Governança simples para ecossistemas de dados

Este é o sexto artigo de uma série multipart. Por um lado, a combinação dos dados que eles controlam com dados de outras fontes aumenta significativamente o número e o valor dos possíveis casos de uso disponíveis. Por outro lado, o mesmo ato de compartilhamento de dados abre questões de confiança e uso indevido, valor perdido e oportunidade não realizada. Em muitos casos, os riscos potenciais (que tendem a ser mais facilmente identificáveis) parecem superar as recompensas prospectivas (que geralmente são mais distantes e incertas), e as empresas não procedem mais. Isso é lamentável, compreensível e desnecessário. Ele pode ajudar a avançar novos modelos de negócios, impulsionar a inovação e enfrentar alguns dos desafios mais prementes da sociedade, como tornar as cidades mais eficientes e habitáveis. O compartilhamento de dados é facilitado por ecossistemas de dados que compreendem várias partes dentro e fora do setor de uma empresa individual. Esses ecossistemas podem superar algumas grandes barreiras ao compartilhamento de dados, incluindo o valor pouco claro dos dados no ponto de geração e a necessidade de inteligência coletiva para identificar e combinar os participantes com oportunidades de criação de valor. Em geral, os ecossistemas de dados são veículos importantes para alinhar as empresas em torno de metas comuns, dando -lhes a agilidade necessária para inovar. Ainda assim, muitas empresas continuam a acumular seus dados - em seu próprio prejuízo e o do ecossistema como um todo. Mas diante de muitas opções de design possíveis, as empresas nem sempre sabem por onde começar. Um bom primeiro passo é entender que o compartilhamento de dados em um ecossistema é fundamentalmente uma questão de cooperação, com regras que orientam o bom comportamento e definindo os termos de engajamento.

As big companies explore new revenue streams and business models based on data, they quickly run into a quandary. On the one hand, combining the data they control with data from other sources significantly increases the number and value of potential available use cases. On the other, that same act of data sharing opens up issues of trust and misuse, lost value, and unrealized opportunity. In many cases, the potential risks (which tend to be more readily identifiable) appear to outweigh the prospective rewards (which are often more distant and uncertain), and the companies proceed no further. This is unfortunate, understandable, and unnecessary.

Data sharing—particularly the exchange of the exploding quantities of data generated by the Internet of Things—has emerged as an important and high-value commercial activity. It can help advance new business models, drive innovation, and tackle some of society’s most pressing challenges, such as making cities more efficient and livable. Data sharing is facilitated by data ecosystems comprising multiple parties within and outside of an individual company’s industry. These ecosystems can overcome some major barriers to data sharing, including the unclear value of data at the point of generation and the need for collective intelligence to identify and match participants with opportunities for value creation. Broadly, data ecosystems are important vehicles for aligning companies around common goals while giving them the agility needed to innovate.

For the orchestrators of data ecosystems—which can be tech companies, large industrial incumbents, or innovative startups—the stakes are high: if other companies are not willing to share their data, the ecosystem dies on the vine. Still, many companies continue to hoard their data—to their own detriment and that of the ecosystem as a whole.

Simple and effective rules of governance can help break the data gridlock. But in the face of many possible design choices, companies don’t always know where to start. A good first step is to understand that data sharing in an ecosystem is fundamentally an issue of cooperation, with rules guiding good behavior and setting the terms of engagement. Estrutura de simplicidade inteligente do BCG , que foi projetado para ajudar as empresas a entender a complexidade organizacional e incentivar a cooperação, pode ajudar. Inovação, dados e o conto de advertência de Henrietta Lacks

As fontes de Data Gridlock

Our research and client experience show that problems with data sharing generally revolve around four issues: trust and privacy, transaction costs, competitive concerns, and worries over missed or lost financial opportunity. (See Exhibit 1.)

