Valuing data for social impact: the case of cross-sectoral data sharing between corporations and social enterprises

Companies are increasingly recognizing the value of their data, not only for supporting business operations, but also to deliver positive social impact. Over the last years, Data for Good initiatives have grown, ranging from data philanthropy to data collaboratives. However, while companies keep collecting huge quantities of data, they still are not being shared or traded openly and transparently on a large scale. Data for Good is often limited to sporadic, temporary and voluntary initiatives in which data are donated to address urgent societal challenges with high public visibility. One of the foremost challenges to scaling is represented by data evaluation. While there is broad consensus that data is fundamental to drive innovation and economic growth, there is little consensus about how to quantify the value of data. This thesis aims to address this challenge with two main objectives: first, to investigate how organizations across sectors, specifically private companies and social economy actors, approach data valuation; and second, to propose a methodological framework that guides organizations in selecting suitable data valuation methods based on specific data-sharing conditions. The empirical research is based on the analysis of two real-world case studies of data sharing between corporations and social enterprises. Semi-structured interviews were conducted to understand organizations’ approach to data evaluation, and factors influencing it. The findings demonstrate, from a practical perspective, the difficulty in clearly defining criteria to attribute value to data. The emergent nature and the complexity of this field minimized structural differences in data valuation approaches between traditional for-profit companies and social enterprises. However, a clear tendency emerged to evaluate shared data by considering the specific conditions of the exchange, such as the scope of the data sharing and the partnership type. In conclusion, this thesis contributes to research on the topic by highlighting the practical perspectives of organizations on data evaluation and providing a framework to guide them in selecting suitable valuation methods for diverse data sharing contexts.

Le aziende sono sempre più consapevoli del valore dei propri dati, non solo per supportare le operazioni aziendali, ma anche per generare impatto sociale. Negli ultimi anni, le iniziative di Data for Good sono aumentate, dalla filantropia alle collaborazioni di dati. Tuttavia, sebbene le aziende raccolgano enormi quantità di dati, questi non vengono condivisi o scambiati su larga scala in modo aperto e trasparente. Le iniziative di Data for Good sono spesso limitate a progetti sporadici, temporanei e volontari, con dati donati per affrontare sfide sociali urgenti e di grande visibilità. Una delle principali sfide per la scalabilità è rappresentata dalla valutazione dei dati. Sebbene ci sia condivisione sull’importanza dei dati per guidare l'innovazione e la crescita economica, c’è poco consenso su come quantificarne il valore. Questa tesi si propone di affrontare tale sfida con due obiettivi principali: primo, indagare come le organizzazioni appartenenti a settori diversi, in particolare aziende private e attori dell'economia sociale, approcciano la valutazione dei dati; secondo, proporre un quadro metodologico che guidi le organizzazioni nella selezione di metodi di valutazione dei dati più appropriati in base alle specifiche condizioni dello scambio di dati. La ricerca empirica si basa sull'analisi di due casi studio reali di condivisione dei dati tra aziende e imprese sociali. Sono state condotte interviste semi-strutturate per comprendere l'approccio delle organizzazioni alla valutazione dei dati e i fattori che la influenzano. I risultati dimostrano, da una prospettiva pratica, le difficoltà nel definire chiaramente i criteri per attribuire valore ai dati. La natura emergente e la complessità di questo ambito hanno reso meno evidenti le differenze strutturali negli approcci di valutazione dei dati tra i due tipi di aziende. Tuttavia, è emersa chiaramente una tendenza ad includere nella valutazione del dato scambiato le specifiche condizioni dello scambio, come lo scopo della condivisione e il tipo di collaborazione. In conclusione, questa tesi contribuisce alla ricerca sull'argomento evidenziando le prospettive pratiche delle organizzazioni sulla valutazione dei dati e fornendo un quadro metodologico per guidarle nella selezione di metodi di valutazione adeguati in diversi contesti di condivisione dei dati.