – thực tế, dựa trên bản đồ sử dụng dữ liệu trên các tập dữ liệu cốt lõi trong công ty. Các bước chính trong cách tiếp cận này bao gồm đánh giá luồng dữ liệu và liên kết giữa dữ liệu và ứng dụng, đồng thời đưa ra phân tích chi tiết về các kiểu sử dụng dữ liệu. Các công ty có thể đã có nhiều thông tin cần thiết trong các thiết bị lưu trữ dữ liệu và hệ thống phân tán.
Cho dù thực hiện theo cách tiếp cận nào, bước đầu tiên là xác định các bài toán kinh doanh và công nghệ kích hoạt nhu cầu định giá dữ liệu của doanh nghiệp. Phương pháp tiếp cận dựa trên nhu cầu sẽ giúp quản lý cấp cao ưu tiên và định hướng các chiến lược định giá, đưa công ty tiến lên trong việc kiếm tiền từ giá trị hiện tại và tương lai của các tài sản kỹ thuật số của mình.
Tài liệu tham khảo
Tác giả: James E. Short and Steve Todd, Ngày đăng: 03/03/2017, James E. Short and Steve Todd, Massachusetts Institute of Technology, Ngày truy cập: 06/02/2022.