• Confiança e privacidade. A baixa tecnologia, a governança fraca e as violações reais de dados podem levar a dados usados ​​para fins que não foram acordados pelo criador dos dados e outros no ecossistema. Os impedimentos tecnológicos incluem baixa conectividade, padrões incompatíveis e restrições à interoperabilidade. As barreiras processuais podem envolver habilidades incompatíveis, complexidade organizacional ou regras ambíguas. Avanços tecnológicos, como conectividade móvel 5G, melhores padrões do setor, plataformas de corretor e ferramentas de fusão de dados estão surgindo para enfrentar o primeiro. Compartilhar governança pode enfrentar o último. Mas, à medida que os dados de IoT mais heterogêneos ficam on -line, novos desafios são prováveis. This barrier is rooted in the fear that data will be mishandled, misused, or mis-shared. Poor technology, weak governance, and actual data breaches can all lead to data being used for purposes that were not agreed upon by the originator of the data and others in the ecosystem.
• Transaction Costs. These costs underlie every data exchange, and problems can be both technological and procedural in nature. Technological impediments include poor connectivity, mismatched standards, and constraints on interoperability. Procedural barriers can involve mismatched skills, organizational complexity, or ambiguous rules. Technological advances such as 5G mobile connectivity, better industry standards, broker platforms, and data fusion tools are emerging to tackle the former. Sharing governance can tackle the latter. But as more heterogeneous IoT data comes online, new challenges are likely.
• Preocupações competitivas. As empresas temem, com razão, renunciando à vantagem competitiva, juntamente com dados estratégicos. Os contribuintes em exercício para um ecossistema podem se preocupar com o fato de as informações competitivas sensíveis serão divulgadas aos rivais. Novos participantes digitais podem se preocupar com os gigantes digitais copiando suas ferramentas ou caçando seu talento. Todos os participantes podem se preocupar com os orquestradores do ecossistema que capturam uma parte desproporcional do valor. Isso pode resultar de uma falha em reconhecer o valor a jusante de dados, da desalocação de valor entre os participantes de um ecossistema ou de oportunidades negligenciadas para desenvolver serviços de dados de ponta a ponta internamente. Por exemplo, fornecedores e clientes podem trabalhar juntos para coordenar a logística, racionalizar o inventário e até mesmo codificar produtos, mas os benefícios e investimentos podem não se acumular uniformemente em toda a cadeia de suprimentos. Um estudo da Comissão Europeia de 2018 constatou que, de 129 empresas pesquisadas, 60% não compartilhavam dados com outras empresas e 58% não reutilizaram dados obtidos de outras empresas. Quando ocorre o Gridlock, os ecossistemas de dados falham em prosperar e a criação de valor é limitada. The data landscape is still mostly unmapped, and new, unforeseen use cases appear every day. Companies rightly fear surrendering competitive advantage along with strategic data. Incumbent contributors to an ecosystem may worry that competitively sensitive information will be released to rivals. New digital entrants may worry about digital giants copying their tools or poaching their talent. All participants may worry about ecosystem orchestrators capturing a disproportionate portion of the value.
• Lost Financial Opportunity. Another ramification of the unmapped landscape is the possibility that sharing data may cause financial opportunities to be overlooked. This could result from a failure to recognize data’s downstream value, from misallocation of value among an ecosystem’s participants, or from neglected opportunities to develop end-to-end data services internally. For example, vendors and customers can work together to coordinate logistics, rationalize inventory, and even codesign products, but the benefits and investments may not accrue evenly across the supply chain.

If the barriers to sharing are sufficiently high, they will cause data gridlock. A 2018 European Commission study found that of 129 companies surveyed, 60% did not share data with other companies and 58% did not reuse data obtained from other companies. When gridlock occurs, data ecosystems fail to thrive and value creation is limited.

Superando o Gridlock

Two successful European ventures demonstrate how to overcome the barriers to data sharing and break out of gridlock. Their operations and data are now global in scale.

aqui tecnologias. A empresa obtém dados de milhares de colaboradores e parceiros independentes, incluindo os próprios OEMs - que, como proprietários, são capazes de capturar o valor residual das operações aqui. A empresa fornece padrões recomendados, combina dados e fornece escala e alcance por meio de serviços de dados agregados, facilitando assim a coordenação e reduzindo o medo entre os participantes do consórcio sobre qualquer desvantagem competitiva que possa existir se uma única empresa liderar o empreendimento. Aqui, o Marketplace conecta fontes de dados (provedores) a consumidores de dados (compradores) e suporta o primeiro na avaliação do valor de seus dados e captura -os por meio de casos de uso em potencial. Os recursos do mercado privado tranquilizam os provedores de dados aos quais eles controlam o acesso e o uso de seus dados. Owned by a consortium of German auto OEMs and Tier 1 suppliers (including Intel, Mitsubishi, and NTT, among others), HERE is the world’s leading location data and technology platform provider, supporting data sharing at scale through both its core data offering and its marketplace platform. The company sources data from thousands of independent contributors and partners, including the OEMs themselves—which, as owners, are able to capture the residual value of HERE’s operations. The company provides recommended standards, pools data, and provides scale and reach via aggregated data services, thus facilitating coordination and reducing the fear among the consortium’s participants of any competitive disadvantage that might exist if a single company led the venture. HERE Marketplace connects data sources (providers) with data consumers (buyers) and supports the former in assessing the value of their data and capturing it through potential use cases. The private marketplace’s features reassure data providers that they control access to and use of their data.

