Vom Kunden generierte Daten in SaaS M&A: Eigentum, Zustimmung und Trennungswert

Einführung

SaaS Unternehmen bezeichnen Kundendaten häufig als strategischen Vermögenswert. Hinter der Phrase können sich mehrere unterschiedliche Vermögenswerte und Verpflichtungen verbergen. Ein Kunde kann Datensätze hochladen, Workflow-Ereignisse erstellen, Nutzungstelemetrie generieren, Supportmaterial einreichen, Geschäftsregeln konfigurieren und Ausgaben erstellen. Der Anbieter kann Metadaten, Benchmarks, Betrugssignale, Modellmerkmale und aggregierte Statistiken erstellen. Jede Ebene kann einen anderen vertraglichen Eigentümer, eine andere Datenschutzrolle, einen anderen technischen Standort, eine andere Aufbewahrungsregel und eine andere wirtschaftliche Funktion haben.

Transaktionsteams benötigen daher eine enger gefasste Frage als die Frage, ob das Ziel über wertvolle Daten verfügt. Sie müssen festlegen, welche Daten das Ziel kontrolliert, was es mit diesen Daten tun darf, welche vertraglichen Verpflichtungen die Übertragung oder Wiederverwendung einschränken, welche Produktfunktionen davon abhängen, was Kunden exportieren oder löschen können und welche Architektur bei der Trennung neu aufgebaut werden muss. Regulatorische Leitlinien für Fusionen und Übernahmen erfordern eine sorgfältige Prüfung der übertragenen Daten, ihrer ursprünglichen Zwecke, der Rechtsgrundlage, Transparenz und Sicherheit [1-7]. Das EU-Datengesetz fügt Verpflichtungen in Bezug auf Datenvermittlung, exportierbare Daten und Interoperabilität für Datenverarbeitungsdienste hinzu [14–16].

Das kommerzielle Problem ist ebenso wichtig. Historische Kundendaten können Onboarding, Empfehlungen, Anomalieerkennung oder Benchmarking verbessern. Es kann auch zu Konzentration, Modellabweichung, Gefährdung der Privatsphäre und Komplexität beim Wechseln führen. Eine Prognose, die von einer fortgesetzten Datennutzung ohne Prüfung der zugrunde liegenden Rechte ausgeht, kann Umsatz und Margen überbewerten. Eine Ausgliederung, bei der die Datenherkunft außer Acht gelassen wird, kann den Abschluss verzögern, Kunden stören und kostspielige Duplikate oder einen Reinraumumbau erforderlich machen.

Dieses Papier richtet sich an Vorstände, Gründer, Unternehmensentwicklungsteams, Private-Equity-Investoren, Kreditgeber, Produktleiter, Datenbeauftragte, Datenschutzberater, Technologieteams und Bewertungsspezialisten. Es bietet ein Transaktionsentscheidungssystem. Es werden keine Rechts-, Steuer-, Buchhaltungs-, Cybersicherheits- oder Bewertungsberatung angeboten. Qualifizierte Spezialisten sollten die tatsächlichen Verträge, Datenflüsse, Gerichtsbarkeiten, Systeme und Transaktionsstrukturen beurteilen.

1 Definieren Sie den Datenumfang, bevor Sie einen Wert zuweisen

Die erste Diligence-Ausgabe sollte ein Datenumfangsplan und kein allgemeiner Datenraumordner sein. Der Zeitplan sollte jeden Materialdatensatz, jede Quelle, jeden Kunden, jede Gerichtsbarkeit, jedes System, jede Feldklasse, jede betroffene Person, jeden Verantwortlichen, jeden Verarbeiter, jeden Unterauftragsverarbeiter, jeden Aufbewahrungszeitraum, jeden Exportpfad, jede Löschmethode und jede Produktabhängigkeit angeben. Es sollte Produktionsdaten von Backups, Protokollen, abgeleiteten Funktionen, Testumgebungen, Analysespeichern und Modellartefakten unterscheiden.

Die Wirtschaftseinheit ist nicht immer eine Datenbank. Eine Funktion kann von Ereignissen abhängen, die in mehreren Diensten stattfinden. Ein Benchmark erfordert möglicherweise eine kundenübergreifende Aggregation. Ein maschinelles Lernmodell kann statistische Informationen aus Trainingsdaten einbetten, ohne identifizierbare Quelldatensätze beizubehalten. Eine Kundenkonfiguration kann trotz ihres geringen Volumens kommerziell wichtig sein. Der Umfang sollte dem Produktergebnis und dem Verarbeitungszweck durch den technischen Stapel folgen.

Der Zeitplan sollte Daten auch nach Einschränkungen klassifizieren. Personenbezogene Daten, vertrauliche Geschäftsinformationen, regulierte Aufzeichnungen, exportkontrollierte Informationen, Zahlungsdaten und Daten, die branchenspezifischen Verpflichtungen unterliegen, erfordern unterschiedliche Kontrollen. Standort- und Übertragungsmechanismen spielen eine Rolle, wenn Daten zwischen verschiedenen Gerichtsbarkeiten übertragen werden. Sensible Klassen sollten auf Feld- und Workflow-Ebene identifiziert werden und nicht durch eine generische Bezeichnung, die auf die gesamte Plattform angewendet wird.

Vorgeschlagenes Sorgfaltsprotokoll; Rechtliche und regulatorische Schlussfolgerungen erfordern qualifizierte Berater.

Der Perimeter verhindert drei Bewertungsfehler: das Zählen von Daten, die der Verkäufer nicht übertragen kann, das Zählen doppelter oder veralteter Datensätze und das Ignorieren der für die Nutzung der Daten erforderlichen Betriebsmittel. Außerdem werden fehlende Beweise früh genug identifiziert, um sie noch vor der Unterzeichnung beheben zu können.

2 Unterscheiden Sie zwischen Eigentum, Kontrolle, Lizenz und zulässigem Zweck

In kommerziellen Verträgen wird häufig festgelegt, dass der Kunde Eigentümer der Kundendaten ist, dem Anbieter jedoch eine Lizenz zur Verarbeitung dieser Daten einräumt. Das Wort Eigentum beantwortet selten jede Transaktionsfrage. Die Lizenz kann auf die Bereitstellung des Dienstes beschränkt sein, eine Produktverbesserung ermöglichen, eine Aggregation ermöglichen oder mit der Vereinbarung enden. Vertraulichkeits-, geistiges Eigentums-, Datenschutz- und Löschungsbestimmungen können weitere Einschränkungen vorsehen. Eine Change-of-Control-Klausel, eine Abtretungsbeschränkung oder ein Kündigungsrecht des Kunden können die Kontinuität beeinträchtigen.

