The purpose of this thesis is to explore how organizations can extract value from data and to propose a framework to systematically analyze data monetization business models. The study is supported by a research on Italian large enterprises. The ability to capture and store huge amounts of data has grown exponentially in recent years, changing the way businesses compete and operate. The explosion of data in terms of volume, velocity and variety is generally defined as big data. The usefulness and value of big data are strictly linked with analytics: methods and tools to discover meaningful patterns in data. Managing the data explosion is not easy and requires companies to define new roles and to cope with specific regulations. Nevertheless, in this context, the possibility to monetize data has become more achievable than in the past. Data are becoming a new type of asset that can be actioned to improve decision making, to increase operational efficiency and to generate additional revenue streams. As the value of data increases, organizations have the possibility to create new business models based on them. Italian enterprises are not waiting on the sidelines: in this thesis, we provide an overview of the maturity of the Italian analytics market, investigating the level of adoption and pervasiveness of big data systems, the main applications of big data technologies and the maturity of strategic and governance approaches to data management. We investigate the diffusion of data monetization practices in the Italian market and we analyzed a set of case studies of companies operating in different industries. Based on previous researches, we propose a framework to describe data monetization business models. The framework enriches literature on data monetization and can be used to support decision makers into the implementation of data monetization initiatives.

L’obiettivo di questa tesi è quello di approfondire come le imprese possano trarre profitto dai dati e proporre un modello per l’analisi sistematica dei business model di monetizzazione dei dati. Lo studio è supportato da una ricerca sulle grandi imprese Italiane. In questi ultimi anni, l’abilità di raccogliere e immagazzinare enormi quantità di dati, si è notevolmente affinata, trasformando il modo di operare e di competere delle aziende. L’esplosione dei dati in termini di volume, velocità e varietà è comunemente definito big data. L’utilità e il valore dei big data sono tuttavia strettamente legati agli analytics, ovvero l’insieme di metodi e strumenti per l’estrazione di informazioni significative dai dati. Gestire questa esplosione di dati non è facile e richiede la definizione di nuovi ruoli ed il rispetto di normative specifiche. In questo contesto, le possibilità di monetizzare i dati aumentano e diventano più realizzabili rispetto al passato. I dati stanno diventando un nuovo tipo di asset che può essere sfruttato per migliorare i processi decisionali, aumentare l’efficienza operativa e generare nuove fonti di ricavi. Le imprese italiane non rimangono inerti. In questa tesi forniamo un quadro generale della maturità del mercato italiano degli analytics, indagando il livello di adozione e pervasività dei sistemi big data, i principali ambiti di applicazione e la maturità degli approcci strategici e della gestione dei dati. Investighiamo la diffusione delle pratiche di monetizzazione dei dati e analizziamo un ventaglio di studi di caso relativi ad aziende italiane operanti in diversi settori di mercato. Basandoci sulle ricerche precedenti, proponiamo un modello per descrivere i business model di monetizzazione dei dati. Il modello arricchisce la letteratura e può essere usato per supportare i decisori nell’implementazione di iniziative di monetizzazione dei dati.

Data monetization in the big data era : evidence from the Italian market

FRANZETTI, ANDREA
2016/2017

Abstract

The purpose of this thesis is to explore how organizations can extract value from data and to propose a framework to systematically analyze data monetization business models. The study is supported by a research on Italian large enterprises. The ability to capture and store huge amounts of data has grown exponentially in recent years, changing the way businesses compete and operate. The explosion of data in terms of volume, velocity and variety is generally defined as big data. The usefulness and value of big data are strictly linked with analytics: methods and tools to discover meaningful patterns in data. Managing the data explosion is not easy and requires companies to define new roles and to cope with specific regulations. Nevertheless, in this context, the possibility to monetize data has become more achievable than in the past. Data are becoming a new type of asset that can be actioned to improve decision making, to increase operational efficiency and to generate additional revenue streams. As the value of data increases, organizations have the possibility to create new business models based on them. Italian enterprises are not waiting on the sidelines: in this thesis, we provide an overview of the maturity of the Italian analytics market, investigating the level of adoption and pervasiveness of big data systems, the main applications of big data technologies and the maturity of strategic and governance approaches to data management. We investigate the diffusion of data monetization practices in the Italian market and we analyzed a set of case studies of companies operating in different industries. Based on previous researches, we propose a framework to describe data monetization business models. The framework enriches literature on data monetization and can be used to support decision makers into the implementation of data monetization initiatives.
CURRIE, WENDY
GUINDANI, ILARIA
ING - Scuola di Ingegneria Industriale e dell'Informazione
28-apr-2017
2016/2017
L’obiettivo di questa tesi è quello di approfondire come le imprese possano trarre profitto dai dati e proporre un modello per l’analisi sistematica dei business model di monetizzazione dei dati. Lo studio è supportato da una ricerca sulle grandi imprese Italiane. In questi ultimi anni, l’abilità di raccogliere e immagazzinare enormi quantità di dati, si è notevolmente affinata, trasformando il modo di operare e di competere delle aziende. L’esplosione dei dati in termini di volume, velocità e varietà è comunemente definito big data. L’utilità e il valore dei big data sono tuttavia strettamente legati agli analytics, ovvero l’insieme di metodi e strumenti per l’estrazione di informazioni significative dai dati. Gestire questa esplosione di dati non è facile e richiede la definizione di nuovi ruoli ed il rispetto di normative specifiche. In questo contesto, le possibilità di monetizzare i dati aumentano e diventano più realizzabili rispetto al passato. I dati stanno diventando un nuovo tipo di asset che può essere sfruttato per migliorare i processi decisionali, aumentare l’efficienza operativa e generare nuove fonti di ricavi. Le imprese italiane non rimangono inerti. In questa tesi forniamo un quadro generale della maturità del mercato italiano degli analytics, indagando il livello di adozione e pervasività dei sistemi big data, i principali ambiti di applicazione e la maturità degli approcci strategici e della gestione dei dati. Investighiamo la diffusione delle pratiche di monetizzazione dei dati e analizziamo un ventaglio di studi di caso relativi ad aziende italiane operanti in diversi settori di mercato. Basandoci sulle ricerche precedenti, proponiamo un modello per descrivere i business model di monetizzazione dei dati. Il modello arricchisce la letteratura e può essere usato per supportare i decisori nell’implementazione di iniziative di monetizzazione dei dati.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
2017_04_Franzetti.pdf

solo utenti autorizzati dal 14/04/2018

Descrizione: Testo della tesi
Dimensione 2.53 MB
Formato Adobe PDF
2.53 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/133755