Para facilitar o compartilhamento de dados, aqui fornece uma experiência intuitiva do usuário e um conjunto de kits de APIs e desenvolvimento de software, além de um conjunto de serviços de monetização de dados. A conformidade com o Regulamento Geral de Proteção de Dados (GDPR) da UE e uma carta abrangente de privacidade garantem o uso de dados aprovado e aceitável. O processo de votting de parceiro e o sistema de gerenciamento de consentimento baseado em blockchain dão aos usuários de dados e colaboradores de dados que suas informações de identificação pessoal serão compartilhadas apenas com os provedores de serviços que eles aprovam e somente assim que a aprovação estiver em vigor.

Além de destacar casos de uso comercial para dados, aqui enfatiza o valor do compartilhamento de dados por meio de projetos de serviço público, como a Força-Tarefa de Dados da UE, a troca de dados sem taxa compartilhados sob o licenciamento criativo do Commons e seus múltiplos esforços de resposta ao cliente.

Airbus Skywise.­_­ Lançado em 2017, a plataforma aberta Skywise da Airbus é um serviço integrado e solução de dados que alavancam um conjunto de software de análise de dados que ajuda as companhias aéreas a analisar dados de aeronaves coletados por sensores enquanto os aviões estão em voo e no solo. A Skywise agora inclui mais de 100 parceiros de companhias aéreas - companhias aéreas regionais, gigantes globais e rivais do setor (Delta e United são membros) - que compartilham dados com o objetivo de melhorar as operações. Em troca do compartilhamento, os participantes obtêm acesso a insights da SkyWise Analytics e dados de benchmarking. A empresa também publica histórias de sucesso que ilustram o valor da participação. Para gerenciar preocupações competitivas, a Airbus garante que apenas os benchmarks agregados sejam compartilhados entre os colaboradores. A conformidade com o GDPR define um nível de linha de base do uso de dados aceitáveis, e um processo divulgado de investimento em parceiro fornece transparência em torno do acesso aos dados.

Airbus maintains that each airline owns its data. In exchange for sharing, participants gain access to Skywise analytics insights and benchmarking data. The company also publishes success stories that illustrate the value of participation. To manage competitive concerns, Airbus ensures that only aggregated benchmarks are shared among contributors.

Because most of the sensor data is generated by Airbus planes and their flight data is similar, Airbus is able to transform data from different airlines into a standard format. GDPR compliance sets a baseline level of acceptable data use, and a publicized partner-vetting process provides transparency around data access.

Participantes do ecossistema de dados

In both of these examples, the companies involved overcame barriers to data sharing by setting up built-for-purpose ecosystems with clear rules of governance. Such ecosystems organize the data assets and customer connections of a group of business partners in order to deliver new products and services—both within and across traditional industry verticals.

Data ecosystems have three types of participant. Orchestrators (such as HERE and Airbus) set the rules, coordinate the activities of the other participants, aggregate their data and expertise, and deliver a range of products or services to the end customer. Contributors, which may be participants in multiple ecosystems, provide their data and services or build and sell applications with the help of the ecosystem’s data. Enablers provide infrastructure for the ecosystem, including connectivity, security, and computing power.

Orquestradores não podem orquestrar, a menos que criem o contexto certo para romper o impasse de compartilhamento de dados e incentivar a cooperação. Como os funcionários que devem decidir se vale a pena trabalhar juntos em um projeto arriscado, as empresas que embarcam no compartilhamento de dados devem avaliar o valor, o risco e os possíveis conflitos envolvidos. É aqui que a boa governança pode ajudar. Em vez de criar regras uma a uma para direcionar comportamentos específicos, a Smart Simplicity explora o contexto subjacente a um sistema de comportamentos, analisando as motivações dos indivíduos. Em seguida, usa seis regras simples para alterar o contexto. (Consulte o Anexo 2.)