Die Rechteprüfung sollte vier Konzepte trennen. Das Eigentum bezieht sich auf den Titel, sofern das entsprechende Gesetz dies anerkennt. Kontrolle betrifft die praktische Autorität über Systeme und Verarbeitung. Bei der Lizenz handelt es sich um die vom Kunden oder einer anderen Partei erteilte vertragliche Erlaubnis. Der zulässige Zweck betrifft die spezifische Nutzung, die im Rahmen des Vertrags und des geltenden Rechts zulässig ist. Der Erwerber sollte den betrieblichen Besitz nicht als uneingeschränkte wirtschaftliche Kontrolle betrachten.

Definitionen erfordern eine genaue Lektüre. Kundendaten, Nutzungsdaten, Servicedaten, anonymisierte Daten, aggregierte Daten, Ausgabe und Feedback können sich überschneiden. Eine breite Definition abgeleiteter Daten kann durch Vertraulichkeits- oder Datenschutzverpflichtungen an anderer Stelle eingeschränkt werden. Produktbedingungen, Datenschutzhinweise, Datenverarbeitungsvereinbarungen, Sicherheitshinweise und Verkaufsvertretungen sollten in Einklang gebracht werden. Nebenabreden und ausgehandelte Unternehmensänderungen können zu kundenspezifischen Ausnahmen führen.

Vorgeschlagene Überprüfungsstruktur; Wortlaut und Durchsetzbarkeit sind vertrags- und gerichtsbarkeitsspezifisch.

Die Ausgabe sollte Rechte identifizieren, die einheitlich sind, Rechte, die je nach Vertrag variieren, und Rechte, die ungewiss bleiben. Der Umsatz sollte dem entsprechenden Vertragsformular zugeordnet werden. Dies zeigt, ob eine kleine Anzahl ausgehandelter Konten einen großen Anteil des datenbasierten Werts kontrolliert.

3 Datenschutzrollen, Rechtsgrundlagen und Transparenz in Einklang bringen

Aus personenbezogenen Daten entstehen Verpflichtungen, die mit Handelsverträgen einhergehen. Das Ziel kann als Auftragsverarbeiter für kundengesteuerte Arbeitsabläufe und Controller für Kontoverwaltung, Sicherheit, Abrechnung oder eigene Analysen fungieren. Der EDSA betont, dass sich die Rollen von Verantwortlichen und Auftragsverarbeitern an der faktischen Zuweisung von Zwecken und Mitteln orientieren und nicht nur an den Bezeichnungen [4-7]. Ein SaaS Anbieter, der Kundendaten für einen unabhängigen Zweck verwendet, kann über die Anweisungen des Kunden hinausgehen.

Das Diligence-Team sollte jeden Verarbeitungszweck der Rolle, der Rechtsgrundlage, der Mitteilung, der Aufbewahrungsfrist, den Empfängern, den internationalen Übermittlungen und dem Rechteverwaltungsprozess zuordnen. Die Einwilligung sollte dort geprüft werden, wo sie erforderlich ist; es muss der geltenden Norm entsprechen und entnahmefähig bleiben [8-10]. Bei der Beurteilung berechtigter Interessen sollten der Zweck, die Notwendigkeit und eine Abwägungsanalyse ermittelt werden. Die Vertragserforderlichkeit sollte an die gewünschte Dienstleistung gebunden sein und nicht an die allgemeine kommerzielle Zweckmäßigkeit.

M&A Die Sorgfaltspflicht selbst erfordert Kontrollen. Frühbieter benötigen selten uneingeschränkte Produktionsdaten. Der Verkäufer kann anonymisierte oder aggregierte Informationen, saubere Teams, abgestuften Zugriff, synthetische Datensätze und Schwärzung auf Feldebene nutzen. Das ICO empfiehlt Organisationen, während einer Fusion oder Übernahme festzustellen, welche Daten übertragen werden, welchen ursprünglichen Zweck sie haben, welche Rechtsgrundlage sie haben, welche Governance sie haben, welche Transparenz und welche Sicherheit sie haben [1-3].

Änderungen nach der Schließung sind wichtig. Durch die Kombination von Datensätzen, das Training eines neuen Modells oder die Einführung einer produktübergreifenden Personalisierung kann ein neuer Zweck geschaffen werden. Der Käufer sollte klären, ob bestehende Bekanntmachungen und Rechtsgrundlagen diese Nutzung abdecken und ob Kunden oder Einzelpersonen informiert werden müssen. Durch die Transaktion werden frühere Datenschutzversprechen nicht gelöscht. FTC-Materialien betonen ebenfalls die kontinuierliche Einhaltung der bei der Datenerhebung gemachten Zusicherungen [19–22].

Vorgeschlagenes Betriebsprotokoll; Rechtsgrundlagen und Schlussfolgerungen aus der Bekanntmachung erfordern eine gerichtsbarkeitsspezifische Analyse.

Die Privacy Map sollte in das Bewertungsmodell einfließen. Ein Anwendungsfall, der eine neue Einwilligung, Änderung oder Löschung durch den Kunden erfordert, hat eine andere Wahrscheinlichkeit, einen anderen Zeitpunkt und andere Kosten als eine etablierte zulässige Nutzung.

4 Verfolgen Sie die Datenherkunft durch das Produkt

Die Datenherkunft verbindet vertragliche Rechte mit tatsächlichem Verhalten. Es sollte Aufnahme, Validierung, Transformation, Speicherung, Feature-Generierung, Modelltraining, Inferenz, Ausgabe, Freigabe, Archivierung und Löschung anzeigen. In jedem Schritt sollten das System, das verantwortliche Team, die juristische Person, der Standort, der Unterauftragsverarbeiter und die Aufbewahrungskontrolle angegeben werden. Eine Grundsatzerklärung ohne technische Beweise bietet eine schwache Transaktionssicherheit.

Moderne SaaS Architektur erschwert die Abstammung. Daten können über Event-Busse, Observability-Plattformen, Data Warehouses, Support-Tools, Experimentiersysteme und Dienste von Drittanbietern AI übertragen werden. Nach dem Löschen aus der primären Anwendung können Kopien in Protokollen und Backups bestehen bleiben. Modellartefakte können Muster aufweisen, die einer gesonderten Bewertung bedürfen. Der Erwerber sollte Schemata, Infrastrukturaufzeichnungen, Code, Zugriffskontrollen und Löschtests prüfen.

Die Abstammung sollte auch eine Vermischung erkennen lassen. Mandantenfähige Systeme können einen effizienten Service bieten und die Trennung erschweren. Gemeinsam genutzte Feature-Stores oder aggregierte Modelle können Informationen von mehreren Kunden kombinieren. Eine Verkäuferausgliederung erfordert möglicherweise eine logische Aufteilung, eine Umschulung, die Zustimmung des Kunden oder einen fortlaufenden Service durch die Muttergesellschaft. Im Geschäftsumfang sollte angegeben werden, ob jeder Vermögenswert übertragen wird, verbleibt, dupliziert wird oder neu aufgebaut werden muss.

Die Vollständigkeit der Abstammungslinie kann anhand von Proben getestet werden. Wählen Sie hochwertige Kunden aus und verfolgen Sie repräsentative Datensätze von der Quelle bis zur Ausgabe und Löschung. Gleichen Sie den beobachteten Pfad mit Architekturdiagrammen, Verarbeitungsaufzeichnungen und Vertragsbedingungen ab. Ausnahmen sollten zu quantifizierten Abhilfemaßnahmen werden.

