Dataaktiver - oversigt, typer og hvordan man måler retur

Dataaktiver henviser til et system, applikationsoutputfil, dokument, database eller webside, som virksomheder bruger til at generere indtægter. Dataaktiver er nogle af de mest værdifulde aktiver Typer af aktiver Almindelige typer aktiver inkluderer løbende, langfristede, fysiske, immaterielle, driftsmæssige og ikke-operationelle. Korrekt identifikation og i teknologiens æra, og organisationer bruger milliarder af dollars på at administrere sådanne aktiver.

Dataaktiver

Vedligeholdelse af en virksomheds dataaktiver hjælper virksomheder med at forbedre den måde, de træffer beslutninger på, betjene kunder og generere nye indtægtsstrømme Indtægtsstrømme Indtægtsstrømme er de forskellige kilder, hvorfra en virksomhed tjener penge på salg af varer eller levering af tjenester. De typer indtægter, som en virksomhed registrerer på sine konti, afhænger af de typer aktiviteter, der udføres af virksomheden. Se kategorier og eksempler. De fleste teknologivirksomheder som Facebook, Google og Netflix er hovedsageligt afhængige af deres dataaktiver for at konstruere nye produkter, forbedre nuværende produkter og skabe bedre måder at give værdi til deres kunder.

Organisationer indsamler og gemmer data om forskellige begivenheder, oplysninger og transaktioner. Typisk gemmer de fleste organisationer data om deres kunders interesser, forbrugsadfærd, sociale medier, budgetter, strategiske planer Corporate Strategy Corporate Strategy fokuserer på, hvordan man styrer ressourcer, risiko og afkast på tværs af et firma, i modsætning til at se på konkurrencemæssige fordele i forretningsstrategi. osv. De indsamlede oplysninger styres og raffineres til brugbare oplysninger, der gør det muligt for organisationer at betjene deres kunder bedre og forblive konkurrencedygtige på markedet.

Sådan administreres dataaktiver

Følgende er nogle af måderne, som organisationer kan administrere deres dataaktiver effektivt på:

# 1. Reducer omkostningerne ved data

Mange organisationer Typer af organisationer Denne artikel om de forskellige typer organisationer udforsker de forskellige kategorier, som organisationsstrukturer kan falde i. Organisationsstrukturer har tendens til at gemme en masse data, der forbliver ubrugte det meste af tiden, hvilket resulterer i højere datahåndteringsomkostninger. Det koster også mere at gemme, beskytte og arkivere alle disse data, der forbliver inaktive i virksomheden. En organisation bør tage skridt til at reducere datahåndteringsomkostningerne ved at slette data, som virksomheden ikke længere har brug for (eller måske aldrig har brug for).

Også når man erhverver nye datasæt, bør en virksomhed kun investere i data, som de ikke har. Hvis de er nødt til at erhverve et nyt datasæt, som de allerede har, skal de ødelægge de gamle data. Dette hjælper med at reducere tilfælde af duplikatdata, der øger datalagringsomkostningerne.

# 2. Hent mere værdi fra eksisterende data

En anden måde, hvorpå en virksomhed kan administrere sine dataaktiver mere effektivt, er at finde nye måder at udlede værdi på baggrund af de data, de allerede har. For eksempel skal en virksomhed revurdere den værdi, den stammer fra eksisterende data, og afgøre, om der er andre måder, hvorpå den kan bruge dataene til at få mere værdi af dem. Det kan også overveje at gøre ting som at sælge dataene til tredjeparter for at tjene ekstra indtægter.

Et eksempel på en virksomhed, der tjener indtægter gennem sine data, er den Ohio-baserede købmandskæde, Kroger. Virksomheden sælger sine produktsalgsdata til producenter af emballerede varer og modtager cirka 100 millioner dollars om året fra denne ekstra indtægtsstrøm.

# 3. Databeholdning og sikkerhed

Korrekt datalagring og sikkerhed er afgørende for at sikre dataintegriteten. En virksomhed skal vedligeholde et katalog med alle de data, de ejer, sammen med en kort beskrivelse af dataene. Beskrivelsen skal angive, hvor dataene er gemt, hvornår de blev oprettet, og hvordan de bruges.