Smart Simplicity Rules of Governance

BCG’s Smart Simplicity approach promotes such cooperation within complex organizations. Instead of crafting rules one by one to target specific behaviors, Smart Simplicity explores the context underlying a system of behaviors by analyzing the motivations of individuals. It then uses six simple rules to cha­­­­nge the context. (See Exhibit 2.)

As três primeiras regras ajudam as organizações a criar as condições para autonomia e empoderamento individuais. As outras três pessoas obrigam as pessoas a enfrentar a complexidade e cooperar com outras pessoas, de modo que o desempenho geral da organização - nesse caso, o ecossistema de dados - seja tão importante para elas quanto seu próprio desempenho individual. Claro, existem Regras adicionais que os orquestradores do ecossistema precisarão considerar em relação à propriedade, acesso e uso dos dados, mas eles variam de acordo com o ecossistema. Para desembaraçar as barreiras competitivas e de confiança dentro de um ecossistema, os orquestradores precisam entender os objetivos, recursos e restrições de seus participantes. Tal entendimento ajuda os orquestradores a projetar medidas de governança que abordam as motivações subjacentes dos participantes do ecossistema, não apenas seus comportamentos.

Rule 1. Understand what people really do. To untangle the competitive and trust barriers within an ecosystem, orchestrators need to understand the goals, resources, and constraints of its participants. Such an understanding helps orchestrators design governance measures that address the underlying motivations of ecosystem participants, not just their behaviors.

Regra 2. reforça os integradores. Nos ecossistemas de dados, os orquestradores e facilitadores geralmente desempenham o papel dos integradores - participantes cuja influência faz a diferença no trabalho de outros. Os integradores reúnem outras pessoas e conduzem processos. Eles trabalham no Nexus, onde as restrições e os requisitos costumam atender. Definindo padrões gerando e compartilhando os mesmos formatos de dados, usando os mesmos protocolos e seguindo a mesma arquitetura de referência pode diminuir as barreiras ao compartilhamento de dados. Organizações como a International Data Spaces Association estão explorando padrões para tornar o compartilhamento de dados sem costura. Criar dutos e infraestrutura (APIs, por exemplo) que facilitam o compartilhamento também pode reduzir o atrito.

Regra 3. Aumente a quantidade total de poder. Os orquestradores têm várias maneiras de fazer isso. Controles de acesso, regras de compartilhamento de 360 ​​graus e gerenciamento de direitos podem criar confiança de que os dados dos colaboradores serão usados ​​da maneira certa, mesmo quando se move das mãos do orquestrador. Fornecer transparência para as fontes e usos dos dados e dar aos colaboradores uma função na decisão de como seus dados serão usados, também pode ajudar. Um bom exemplo são as configurações de privacidade no iPhone da Apple, que oferecem aos usuários a capacidade de determinar quais aplicativos podem acessar quais fluxos de dados. Ferramentas analíticas de preservação de privacidade que protegem os dados subjacentes, enquanto outros o analisam dão aos participantes uma maior confiança de que seus dados são seguros. Os ecossistemas de dados precisam de padrões claros de comportamento aceitável e inaceitável. Captura de dados sem consentimento, compartilhamento de dados com concorrentes e revenda não autorizada a terceiros devem estar claramente fora dos limites. Os orquestradores podem suportar o monitoramento e a aplicação dessas normas. Para levar esta casa, os orquestradores devem definir claramente o objetivo comum dos participantes e seu interesse mútuo em compartilhar dados. Quanto mais claro o objetivo, especialmente na ausência de termos contratuais definidos, mais prontamente os colaboradores individuais do ecossistema se moverão na direção desejada e evitarão o comportamento inadequado. Os orquestradores também podem divulgar casos de uso bem -sucedidos. Em sua conferência anual LiveWorx, por exemplo, o IoT Tech Enabler PTC executa demonstrações de colaboração desbloqueadas por suas ferramentas de compartilhamento de dados SaaS (software como serviço). E o mesmo vale para compartilhar justamente o valor que resulta, seja financeiro ou algum outro benefício. Por exemplo, os ecossistemas de agricultura de precisão geralmente têm uma proposta de valor claro: compartilhe dados de máquinas e forneceremos os recursos necessários para melhorar seus rendimentos. Os ecossistemas que não compartilham valor de maneira justa descobrem que devem repensar seu modelo ou desmoronar. Um é atribuir um valor financeiro aos dados compartilhados; O outro é vincular alguma forma de remuneração não financeira ao compartilhamento de dados. Em alguns ecossistemas de dados bem -sucedidos, o compartilhamento de dados é considerado um bom por si só, com o valor criado frequentemente vinculado aos objetivos sociais e econômicos. O Govlab da Universidade de Nova York criou uma lista de mais de 200 colaboradores de dados que compartilham dados por valor público. Da mesma forma, empresas como a Microsoft estão promovendo a idéia de compartilhamento de dados abertos. Os orquestradores e colaboradores podem usar sua participação nos ecossistemas de compartilhamento de dados para apoiar seus objetivos e relatórios de impacto social. No entanto, a cooperação necessária para sua adoção em escala ainda é limitada, dificultada por questões de confiança e privacidade, custos de transação, preocupações competitivas e preocupações com a oportunidade financeira perdida ou perdida. Para que os ecossistemas de dados rompem com o Gridlock de compartilhamento de dados, eles precisam maximizar a criação de valor para todas as partes interessadas enquanto mitigam os riscos e garantindo um espaço seguro para exploração e aprendizado. Medidas de governança de dados inteligentes e inteligentes, em parceria com a tecnologia, são ferramentas -chave para enriquecer a economia de dados. Empowering people to make decisions without taking power away from others is a great way to make sure all participants feel they have a stake in the ecosystem’s success. Orchestrators have several ways to do this. Access controls, 360-degree sharing rules, and rights management can build confidence that contributors’ data will be used in the right ways, even as it moves out of the hands of the orchestrator. Providing transparency into the sources and uses of data, and giving contributors a role in deciding how their data will be used, can also help. A good example is the privacy settings on Apple’s iPhone, which give users the ability to determine which applications can access which data streams.