5 Messen Sie die Produktabhängigkeit und die Kundenergebnisse

Die Produktabhängigkeitskarte fragt, was fehlschlägt, wenn ein Datensatz verschwindet. Die Antwort kann von einem kleinen Analysebericht bis zum Kern-Workflow reichen. Die Teams sollten ermitteln, ob die historische Tiefe die Genauigkeit verbessert, die Implementierung verkürzt, Netzwerk-Benchmarks unterstützt, Betrug reduziert, die behördliche Berichterstattung unterstützt oder eine kundenspezifische Automatisierung schafft. Jede Abhängigkeit sollte mit messbaren Produkt- und Finanzergebnissen verknüpft sein.

Zu den Nachweisen können die Akzeptanz von Funktionen, der Abschluss von Arbeitsabläufen, die Zeitersparnis, die Fehlerreduzierung, die Modellleistung, die Erneuerung, die Erweiterung, das Supportvolumen und die Zahlungsbereitschaft gehören. Korrelation sollte nicht als Kausalität beschrieben werden. Kontrollierte Tests, Kohortenanalysen und Kundeninterviews können die Argumente untermauern. Das Team sollte konkurrierende Erklärungen wie Kontogröße, Implementierungsqualität oder Vertragsdauer erfassen.

Datenabhängigkeit kann auch zu Fragilität führen. Ein Produkt kann bei Neukunden eine schlechte Leistung erbringen, da es auf historischen Volumina basiert. Eine Benchmark kann von einigen wenigen Großkonten dominiert werden. Ein Modell kann sich verschlechtern, wenn ein Kunde Datensätze löscht oder seine Einwilligung ändert. Eine Drittanbieterplattform kann die Quelldaten kontrollieren. Diese Bedingungen wirken sich auf Skalierbarkeit und Konzentration aus.

Das Transaktionsmodell sollte vier Mechanismen unterscheiden: aktuelle Servicenotwendigkeit, Verbesserung der Einheitsökonomie, Unterstützung für Beibehaltung oder Erweiterung und Schaffung zukünftiger Optionen. Die aktuelle Notwendigkeit des Dienstes weist eindeutig darauf hin, dass das Entfernen der Daten eine vertraglich vereinbarte Lieferung verhindert. Der zukünftige Optionswert erfordert eine zusätzliche Wahrscheinlichkeitsgewichtung, da Produkt, Genehmigung und Nachfrage ungewiss bleiben.

Das Management sollte jedem in Anspruch genommenen Vorteil einen Evidenzgrad zuweisen. Klasse A kann geprüfte oder reproduzierbare Betriebsdaten erfordern. Note B kann eine kontrollierte interne Analyse widerspiegeln. Grad C kann einen beobachteten Zusammenhang widerspiegeln. Note D kann eine Roadmap-Behauptung widerspiegeln. Die Bewertung sollte nicht unterstützten Optionsnarrativen ein begrenztes Gewicht beimessen.

6 Testen Sie Datenqualität, Herkunft und Isolierung

Volumen hat ohne Qualität eine begrenzte Bedeutung. Ein hochwertiger Datenkorpus sollte relevant, genau genug für die Verwendung, zeitnah, vollständig, repräsentativ und auf eine autorisierte Quelle rückverfolgbar sein. Doppelte, veraltete oder fehlerhafte Datensätze können die Speicher- und Compliance-Kosten erhöhen und gleichzeitig die Produktleistung beeinträchtigen. Diligence sollte daher die Qualität nach Anwendungsfall profilieren, anstatt eine plattformweite Bewertung anzuwenden.

Die Provenienz legt fest, woher die Daten stammen, unter welcher Vereinbarung und durch welche Transformation. Es sollte einen Datensatz oder Datensatz mit einem Kunden, einer Erhebungsmethode, einem Hinweis, einem Zweck und einer Erlaubnis verknüpfen. Gekaufte, gecrackte, von Partnern bereitgestellte oder offene Daten erfordern eine separate Lizenzprüfung. Provenienzlücken können sich auf Modellschulungen, Produktansprüche und Übertragbarkeit auswirken.

Isolation misst, ob das Ziel die Daten eines Kunden identifizieren, exportieren und löschen kann, ohne andere zu beeinträchtigen. Dies ist wichtig für die Kündigung, die gesetzlichen Rechte, die Reaktion auf Vorfälle und die Durchführung von Ausgliederungen. Das Team sollte Mandantenkennungen, Zugriffsgrenzen, Backup-Wiederherstellung, Modelltrainingsausschlüsse und Löschüberprüfung testen. Ein dokumentiertes Verfahren sollte durch Betriebsnachweise gestützt werden.

Vorgeschlagene Scorecard; Schwellenwerte sollten den spezifischen Produkt- und Regulierungskontext widerspiegeln.

Qualitätsergebnisse sollten in Geld und Zeitaufwand umgesetzt werden. Für die Behebung sind möglicherweise Technik, Kundenkontakt, Umschulung, Lizenzgebühren, reduzierte Ansprüche, Löschung oder Funktionsverlust erforderlich. Das Modell soll identifizieren, welche Defekte heilbar sind und welche den Wert dauerhaft verringern.

7 Bewerten Sie Switching, Portabilität und Interoperabilität

Kundenausstiegsrechte beeinflussen die Kundenbindung und die Servicekosten. Das EU-Datengesetz legt Anforderungen fest, die für den Wechsel zwischen Datenverarbeitungsdiensten, Vertragsbedingungen, exportierbaren Daten, technischem Support und Interoperabilität relevant sind [14–16]. Die genaue Anwendung hängt von der Leistung und den Fakten ab. Das Diligence-Team sollte die geltenden Verpflichtungen abbilden und diese mit der Produktfähigkeit und dem Vertragstext vergleichen.

Portabilität hat mehrere Dimensionen: Datenformat, Schemadokumentation, Konfiguration, Metadaten, Identität, historische Ereignisse, Anhänge, Modellausgaben und Integrationsabhängigkeiten. Ein CSV-Export erfüllt möglicherweise einen engen Vertrag, ohne die funktionale Kontinuität zu gewährleisten. Der Käufer sollte tatsächliche Exporte mit repräsentativen Kunden testen und die Fertigstellungszeit, manuelle Eingriffe und fehlende Felder messen.

Wechselverpflichtungen können den künstlichen Lock-in reduzieren und die Entwicklungskosten erhöhen. Sie können auch das Produktvertrauen und die Unternehmensbereitschaft verbessern. Eine Plattform mit sauberen Exportschnittstellen, dokumentierten Schemata und zuverlässiger Löschung kann den Ausstieg von Kunden erleichtern, gleichzeitig regulierte Kunden gewinnen und das Streitrisiko verringern. Der kommerzielle Effekt sollte eher gemessen als angenommen werden.

