# Przewaga danych: czy własne dane staną się najcenniejszym aktywem firmy?

Author: Norbert Biedrzycki
Published: 2021-12-15
Language: pl
URL: https://norbertbiedrzycki.pl/przewaga-danych-czy-wlasne-dane-stana-sie-najcenniejszym-aktywem-firmy/
Summary: Algorytmy są coraz bardziej dostępne dla wszystkich. Dane nie. Ta prosta asymetria może zmienić to, gdzie znajdują się najlepsze inwestycje w AI.

**Algorytmy są coraz bardziej dostępne dla wszystkich. Dane nie. Ta prosta asymetria może zmienić to, gdzie znajdują się najlepsze inwestycje w AI.**

Przez kilka lat rozmowę o AI zdominowały algorytmy: jaka architektura, jaki framework, które laboratorium badawcze opublikowało najnowszy przełom. A jednak im bardziej AI przechodzi z badań do biznesu, tym bardziej oczywiste staje się, że algorytm rzadko jest najrzadszym składnikiem.

Modele są udostępniane jako open source. Dostawcy chmury oferują wytrenowane usługi do obrazu, mowy i języka, które można kupić kartą kredytową. Talenty są drogie, ale mobilne. Tego, czego nie da się pobrać, to dwadzieścia lat danych o szkodach ubezpieczyciela, historia transakcji banku, zapisy serwisowe floty maszyn przemysłowych albo zachowania zakupowe milionów klientów sieci handlowej.

**Dane jako prawdziwa fosa**

Na tej logice zawarto już kilka transakcji. W 2018 roku Roche zapłacił około 1,9 mld dolarów za Flatiron Health, firmę, której głównym aktywem były ustrukturyzowane dane z rzeczywistej praktyki onkologicznej. John Deere kupił Blue River Technology, a w tym roku przejął Bear Flag Robotics, opierając się na wyjątkowo bogatej bazie danych z milionów akrów pól uprawnych. Ci nabywcy nie kupowali algorytmów. Kupowali surowiec do dekad algorytmicznych ulepszeń.

Dla private equity otwiera to ciekawą perspektywę. Zamiast konkurować o drogie start-upy AI, fundusz mógłby przejmować ugruntowane, często niemodne firmy, które siedzą na wartościowych zbiorach danych, a potem inwestować w zdolność do ich monetyzacji. Średniej wielkości operator logistyczny, regionalny ubezpieczyciel albo wyspecjalizowany dystrybutor mogą mieć dokładnie takie własne dane, jakich żaden start-up nie odtworzy.

**Ale same dane nie wystarczą**

Chcę być tu ostrożny, bo ten rok przyniósł też mocny kontrprzykład.

W listopadzie Zillow ogłosił zamknięcie Zillow Offers, swojego algorytmicznego biznesu skupu domów. Zillow miał prawdopodobnie jeden z najlepszych zbiorów danych o nieruchomościach w Stanach Zjednoczonych i znany model wyceny. A jednak kiedy użył tego modelu do kupowania domów na dużą skalę na zmiennym rynku, przepłacił, zgromadził zapasy, których nie mógł sprzedać z zyskiem, i ogłosił odpisy przekraczające pół miliarda dolarów oraz znaczące zwolnienia.

Lekcja nie brzmi, że dane są bezwartościowe. Lekcja brzmi, że dane tworzą wartość tylko w połączeniu z trzema innymi rzeczami: modelem biznesowym, który toleruje poziom błędu modelu, organizacją, która wie, kiedy nie ufać algorytmowi, i nadzorem, który monitoruje ryzyko w czasie rzeczywistym. Zillow miał dane. Zawiodło połączenie między predykcją a kapitałem narażonym na ryzyko.

**Jak ocenić przewagę danych**

Kiedy patrzę na firmę, która twierdzi, że jej dane są aktywem strategicznym, zadaję pięć pytań. Czy dane są naprawdę własne, czy konkurent mógłby kupić coś podobnego? Czy gromadzą się w czasie w sposób, który tworzy koło zamachowe: więcej klientów daje lepsze dane, lepsze dane dają lepszy produkt, lepszy produkt przyciąga więcej klientów? Czy można je legalnie wykorzystać do zamierzonego celu, biorąc pod uwagę RODO i regulacje sektorowe? Czy mają wystarczającą jakość, czy też będą wymagały lat czyszczenia, zanim staną się użyteczne? I czy zarząd ma zdolność operacyjną, by zamienić je w decyzje?

Z mojego doświadczenia menedżera wynika, że na ostatnie pytanie najczęściej odpowiada się z optymizmem, a najrzadziej z dowodami.

**Przesunięcie tego, gdzie leży wartość AI**

Jeśli ten pogląd jest słuszny, część najatrakcyjniejszych inwestycji w AI w nadchodzącej dekadzie może w ogóle nie wyglądać jak firmy AI. Będą wyglądać jak ubezpieczyciele, dystrybutorzy, operatorzy logistyczni i firmy usług przemysłowych, które odkryły wartość tego, co już posiadały, i znalazły menedżerów zdolnych ją uwolnić.

*Pytanie inwestycyjne: Czy tradycyjne firmy z własnymi danymi mogą stać się cenniejszymi inwestycjami w AI niż start-upy technologiczne?*