Dataene skal også være let tilgængelige for virksomhedens medarbejdere. Hvis de kræver tilladelser til at få adgang til dataene, bør der være en klar proces for at søge godkendelse. En virksomhed bør også beskytte dataintegriteten ved at begrænse adgangen til et valgt antal medarbejdere.

Dataaktiver

Hvad er et datalager?

Et datalager henviser til systemet, der lagrer store mængder værdifuld information, der bruges af en virksomhed. Det betragtes som en væsentlig komponent i business intelligence. Et datalager modtager typisk forskellige data fra flere kilder. Den gemmer både aktuelle og historiske data ét sted, hvilket gør det let at få adgang til dataene og generere analytiske rapporter, der bruges i beslutningsprocessen.

Flere trin følges normalt, når du opretter et datalager. Det første trin indebærer at udvinde store mængder data fra forskellige kilder og bringe dem til et enkelt indsamlingssted. De udpakkede data gennemgår derefter rensning for at kontrollere og rette eventuelle fejl med det formål at sikre, at de lagrede data er af høj kvalitet. Dataene konverteres derefter til et lagerformat for nem opbevaring og adgang.

De kompilerede data går derefter gennem sortering, opsummering og katalogisering, så det er lettere at bruge. Da en virksomhed opnår flere dataaktiver, opdaterer den lagerdataene for at holde dem opdaterede og nøjagtige. Dataene stilles til rådighed til brug af fagfolk til rapportering, markedsundersøgelser og beslutningstagning.

Bestemmelse af afkast på dataaktiver

Afkastet på dataaktiver måler en organisations evne til at generere indtægter fra dens datalager. Hvert år bruger virksomheder milliarder af dollars på software, computersystemer, procesautomatisering og datastyring. Afkastet på dataaktiver måler, hvor effektivt organisationen har formået at drage fordel af sine data.

Afkastet måles ved at evaluere indtægtslinjer, omkostningsreduktionsmekanismer eller nedlagt dårligt udførte divisioner. Virksomheder bestemmer overskuddet, der kan henføres til dataaktiver, ved at skabe visuelle repræsentationer, der viser nøgleindikatorer, tendenser og indtægtsstrømme, der kan udnyttes.

Yderligere ressourcer

Finance tilbyder Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-certificering Deltag i 350.600+ studerende, der arbejder for virksomheder som Amazon, JP Morgan og Ferrari-certificeringsprogram for dem, der ønsker at tage deres karriere til det næste niveau. For at fortsætte med at lære og fremme din karriere vil følgende finansressourcer være nyttige:

  • Datarum Datarum Et datarum er et sikkert sted, der bruges til at gemme privilegerede data, normalt til retssager eller fusioner og opkøbstransaktioner. Datalokaler bruges til lagring af dokumenter, fildeling, sikring af følsomme dokumenter og gennemførelse af finansielle transaktioner.
  • Datavalidering Datavalidering Datavalidering i Excel er et eksisterende og tilgængeligt værktøj til at sikre dataintegritet, mens man bygger en finansiel model. Selvom det kun er et let ekstra trin, er datavalidering i Excel et yderst nyttigt værktøj til at sikre dine modelindgange og -udgange.
  • Kildedokumenter Kildedokumenter Papirsporet af en virksomheds finansielle transaktioner kaldes regnskabsmæssigt kildedokumenter. Uanset om der skrives checks, der skal udbetales, salg foretages for at generere kvitteringer, faktureringsfakturaer sendes af leverandører, eller arbejdstid registreres på en medarbejders tidsark - alle de respektive dokumenter er kildedokumenter.
  • Typer af due diligence Typer af due diligence En af de vigtigste og langvarige processer i en M & A-aftale er due diligence. Processen med due diligence er noget, som køberen udfører for at bekræfte nøjagtigheden af ​​sælgerens krav. En potentiel M & A-aftale involverer flere typer due diligence.