Interoperabilität beeinflusst den Trennungswert. Standardschnittstellen und eine modulare Architektur können die Abhängigkeit von Übergangsdiensten verringern. Proprietäre Konnektoren, undokumentierte Transformationen und Identitätssysteme der Muttergesellschaft können dies erhöhen. Der Trennungsplan sollte rechtliche Portabilität von technischer Reproduzierbarkeit und betrieblicher Kontinuität unterscheiden.

Das Bewertungsmodell sollte die Ausstiegskosten, die Exportinfrastruktur, die Unterstützungslast und mögliche Retention-Effekte umfassen. Es sollte auch jede prognostizierte Prämie beseitigen, die von behindernden Wechselpraktiken abhängt, die nicht fortgesetzt werden können.

8 Erstellen Sie die Carve-out-Trennungsarchitektur

Eine Ausgliederung erfordert ein Zielbetriebsmodell für Daten am ersten Tag und am Ende des Übergangs. Jeder Datensatz und jedes System benötigt eine Disposition: übertragen, duplizieren, verbleiben, migrieren, archivieren, löschen oder neu erstellen. Der Plan sollte die rechtliche Autorität, die Kundenkommunikation, die technische Methode, die verantwortliche Partei, den Abnahmetest und den Fallback festlegen.

Die Trennung kann durch gemeinsame Identität, Abrechnung, Telemetrie, Data Warehouses, Sicherheitsvorgänge, Supportplattformen und Modellpipelines erschwert werden. Ein Elternteil kann Unternehmenslizenzen oder Verschlüsselungsschlüssel besitzen. Historische Daten können Aufzeichnungen sowohl aus dem ausgegliederten Geschäft als auch aus übernommenen Betrieben enthalten. Gemeinsam genutzte Algorithmen können geistiges Eigentum der Muttergesellschaft darstellen und hängen von den übertragenen Kundendaten ab.

Übergangsdienstvereinbarungen sollten Datenzugriff, Zweck, Sicherheit, Servicelevel, Reaktion auf Vorfälle, Prüfung, Unterauftragsverarbeiterkontrolle, Löschung, Export und Beendigungsunterstützung festlegen. Die Dauer sollte die Wiederherstellungsreihenfolge widerspiegeln. Ein niedriges Pauschalhonorar kann eine betriebliche Abhängigkeit verschleiern, wenn Meilensteine ​​und Akzeptanzkriterien vage bleiben.

Veranschaulichende Kostenkategorien; Die Beträge sollten auf einem getesteten System und Vertragsinventar basieren.

Kostenschätzungen sollten Eventualverbindlichkeiten berücksichtigen, die an die Qualität der Beweise gebunden sind. Ein System, das eine Testmigration abgeschlossen hat, verdient einen engeren Bereich als eines, das nur in einer Architekturfolie beschrieben wird.

9 Rekonstruieren Sie die Umsatz- und Retentionsabhängigkeit

Das Transaktionsteam sollte die Kundendatenrechte auf jährlich wiederkehrende Einnahmen, Bruttomarge, Erneuerung und Erweiterung abstimmen. Jeder Kunde oder jede Kohorte sollte mit seinem Vertragsformular, seinen Datenfunktionen, Produktmodulen, Export- oder Löschrechten und bekannten Streitigkeiten verknüpft sein. Dadurch entsteht ein Revenue-at-Risk-Plan.

Die Umsatzabhängigkeit unterscheidet sich vom Datenvolumen. Ein kleines reguliertes Konto kann komplexe Verpflichtungen mit sich bringen. Ein großer Datensatz kann zu einem kostenlosen Kontingent gehören. Das Modell sollte Cashflows nach vertraglicher Erlaubnis und Produktnotwendigkeit gewichten. Es sollte auch bereits erzielte Einnahmen vom prognostizierten Wachstum auf der Grundlage neuer Analysen, Benchmarks oder AI-Funktionen trennen.

Die Aufbewahrungsanalyse sollte testen, ob der Datenverlauf einen echten Workflow-Wert schafft. Kohorten können nach Amtszeit, Datentiefe, Funktionsübernahme und Wechselereignissen verglichen werden. Kundeninterviews können testen, ob historische Daten ein Grund für eine Erneuerung sind oder einfach nur mit einer reifen Beziehung einhergehen. Austrittsaufzeichnungen können Aufschluss darüber geben, ob Kunden erfolgreich migrieren können und warum sie abwandern.

Zu den Auswirkungen auf die Bruttomarge sollten Speicherung, Rechenleistung, Beobachtbarkeit, Sicherheit, Datenschutzvorgänge, Exportunterstützung und Löschung gehören. AI Funktionen können den Umsatz steigern und gleichzeitig die variablen Rechen- und Governance-Kosten erhöhen. Der Datenbeitrag sollte nach diesen Kosten gemessen werden.

Prognoseszenarien sollten vollständige Kontinuität, eingeschränkte Zweitnutzung, Löschung unsicherer Datensätze, Behebung durch Kundeneinwilligung, Verlust einer Benchmark-Kohorte und verzögerte Produkteinführung umfassen. Der Unterschied zwischen den Szenarien bietet einen nützlicheren Entscheidungsbereich als eine einzelne Datenprämie.

10 Schätzen Sie die Wiederbeschaffungs- und Trennungskosten

Bei den Wiederbeschaffungskosten geht es darum, was ein Marktteilnehmer ausgeben würde, um einen Vermögenswert mit gleichwertigem Nutzen, bereinigt um die Veralterung, wiederherzustellen. Dies kann relevant sein, wenn Kundendaten, Kennzeichnung, Bereinigung, Abstammung und Integration erheblichen Aufwand erfordern würden. Es stellt keinen wirtschaftlichen Wert dar, wenn der resultierende Vermögenswert keine Barmittel erwirtschaften kann oder wenn das Zielunternehmen nicht über Rechte zur Nutzung verfügt.

Der Aufbau kann die für die Generierung von Datensätzen erforderliche Kundenakquise, Aufnahmetechnik, Validierung, Transformation, Annotation, Governance, Sicherheit, Speicherung, Integration und Tests umfassen. Historische Ausgaben sollten um fehlgeschlagene Arbeiten, Ineffizienz und Technologieänderungen bereinigt werden. Bei der Schätzung sollten die Kosten für Rohdatensätze von den Kosten für ein funktionierendes Produktdatensystem unterschieden werden.

Die Trennungskosten sind ein anderes Maß. Es schätzt den Aufwand, der erforderlich ist, um das übertragene Unternehmen mit konformen, kontrollierten und betrieblich nutzbaren Daten zu versorgen. Dies kann Erkennung, Kundenbehebung, Migration, Shared-Service-Ersatz, Modellumschulung und TSA-Ausstieg umfassen. Der Käufer sollte vermeiden, Ersatz- und Trennungskosten hinzuzurechnen, wenn er die gleichen Arbeiten übernimmt.