Being explicit about the ecosystem’s strategic positioning in the market and implementing noncompete agreements among participants can reduce competitive barriers and give contributors peace of mind about sharing sensitive data. Privacy-preserving analytical tools that protect the underlying data while others analyze it give participants further confidence that their data is secure.

Making clear the ecosystem’s default position on such issues as data ownership and usage control also promotes sharing and reduces concerns arising from ambiguity. Data ecosystems need clear standards of acceptable and unacceptable behavior. Data capture without consent, data sharing with competitors, and unauthorized resale to third parties should be clearly off-limits. Orchestrators can support monitoring and enforcement of these norms.

Rule 4. Increase reciprocity. The success of each participant in the ecosystem depends on the success of others. To drive this home, orchestrators should clearly define participants’ common purpose and their mutual interest in sharing data. The clearer the purpose, especially in the absence of defined contractual terms, the more readily will the ecosystem’s individual contributors move in the desired direction and avoid improper behavior. Orchestrators can also publicize successful use cases. At its annual LiveWorx conference, for example, IoT tech enabler PTC runs demonstrations of collaboration unlocked by its SaaS (software as a service) data-sharing tools.

Rule 5. Expand the shadow of the future. A good value creation and sharing model shows people how their success is furthered by contributing to the success of others. And the same goes for fairly sharing the value that results, whether financial or some other benefit. For example, precision agriculture ecosystems often have a clear value proposition: share machinery data and we will give you the resources needed to improve your yields. Ecosystems that do not share value fairly soon find that they must rethink their model or fall apart.

Rule 6. Reward those who cooperate. There are at least two ways that orchestrators can create a recognition system for data contributors. One is to assign a financial value to the data shared; the other is to link some form of nonfinancial remuneration to data sharing. In some successful data ecosystems, sharing data is regarded as a good in and of itself, with the value created often linked to social as well as economic goals. New York University’s GovLab has created a list of more than 200 data collaboratives that share data for public value. Similarly, companies such as Microsoft are promoting the idea of open data sharing. Orchestrators and contributors may be able to use their participation in data-sharing ecosystems to support their social-impact goals and reporting.

---

Ecosystems are emerging as promising vehicles for data sharing. Yet the cooperation necessary for their adoption at scale is still limited, hampered by issues of trust and privacy, transaction costs, competitive concerns, and worries over missed or lost financial opportunity. For data ecosystems to break out of data-sharing gridlock, they need to maximize value creation for all stakeholders while mitigating the risks and ensuring a safe space for exploration and learning. Smart, simple data governance measures, in partnership with technology, are key tools for enriching the data economy.