La monétisation de donnée nouvelle source de profit pour les entreprises

En revanche, le séquencement de ces démarches « Big Data » qui a mis le stockage avant les usages peut mettre en difficulté l’identification de nouveaux besoins et la définition d’une stratégie pérenne. La donnée doit rester la promesse d’une efficacité accrue, de l’identification de nouvelles opportunités et le développement de nouveaux produits à forts potentiels de profits.

Comment faire pour donner de la cohérence et valoriser cette donnée ?

Certaines organisations ont fait de la data leur business model. On prend notamment pour exemple Météo France qui est amené à revendre ses données météorologiques et ses prédictions aux entreprises. En revanche, toutes les entreprises ne peuvent pas s’inscrire dans ce modèle.

L’idée est donc d’ajouter une réflexion intégrant la Data dans le développement de nouveaux produits en considérant celle-ci comme un « sous-produit » (ou by product) de la chaîne de valeur. Cette mécanique de sous-produit existe déjà dans l’industrie pétrolière avec la revente de l’hydrogène produit dans le cadre des activités de raffinage du pétrole. Il faut dons l’appliquer autour de la donnée.

Cette monétisation peut prendre deux formes différentes :

• Soit la revente directe des données brutes d’une organisation à un tiers. Même si le système de Cookies tiers évolue en ce moment, on peut citer le comparateur d’assurance fr ou encore l’application WeWard qui partage vos données de géolocalisation. On peut donc imaginer des transporteurs automobiles envoyant ses données à une application pour évaluer la congestion des axes de transport.
• Soit la revente des analyses issues des données d’une organisation à un tiers : dans ce cas on peut citer Instacart, qui partage les tendances d’achat avec ses clients détaillants. Cette place de marché dispose de plus de 500 millions de produits dans son catalogue, provenant de plus de 40 000 magasins, dans plus de 5 500 villes.

Si cette opportunité peut paraître intéressante, les contre-arguments souvent mis en avant sont les suivant :

• Les entreprises trouvent que la solution est techniquement trop compliquée : il faut extraire les données de ses sources, développer des APIs pour les mettre à disposition et maintenir ces appels
• Avant de se lancer dans un tel projet, il faut également savoir quelles sont les données sont partageables
• Surtout, les entreprises ne veulent pas donner un avantage aux concurrents

Différentes démarches sont mises en avant. En synthèse, les étapes suivantes semblent requises :

• Déterminer les données potentielles : le point de départ sera de se demander quelles sont les données le plus souvent utilisées au sein de l'entreprise. Cela permettra de deviner les données qui seront le plus souvent demandées par les autres entreprises.
• Définition des sources de données: pour cette étape, les personnes les plus au contact de la donnée seront à solliciter. Les data scientists et data analystes seront normalement en mesure de définir les sources fiables et de bonne qualité pour obtenir vos données.
• Définition des formats : en fonction de la confidentialité des données et de la capacité des développeurs, différents formats seront à privilégier, cela peut être des données brutes comme des données analytiques.
• Déterminer le prix de cette donnée: une approche itérative est ici à privilégier. Elle peut prendre comme valeur initiale le gain supposé de cette donnée (par exemple, le gain en taux de conversion apporté sur une campagne marketing par des données de vente). Ensuite, ce montant pourra être précisé en fonction de la demande.
• Déterminer sa stratégie de recherche de client. Les entreprises peuvent :
  • Rechercher elle-même leur client, une opération complexe à conduire seule
  • Faire appel à un courtier en donnée (ou data broker) qui se chargera de trouver un client
  • Annoncer publiquement sa volonté de partage de donnée, en mettant en ligne son offre sur une data marketplace.

Une fois le tiers retenu, différentes solutions techniques se présentent :

• Les entreprises peuvent choisir de contractualiser entre elles : une fois qu’une entreprise a trouvé un client, elle peut décider de mettre en place des flux de données spécifiques issus de leur plateforme. Les DSI devront donc travailler de concert pour :
  • Définir et développer ces flux
  • Garantir la MCO de ces flux
  • Contrôler et garantir la qualité de la donnée

Ces taches peuvent alors apparaître longues et rapidement sources de soucis pour les DSI, déjà suffisamment sollicitées par leurs activités internes. Par ailleurs, elles conduisent souvent à avoir une redondance de données entre les SI des deux organisations.

• Utiliser un intermédiaire, qui prendra en charge le développement et la mise en place de ce flux.

Sur ce dernier point, le cloud apporte de larges promesses. L’idée de certaines entreprises, comme Snowflake ou Alteryx, est de proposer :

• Un « marché de la donnée » où chaque client du cloud partage ses données. En fonction des restrictions établies, les visiteurs vont pouvoir télécharger la donnée, la dupliquer ou requêter directement dans la base de données.
• En plus de cela, ces acteurs proposent, via son module data exchange, de centraliser les tâches d’extraction, de nettoyage et de chargement. Le développement de tels flux sur ce module peut être pris en charge par des entreprises du conseil de l’informatique.

Si la croissance du cloud se confirme comme actuellement, il est donc raisonnable de penser que les échanges de données entre entreprises vont se multiplier, tout autant que les profits générés par la revente des données mais également par le développement de nouveaux cas d’usage.