Das Management geht im illustrativen Fall von einer Wiederbeschaffungskostenindikation von USD 11.6 million aus. Der Aufbau umfasst USD 3.0 million für Datengenerierung und Onboarding, USD 2.2 million für Engineering und Transformation, USD 1.8 million für Qualität und Herkunft, USD 1.5 million für Governance und Sicherheit, USD 2.1 million für Produktintegration und USD 1.0 million für Tests. Das Management geht von einem Trennungs- und Sanierungsaufwand in Höhe von USD 8.4 million aus. Diese Zahlen sind hypothetisch und stellen weder Matchpoint Partners noch Kundenergebnisse dar.

11 Entwickeln Sie Einkommens- und Mit-/Ohne-Daten-Szenarien

Der Einkommensansatz sollte Bargeld identifizieren, das der datengestützten Fähigkeit zuzuordnen ist, und nicht dem gesamten SaaS-Geschäft. Zu den relevanten Mechanismen können inkrementelle Einnahmen, verbesserte Kundenbindung, niedrigere Servicekosten, weniger Betrug, schnelleres Onboarding und vermiedene Kosten für Daten Dritter gehören. Jeder Mechanismus erfordert eine Ausgangslage und Beweise.

Eine Mit-und-Ohne-Analyse kann die Prognose mit zulässigen, nutzbaren Daten mit einem Szenario vergleichen, in dem umstrittene Rechte entfernt, Produktfunktionen neu aufgebaut oder Kundenberechtigungen verzögert werden. Die Cashflow-Differenz sollte Umsatz, Marge, Sanierung, Steuern, Investitionsausgaben und Betriebskapital widerspiegeln. Wahrscheinlichkeiten und Abzinsungssätze sollten das technische, rechtliche und kommerzielle Risiko widerspiegeln, ohne dieselbe Unsicherheit doppelt zu berücksichtigen.

Das Management geht davon aus, dass USD 64 million des jährlich wiederkehrenden Umsatzes, USD 13 million von EBITDA und 78 Prozent des jährlich wiederkehrenden Umsatzes wesentlich von den vom Kunden generierten Betriebsdaten abhängig sind. Verträge im Zusammenhang mit 24 Prozent des relevanten Korpus weisen unklare abgeleitete Datenformulierungen auf. Das Management geht davon aus, dass die Sanierung die Einführung eines neuen Benchmark-Produkts verzögert, die kurzfristige Expansion verringert und Kosten für die Kundenansprache verursacht. Die Angabe des risikoadjustierten Einkommens ist USD 31.2 million. Bei jeder Zahl handelt es sich um eine Managementannahme zur Veranschaulichung.

Das Ertragsergebnis sollte mit den Wiederbeschaffungskosten, den Trennungskosten und den Marktdaten abgeglichen werden. Ein Hinweis auf ein hohes Einkommen kann nicht unterstützt werden, wenn die Rechte ungewiss sind oder die Produktabhängigkeit gering ist. Hohe Wiederbeschaffungskosten können den erzielbaren Betrag übersteigen. Die abschließende Schlussfolgerung sollte die Gewichtung und die ungeklärten Beweise erläutern.

12 Gehen Sie sorgfältig mit Marktdaten und Buchhaltungsgrenzen um

Marktnachweise für Kundendaten sind selten direkt vergleichbar. Transaktionspreise umfassen in der Regel Software, Verträge, Personen, Marke, geistiges Eigentum und Wachstumsoptionen. In öffentlichen Beschreibungen werden selten Datenrechte, Qualität oder Trennungskosten offengelegt. Ein Umsatzmultiplikator sollte nicht ohne eine vertretbare Zuordnung in einen Datenmultiplikator umgewandelt werden.

Vergleichbare Beweise können immer noch Aufschluss über einen Korridor geben. Das Team kann Akquisitionen untersuchen, bei denen datenbasierte Produkte, Netzwerk-Benchmarks oder Workflow-Verläufe ausschlaggebend für die Begründung waren. Es sollte sich an wiederkehrenden Umsatz, Wachstum, Marge, Kundenbindung, Kundenkonzentration, Rechten, Regulierung, Produktreife und Transaktionsdatum anpassen. Das Ergebnis bleibt eine Plausibilitätsprüfung.

Buchhaltung und Transaktionsbewertung dienen unterschiedlichen Zwecken. Gemäß IFRS 3 sind identifizierbare erworbene Vermögenswerte getrennt vom Geschäfts- oder Firmenwert zu bilanzieren, wenn die entsprechenden Kriterien erfüllt sind. IAS 38 befasst sich mit identifizierbaren immateriellen Vermögenswerten, dem beizulegenden Zeitwert gemäß IFRS 13, Wertminderungen gemäß IAS 36 und Umsatzerlösen gemäß IFRS 15 [39-45]. Kundenbezogene Daten können mit Software, Kundenbeziehungen, Verträgen und Technologie interagieren. Die Rechnungseinheit und die Nutzungsdauer erfordern fachmännisches Ermessen.

Vorgeschlagene Versöhnung; Methodenauswahl und Gewichtung hängen von Evidenz und Zweck ab.

Im illustrativen Fall geht das Management von einem Marktkorridor von USD 24 million bis USD 40 million und einer evidenzgewichteten Indikation von USD 28.5 million aus. Die Gewichtung spiegelt die unsichere Sprache der abgeleiteten Daten, die Trennungskosten und die stärkeren Belege für die Nutzung von Kerndiensten wider. Die Schlussfolgerung ist hypothetisch.

13 Unsicherheit in Transaktionsbedingungen umwandeln

Bewertungsergebnisse sollten den Deal ändern. Eine Preisanpassung kann quantifizierte Trennungskosten widerspiegeln. Ein Einbehalt oder Treuhandkonto kann definierte Kundenansprüche oder Abhilfemaßnahmen abdecken. Earn-Outs können die Zahlung mit Einwilligung, Produkteinführung, Aufbewahrung oder verifizierter Datenmigration verknüpfen. Abschlussbedingungen können wesentliche Zustimmungen, abgeschlossene Exporte, Sicherheitsbehebungen oder die Lieferung von Abstammungsunterlagen erfordern.

Zusicherungen sollten sich mit Vertragsrechten, Datenschutzkonformität, Hinweisen, Datenquellen, Sicherheit, Vorfällen, Löschung, internationalen Übermittlungen, Unterauftragsverarbeitern und Modellschulungen befassen. Wissensqualifizierer, Wesentlichkeitsschwellenwerte, Überlebenszeit und Obergrenzen sollten dem Risiko entsprechen. Spezifische Entschädigungen können identifizierte Probleme beheben. Die Versicherung sollte auf Deckung, Ausschlüsse und Kontinuität überprüft werden.

Der Käufer sollte zwischen Unterzeichnung und Abschluss operative Vereinbarungen einholen. Diese können neue sekundäre Verwendungen, Änderungen der Datenschutzbestimmungen, die Löschung von Abstammungsdatensätzen, wesentliche Änderungen bei Unterauftragsverarbeitern und Änderungen an gemeinsam genutzten Systemen einschränken. Für eine Ausgliederung sind Kooperationsverpflichtungen, TSA-Details, Migrationsunterstützung und Akzeptanzkriterien erforderlich.

