كم تبلغ قيمة مجموعة بياناتك؟ 4 طرق لتقييم البيانات للذكاء الاصطناعي

في سوق الذكاء الاصطناعي المزدهر، تحولت البيانات من مجرد منتج ثانوي للعمليات إلى أصل أساسي في الميزانية العمومية. ومع ذلك، وعلى عكس السلع مثل النفط أو الذهب، تفتقر البيانات إلى سعر فوري موحد. يمكن تقييم مجموعة بيانات واحدة - على سبيل المثال، مجموعة من 50,000 سجل طبي مجهول الهوية - بمبلغ 10,000 دولار بناءً على تكلفة جمعها، ومع ذلك قد يتجاوز سعرها 250,000 دولار إذا كانت توفر "الحلقة المفقودة" لدقة الذكاء الاصطناعي التشخيصي. هذا التباين بمعامل 25 ليس شذوذاً؛ بل هو نتيجة لاستخدام عدسات تقييم مختلفة.

فجوة التقييم: لماذا لا يكون تسعير البيانات خطياً

تقييم البيانات هو أمر شخصي بطبيعته ويعتمد على السياق. بالنسبة لمالك البيانات، غالباً ما تتجذر القيمة في الجهد المبذول في الحصول عليها. بالنسبة للمشتري، تتجذر القيمة في المنفعة الحدية التي توفرها البيانات لنموذج معين. يتطلب سد هذه الفجوة نهجاً متعدد المنهجيات. لمزيد من التعمق في الأطر الرياضية، استشر دليلنا الشامل حول قيمة مجموعة البيانات وطرق تقييمها.

الطريقة 1: نهج تكلفة إعادة الإنشاء

تضع هذه الطريقة "الحد الأدنى" للتقييم. فهي تحسب إجمالي النفقات المطلوبة لجمع البيانات وتنظيفها وتصنيفها وتخزينها من الصفر. يشمل ذلك تكاليف العمالة لعلماء البيانات وتكاليف البنية التحتية للتخزين والحوسبة. على الرغم من كونها موضوعية، إلا أن هذه الطريقة غالباً ما تقلل من قيمة البيانات الفريدة أو التاريخية التي لا يمكن تكرارها. وللسياق، تم الكشف عن أن متوسط تكلفة اختراق البيانات - والذي يُستخدم غالباً كبديل لـ "قيمة الاستبدال" الأساسية لبيانات المؤسسات الحساسة - بلغ 4.45 مليون دولار عالمياً في عام 2023 (https://www.ibm.com/reports/data-breach).

الطريقة 2: مقارنات السوق والمعايير المرجعية

مع نضوج السوق الثانوية للبيانات، يمكننا النظر في المعاملات المعلنة لوضع معايير مرجعية. تبحث هذه الطريقة في أسعار بيع مجموعات البيانات المماثلة في الأشهر الأخيرة. لمعرفة كيفية تموضع الأصول المماثلة في السوق، تصفح كتالوج مجموعات البيانات على منصتنا. تشمل المعايير المرجعية البارزة الأخيرة ما يلي:

• محتوى وسائل التواصل الاجتماعي: تم الكشف عن صفقة ترخيص Reddit مع Google بمبلغ 60 مليون دولار تقريباً سنوياً (https://www.reuters.com/technology/reddit-ai-content-licensing-deal-with-google-sources-say-2024-02-22/).
• الأخبار والنصوص: تُقدر قيمة شراكة News Corp متعددة السنوات مع OpenAI بأكثر من 250 million دولار على مدى خمس سنوات (https://www.wsj.com/business/media/openai-news-corp-strike-content-deal-valued-at-over-250-million-07353903).
• الوسائط المرئية: أعلنت Shutterstock عن إيرادات معلنة بلغت 104 مليون دولار من ترخيص البيانات في عام 2023 وحده (https://investor.shutterstock.com/news-releases/news-release-details/shutterstock-reports-fourth-quarter-and-full-year-2023-financial).

الطريقة 3: التقييم القائم على الدخل والمنفعة

هذه هي الطريقة الأكثر جرأة وغالباً ما تكون الأكثر دقة للمشترين ذوي النوايا العالية. فهي تحسب صافي القيمة الحالية (NPV) للتدفقات النقدية المستقبلية المتوقع أن تولدها البيانات. إذا كانت مجموعة البيانات تعمل على تحسين دقة نموذج الصيانة التنبؤية بنسبة 5%، وكانت هذه الـ 5% تقلل من وقت التوقف التشغيلي بمقدار 1 مليون دولار سنوياً، فإن منفعة البيانات ترتبط مباشرة بذلك التوفير البالغ 1 مليون دولار. وفقاً لدراسة أجرتها EY، غالباً ما يتم تقييم الشركات القائمة على البيانات والتي تنجح في تسييل هذه المنافع بعلاوة تتراوح بين 15% إلى 20% مقارنة بنظرائها (https://www.ey.com/en_gl/strategy/how-to-value-your-data).

الطريقة 4: القيمة الاقتصادية المضافة (EVA) في أداء النموذج

في تدريب الذكاء الاصطناعي، غالباً ما تكون قيمة مجموعة البيانات لوغاريتمية. أول 1 مليون صف ذات قيمة، لكن الـ 1,000 صف التي تغطي "الحالات الحدية" (الأحداث النادرة) قد تساوي 100x أكثر. يستخدم المشترون "اختبار A/B" على النماذج: يقومون بتدريب نموذج بدون البيانات الجديدة، ثم معها. يحدد "الفرق" (Delta) في الأداء - المقاس بدرجة F1 أو الدقة أو الاستدعاء - السعر. إذا كانت بياناتك تحل مشكلة "البداية الباردة" لمنتج ذكاء اصطناعي جديد، فإن قيمتها تكون في ذروتها.

قائمة مرجعية: العوامل التي تضاعف قيمة البيانات

• الحصرية: هل البيانات متاحة في مكان آخر؟ البيانات العامة التي يتم جمعها من الويب لها قيمة حدية تقترب من الصفر؛ أما بيانات المستشعرات المملوكة فلها قيمة عالية.
• معدل الاضمحلال: هل تفقد البيانات قيمتها بمرور الوقت؟ تضمحل البيانات المالية في الوقت الفعلي في ثوانٍ؛ بينما تظل بيانات التصوير الطبي ذات صلة لعقود.
• الامتثال: هل البيانات "نظيفة" فيما يتعلق بـ GDPR أو قانون البيانات في الاتحاد الأوروبي (EU Data Act)؟ البيانات غير الممتثلة هي التزام، وليست أصلاً.
• الكثافة: هل تحتوي البيانات على معلومات ذات إشارة عالية أم أنها في الغالب ضجيج؟

ماذا يعني هذا بالنسبة لك

بالنسببة لمالكي البيانات، الهدف هو نقل الحوار من الطريقة 1 (التكلفة) إلى الطريقة 3 (الدخل). من خلال فهم حالات استخدام الذكاء الاصطناعي المحددة التي تتيحها بياناتك، يمكنك تبرير تقييم أعلى بـ 10x إلى 25x من تكاليف الاستحواذ الداخلية الخاصة بك. بالنسبة للمشترين، توفر الطريقة 4 (EVA) الانضباط اللازم لضمان عدم دفع مبالغ زائدة مقابل معلومات مكررة. سواء كنت تتطلع إلى إدراج أرشيف مملوك أو الحصول على مجموعة تدريب ذات إشارة عالية، توفر d-nvest طبقة الذكاء لسد فجوات التقييم هذه.