Anschauliche Deal-Tools; Die rechtliche Formulierung sollte die Transaktion und das geltende Recht widerspiegeln.

Begriffe sollten sich auf Beweise beziehen, die vorgelegt werden können. Eine vage Garantie über den Besitz aller Daten bietet begrenzten Schutz, wenn es sich bei der kommerziellen Angelegenheit um einen eng begrenzten zulässigen Zweck handelt. Der Zeitplan sollte das betroffene Korpus, den Umsatz, das Produkt und die Abhilfe identifizieren.

14 Bestimmen Sie den Datenwert durch Integration und Schlussfolgerung

Die Post-Close-Governance sollte mit der Unterzeichnung beginnen. Ein Datenwertausschuss kann Produkt-, Rechts-, Datenschutz-, Sicherheits-, Finanz-, Technik- und kommerzielle Eigentümer zusammenbringen. Seine erste Aufgabe besteht darin, Verpflichtungen einzuhalten und gleichzeitig das kombinierte Betriebsmodell zu validieren. Neue Nutzungen sollten Rechte-, Zweck-, Sicherheits-, Produkt- und Wirtschaftstore passieren.

Die ersten dreißig Tage sollten den Bestand sichern, nicht genehmigte Änderungen einfrieren, Unterauftragsverarbeiter bestätigen, Lösch- und Vorfallprozesse beibehalten und risikoreiche Verträge validieren. In den Tagen 31 bis 60 sollen Abstammungslücken geschlossen, Exporte getestet, mit der Kundenbehebung begonnen und Produktabhängigkeiten validiert werden. An den Tagen 61 bis 100 sollten die Proben zur Prioritätsmigration abgeschlossen, die Datenwert-Roadmap genehmigt und die Bewertung mit verifizierten Beweisen aktualisiert werden.

Die Vorstandsberichterstattung sollte die Rechteabdeckung, die Vollständigkeit der Datenherkunft, Kundenbehebung, Trennungsmeilensteine, Vorfälle, Exportleistung, Löschnachweise, Produktabhängigkeit, gefährdete Einnahmen und realisierten Wert verfolgen. Kennzahlen sollten verifizierte Ergebnisse von Managementannahmen unterscheiden. Durch eine vierteljährliche Neubewertung können Szenariogewichte aktualisiert werden, wenn sich Rechte, Produktnachweise und Kundenverhalten ändern.

Praktische Hinrichtungstore

Das Governance-System sollte über explizite Tore funktionieren. Das erste Tor bestätigt den Transaktionsumfang. Finanz-, Produkt-, Rechts- und Technikteams sollten vereinbaren, welche Einheiten, Kundenverträge, Anwendungen, Datensätze, Modelle, Lizenzen und Personen übertragen werden. Das Gate sollte jede Abhängigkeit vom Verkäufer, Affiliate oder Dritten identifizieren. Ein ungelöster Perimeter schwächt jede spätere Kosten- und Wertschlussfolgerung.

Das zweite Tor bestätigt die rechtliche und vertragliche Autorität. Der Anwalt sollte die Standardbedingungen und die Verträge überprüfen, die den größten Umsatz, die sensibelsten Daten und die wichtigsten Produktabhängigkeiten darstellen. Die Überprüfung sollte die Bestimmungen zu Abtretung, Kontrollwechsel, Vertraulichkeit, Datennutzung, Löschung, Prüfung, Sicherheit und Unterauftragsverarbeitern in Einklang bringen. Der Entscheidungsdatensatz sollte den jährlich wiederkehrenden Umsatz und den mit jeder Ausnahme verbundenen Datenbestand quantifizieren. Eine einfache Zählung der überprüften Verträge kann irreführend sein, wenn einige wenige ausgehandelte Kunden für die größte Präsenz sorgen.

Das dritte Tor bestätigt die technische Kontrolle. Die Technik sollte die Abstammung repräsentativer Datensätze, die Isolierung des Mandanten, die Zugriffskontrolle, den Export, das Löschen und die Wiederherstellung nachweisen. Die Demonstration sollte Live-Systeme, nachgelagerte Analysen und Backups umfassen. Produktbesitzer sollten zeigen, welche Funktionen ausfallen, sich verschlechtern oder ihre kommerzielle Relevanz verlieren, wenn ein Datensatz entfernt wird. Das Tor sollte Testnachweise, benannte Eigentümer und Sanierungsdaten vorlegen.

Das vierte Tor bestätigt die wirtschaftliche Zuschreibung. Die Finanzabteilung sollte Produktkennzahlen mit Abrechnungs-, Aufbewahrungs-, Expansions- und Kostenaufzeichnungen abgleichen. Das Team sollte erklären, warum die Daten einen wirtschaftlichen Effekt verursachen oder ermöglichen, und andere Variablen identifizieren. Wenn keine kausalen Beweise verfügbar sind, sollte das Modell einen konservativen Szenariobereich verwenden. Jede Bewertungseingabe sollte mit einem Beweisstück, einem Eigentümer und einem Datum verknüpft sein.

Das fünfte Tor bestätigt die Trennungs- bzw. Integrationsbereitschaft. Bei einer Migrationsprobe sollten Extraktion, Transformation, Laden, Abgleich, Kundenservice und Rollback getestet werden. Das Runbook sollte Ausfallzeiten, manuellen Aufwand, Datenverlust, Kontrollausnahmen und ungelöste Abhängigkeiten identifizieren. Meilensteine ​​für den Übergangsdienst sollten aus der getesteten Reihenfolge abgeleitet werden. Für den Abschluss sollte der Nachweis erforderlich sein, dass der Käufer das übertragene Unternehmen innerhalb der vereinbarten Kontrollumgebung betreiben kann.

Das sechste Tor bestätigt den Transaktionsschutz. Der Anlageausschuss sollte prüfen, wie sich jede wesentliche Unsicherheit auf den Preis, die Abschlussbedingungen, Vereinbarungen, Garantien, Freistellungen, Versicherungen, Treuhand-, Earn-Out- oder TSA-Bestimmungen auswirkt. Die Geschäftsbedingungen sollten ein objektives Verifizierungsereignis identifizieren. Ein allgemeiner Schutz bietet eine schwache Kontrolle, wenn die Gefährdung einen bestimmten Korpus, eine bestimmte Kundengruppe, ein bestimmtes Produktmodul oder eine bestimmte Systemabhängigkeit betrifft.

Ein kontrolliertes Beweisregister unterstützt diese Tore. In jedem Eintrag sollten die Frage, die angeforderten Beweise, die Quelle, das Datum, der Prüfer, die Schlussfolgerung, das finanzielle Risiko, die Abhilfemaßnahme, die Reaktion auf die Transaktion und das Restrisiko angegeben werden. Widersprüchliche Beweise sollten sichtbar bleiben. Managementannahmen sollten mit einem Zeitstempel versehen und zur Validierung zugewiesen werden. Juristische Gutachten, technische Tests und Bewertungsergebnisse sollten getrennt werden, damit die Verantwortung jedes einzelnen Spezialisten klar bleibt.

Die Kundenkommunikation verdient einen eigenen Plan. Einige Transaktionen erfordern eine Zustimmung oder Mitteilung. Andere behalten den Auftraggeber bei, während sie Systeme, Zwecke oder Unterauftragsverarbeiter ändern. Das Team sollte Kunden nach rechtlichen Anforderungen, vertraglicher Verpflichtung, kommerzieller Sensibilität und betrieblichen Auswirkungen klassifizieren. Die Nachrichten sollten die Servicekontinuität, den Datenschutz, den Support und alle erforderlichen Maßnahmen erläutern. Bei hochwertigen Konten sollten die Beziehungseigentümer und Ausweichpläne benannt sein.

Beim Integrationsdesign sollte eine Ausweitung der Datennutzung vermieden werden, nur weil zwei Unternehmen Systeme kombinieren können. Das kombinierte Unternehmen sollte den beabsichtigten Zweck, den Kundennutzen, die gesetzliche und vertragliche Autorität, die Mindestdaten, die Sicherheitskontrolle, die Aufbewahrung und messbare Wirtschaftlichkeit definieren, bevor eine neue Nutzung ermöglicht wird. Ein Pilot kann den Produktwert und die Betriebskosten mit einem begrenzten, genehmigten Korpus testen. Die vollständige Bereitstellung sollte nach Beweisen und der Genehmigung durch die Governance erfolgen.

Die gleiche Disziplin gilt für Funktionen der künstlichen Intelligenz. Trainingsdaten sollten mit Quelle, Erlaubnis, Vorverarbeitung, Modellversion und Bewertung verknüpft werden. Der Käufer sollte wissen, ob ein Modell ohne eingeschränkte Aufzeichnungen umgeschult werden kann, wie sich die Leistung ändert, ob Ausgaben vertrauliche Informationen preisgeben und welche Kundenverpflichtungen gelten. Die Modellbewertung sollte Genauigkeit, Robustheit, Voreingenommenheit, Datenschutz, Sicherheit und menschliche Aufsicht umfassen, die für den Anwendungsfall relevant sind. Ein Roadmap-Anspruch ohne ein zulässiges Schulungskorpus und ein getestetes Kundenergebnis sollte einen begrenzten Transaktionswert erhalten.

Die betriebliche Belastbarkeit sollte unter widrigen Bedingungen getestet werden. Zu den Szenarien können die Löschung von Daten durch einen Großkunden, der Verlust eines Unterauftragsverarbeiters, eine Unterbrechung der grenzüberschreitenden Übertragung, ein Sicherheitsvorfall während der Migration, der Ausfall eines gemeinsamen Identitätsdienstes und eine verzögerte Zustimmung des Kunden gehören. Der Vorstand sollte die Konsequenzen für Service, Bargeld, Kosten und Compliance sowie Wiederherstellungsmaßnahmen erkennen. Dies verbindet Daten-Governance mit Geschäftskontinuität und Finanzierungskapazität.

Finanzierungsakteure benötigen eine verwandte Sichtweise. Kreditgeber sollten verstehen, ob wiederkehrende Einnahmen von Datenrechten abhängen, die beendet werden können, ob ein Vorfall oder eine erzwungene Löschung die Vertragskapazität beeinträchtigen kann und ob Trennungsausgaben mit dem Schuldendienst konkurrieren. Aktieninvestoren sollten prüfen, welche datengestützten Wachstumsfälle Kundenanpassungen, behördliche Genehmigungen oder zusätzliche Produktinvestitionen erfordern. Das Diligence-Modell sollte daher Datenergebnisse mit Liquidität, Covenant-Spielraum und Kapitalanforderungen in zentralen und nachteiligen Fällen verbinden.

Das Integrationsbudget sollte die obligatorische Kontrollarbeit von diskretionären Wachstumsinvestitionen trennen. Zu den obligatorischen Arbeiten können Vertragsbehebung, Migration, Sicherheit, Löschung, Übertragungsmechanismen und TSA-Ausstieg gehören. Wachstumsinvestitionen können neue Benchmarks, produktübergreifende Analysen und AI Funktionen umfassen. Die Kombination beider Kategorien verschleiert die für einen sicheren Geschäftsbetrieb erforderlichen Barmittel zum Zeitpunkt des Abschlusses und kann dazu führen, dass eine strategische Option unvermeidbar erscheint. Der Vorstand sollte jeden Wachstumsfall genehmigen, nachdem die Genehmigungs-, Beweis- und Rückgabebedingungen erfüllt sind.

Die interne Revision oder eine unabhängige Prüfstelle kann überprüfen, ob die Kontrollen wie vorgesehen funktionieren. Die Stichprobe sollte hochwertige Kunden, sensible Daten, wichtige Unterauftragsverarbeiter und die wichtigsten datenbasierten Funktionen abdecken. Ausnahmen sollten nach Kunden-, regulatorischen, betrieblichen und finanziellen Konsequenzen abgestuft werden. Die Überprüfung sollte die Beweiskette testen und sich nicht nur auf Richtliniendokumente verlassen.

Schließlich sollte der Käufer eine Stoppregel festlegen. Eine Datennutzung sollte unterbrochen werden, wenn das erforderliche Recht, der Zweck, die Abstammung, die Sicherheitskontrolle oder das Kundenergebnis nicht innerhalb der genehmigten Risikoschwelle nachgewiesen werden kann. Die Stoppregel schützt die Transaktionsthese vor Optimismus nach Abschluss. Es schafft auch einen klaren Weg zur Behebung, Neugestaltung oder Entfernung aus dem Bewertungsfall.

Die Entscheidungsaufzeichnung sollte für zukünftige Prüfungen, Refinanzierungen, Kundensicherungen und Portfolioüberprüfungen verfügbar bleiben.

Das Beweisregister sollte nach dem Schließen aktiv bleiben. Verifizierte Erkenntnisse können Annahmen ersetzen, bedingte Gegenleistungen freigeben oder Abhilfemaßnahmen auslösen. Produkt- und Finanzteams können messen, ob die prognostizierten Vorteile realisiert werden. Datenschutz- und Sicherheitsteams können bestätigen, dass die Verarbeitung innerhalb genehmigter Zwecke bleibt. Der Vorstand kann einen Anwendungsfall stoppen oder neu gestalten, wenn die Beweise seinen Wert oder sein Kontrollprofil nicht mehr stützen.

Vom Kunden generierte Daten schaffen einen vertretbaren Transaktionswert, wenn vier Bedingungen übereinstimmen: Die Verwendung ist zulässig, die Daten sind kontrolliert und nachvollziehbar, der Produktnutzen ist nachgewiesen und die finanziellen Auswirkungen sind messbar. Die Bereitschaft zur Trennung ist Teil dieses Wertes, da ein Vermögenswert, der sich nicht ohne Unterbrechung bewegen kann, nur einen begrenzten übertragbaren Nutzen hat. Der zuverlässigste Transaktionsprozess folgt den Beweisen vom Vertrag und Zweck über die Abstammung und das Produkt bis hin zum Bargeld und wandelt dann verbleibende Unsicherheiten in Preis, Bedingungen und Governance um.

Quellen

1. Büro des britischen Informationskommissars, Sorgfaltspflicht bei der Weitergabe von Daten nach Fusionen und Übernahmen, Lesen Sie die Primärquelle
2. Büro des Informationskommissars des Vereinigten Königreichs, Verhaltenskodex für den Datenaustausch, Lesen Sie die Primärquelle
3. Büro des britischen Informationskommissars, Beratung zum Datenaustausch, Lesen Sie die Primärquelle
4. Europäischer Datenschutzausschuss, Leitlinien 07/2020 zu Verantwortlichkeits- und Auftragsverarbeiterkonzepten, Lesen Sie die Primärquelle
5. Europäischer Datenschutzausschuss, Leitlinien 2/2019 zu Artikel 6 Absatz 1 Buchstabe b, Lesen Sie die Primärquelle
6. Europäischer Datenschutzausschuss, Leitlinien 4/2019 zu Artikel 25, Lesen Sie die Primärquelle
7. Europäischer Datenschutzausschuss, Empfehlungen 01/2020 zu ergänzenden Übermittlungsmaßnahmen, Lesen Sie die Primärquelle
8. Europäischer Datenschutzausschuss, Leitlinien 05/2020 zur Einwilligung, Lesen Sie die Primärquelle
9. Europäischer Datenschutzausschuss, Leitlinien 8/2020 zur gezielten Ansprache von Social-Media-Nutzern, Lesen Sie die Primärquelle
10. Europäischer Datenschutzausschuss, Stellungnahme 28/2024 zu AI-Modellen, Lesen Sie die Primärquelle
11. Europäische Union, Verordnung (EU) 2016/679 Datenschutz-Grundverordnung, Lesen Sie die Primärquelle
12. Britische Regierung, Datenschutzgesetz 2018, Lesen Sie die Primärquelle
13. Büro des britischen Informationskommissars, Leitfaden für das Vereinigte Königreich GDPR, Lesen Sie die Primärquelle
14. Europäische Union, Verordnung (EU) 2023/2854 Datengesetz, Lesen Sie die Primärquelle
15. Europäische Kommission, Datengesetz erklärt, Lesen Sie die Primärquelle
16. Europäische Kommission, Wechsel zwischen Cloud- und Edge-Diensten, Lesen Sie die Primärquelle
17. Europäische Union, Verordnung (EU) 2022/868 Data Governance Act, Lesen Sie die Primärquelle
18. Europäische Union, Verordnung (EU) 2022/1925 Digital Markets Act, Lesen Sie die Primärquelle
19. Datenschutzverpflichtungen der US Federal Trade Commission, Facebook und WhatsApp, Lesen Sie die Primärquelle
20. US Federal Trade Commission, Datenschutzversprechen haben Vorrang, Lesen Sie die Primärquelle
21. US Federal Trade Commission, AI Unternehmen: Datenschutz- und Vertraulichkeitsverpflichtungen einhalten, Lesen Sie die Primärquelle
22. US Federal Trade Commission, 23andMe Insolvenz-Auswirkungsschreiben, Lesen Sie die Primärquelle
23. Kalifornische Gesetzgebung, California Consumer Privacy Act, Lesen Sie die Primärquelle
24. California Privacy Protection Agency, CCPA-Bestimmungen, Lesen Sie die Primärquelle
25. US-Justizministerium und Federal Trade Commission, Fusionsrichtlinien 2023, Lesen Sie die Primärquelle
26. Europäische Kommission, Leitlinien zu den Durchsetzungsprioritäten von Artikel 102 AEUV, Lesen Sie die Primärquelle
27. NIST, Datenschutzrahmen, Lesen Sie die Primärquelle
28. NIST, Cybersecurity Framework 2.0, Lesen Sie die Primärquelle
29. NIST, AI Risikomanagement-Framework, Lesen Sie die Primärquelle
30. NIST, Privacy Engineering Program, Lesen Sie die Primärquelle
31. OECD, Verbesserung des Zugangs zu und der gemeinsamen Nutzung von Daten, Lesen Sie die Primärquelle
32. OECD, Datengesteuerte Innovation, Lesen Sie die Primärquelle
33. OECD, Empfehlung zur Verbesserung des Zugangs zu und der gemeinsamen Nutzung von Daten, Lesen Sie die Primärquelle
34. OECD, Digitales Sicherheitsrisikomanagement für wirtschaftlichen und sozialen Wohlstand, Lesen Sie die Primärquelle
35. Weltorganisation für geistiges Eigentum, Geistiges Eigentum und Daten, Lesen Sie die Primärquelle
36. Weltorganisation für geistiges Eigentum, Bewertung geistigen Eigentums, Lesen Sie die Primärquelle
37. Internationale Organisation für Normung, ISO/IEC 27001 Informationssicherheit, Lesen Sie die Primärquelle
38. Internationale Organisation für Normung, ISO/IEC 27701 Datenschutz-Informationsmanagement, Lesen Sie die Primärquelle
39. IFRS-Stiftung, IFRS 3 Unternehmenszusammenschlüsse, Lesen Sie die Primärquelle
40. IFRS-Stiftung, IAS 38 Immaterielle Vermögenswerte, Lesen Sie die Primärquelle
41. IFRS-Stiftung, IFRS 13 Bemessung des beizulegenden Zeitwerts, Lesen Sie die Primärquelle
42. IFRS-Stiftung, IAS 36 Wertminderung von Vermögenswerten, Lesen Sie die Primärquelle
43. IFRS-Stiftung, IFRS 15 Erlöse aus Verträgen mit Kunden, Lesen Sie die Primärquelle
44. International Valuation Standards Council, IVS 210 Immaterielle Vermögenswerte, Lesen Sie die Primärquelle
45. Financial Accounting Standards Board, Unternehmenszusammenschlüsse, Thema 805, Lesen Sie die Primärquelle
46. Europäische Kommission, Standardvertragsklauseln, Lesen Sie die Primärquelle
47. Europäische Kommission, EU-US-Datenschutzrahmen, Lesen Sie die Primärquelle
48. Büro des britischen Informationskommissars, Anonymisierung, Pseudonymisierung und Technologien zur Verbesserung der Privatsphäre, Lesen Sie die Primärquelle
49. Büro des Informationskommissars des Vereinigten Königreichs, Verträge und Verbindlichkeiten zwischen Verantwortlichen und Auftragsverarbeitern, Lesen Sie die Primärquelle
50. Agentur für Cybersicherheit und Infrastruktursicherheit, Secure by Design, Lesen Sie die Primärquelle