VALORISER ET MONÉTISER LES DONNÉES POUR OPTIMISER LA PERFORMANCE

Navigation sur internet, formulaires, achats, capteurs embarqués dans des objets ou des revêtements, … : les occasions de capter des données se sont multipliées ces dernières années. En effet, selon IBM, 90% des données mondiales ont été créées au cours des deux dernières années (soit 2,5 quintillions de bytes de données par jour).

Cet ensemble de données, regroupées sous le terme « Big Data », comporte des informations potentiellement disparates, hétérogènes et difficilement exploitables au sein de systèmes d’information classiques. En effet, toujours selon IBM, plus de 80 % des données générées aujourd’hui sont non structurées et donc inexploitables en l’état.

L’enjeu, pour les entreprises, est donc d’être en mesure de stocker, d’exploiter et au bout du compte de valoriser efficacement cette masse d’informations.

Nous voyons apparaitre une multiplication de technologies innovantes optimisant la collecte, le stockage et l’exploitation des données. De nombreux éditeurs ont déjà développé les briques applicatives couvrant l’ensemble des fonctionnalités précitées. Dans cet écosystème, nous observons la présence d’éditeurs historiques (Oracle, SAP, IBM, Google,…), de nouveaux entrants (Talend, Teradata,...) mais également de plateformes dédiées au traitement de la donnée (Hadoop pour n’en citer qu’une).

Selon Gartner, le marché de la Business Intelligence et des analyses de données a atteint une valeur colossale de 18,3 milliards de dollars en 2017 (en hausse de 7,3% par rapport à 2016). En 2016, le taux d’équipement des solutions de BI sur le cloud était de 43% (soit une augmentation de 29% en 3 ans).

Les transformations technologiques autour du traitement de la donnée sont un vrai levier d’amélioration de la performance opérationnelle et financière, à même d’orienter les décisions stratégiques et organisationnelles pour créer de la valeur. Une des difficultés, en revanche, est de savoir exactement quels types de données sont récupérés, pourquoi et d’avoir un aperçu global de la situation. Des informations manquantes ou incomplètes peuvent mener à des interprétations erronées. Comprendre pourquoi, comment et quand un ensemble de données a été collecté pourra aider l’entreprise à l’interpréter plus précisément et éviter les écueils.

Pour bien appréhender les enjeux liés à l’exploitation de la donnée, il est important de bien distinguer la monétisation et la valorisation des données.

Dans un premier temps, dans un souci de « vulgarisation » du sujet, il est possible de résumer la problématique de la manière suivante :

À l’heure de l’open-data, de l’émergence des partenariats d’échange ou de monétisation des données, le marché de la donnée ne peut plus être négligé. Il devient un sujet central pour l’entreprise dans la mesure où la donnée produite devient un actif dont la valeur peut, par définition, s’apprécier ou se déprécier.

Cependant, pour monétiser la donnée, encore faut-il que cette dernière soit de qualité. En effet à l’état brut, n’étant pas structurée, la donnée n’est que faiblement monétisable.

Monétisation des données

En premier lieu, il est important de bien valider le degré d’ouverture optimal sur le marché :

• Rétention totale d’information ?
• Données ouvertes uniquement à des partenaires de confiance ?
• Ouverture gratuite des données (open-data) ?
• Monétisation des données sur le marché ?

Historiquement, les acteurs dits de « la nouvelle économie » ont toujours intégré la monétisation des données collectées dans leur business model :

• Ventes de fichiers d’adresses e-mail
• Ventes de profils consommateurs
• Ciblage publicitaire sur les réseaux sociaux
• Etc …

Pour certains secteurs, comme le transport et les administrations, le législateur a organisé la libéralisation des données : mise à disposition des données structurées en open-data.

Les évolutions du cadre règlementaire (RGPD) et les attentes de sociétés clientes nous obligent à travailler la donnée de manière plus fine. La stratégie retenue doit être pensée en fonction de chaque type de données et des objectifs qui lui sont liés.

Ensuite, il est nécessaire de définir une stratégie de pricing pertinente au regard des enjeux qui reposent sur une combinaison de critères de valorisation :

Des plateformes existent sur le marché pour valoriser la donnée et obtenir le pricing le plus adapté.

Enfin, il est nécessaire de bien appréhender le coût global de mise à disposition de la donnée pour s’assurer que l’opération soit rentable : couvrir le risque de valeur marchande de la donnée inférieure aux coûts de traitement (infrastructures, BI, data-visualisation) et de commercialisation.

Il est donc important de suivre en temps réel l’équation coûts / gains potentiels et le degré d’ouverture, pour le cas échéant changer sa stratégie de monétisation de la donnée, a fortiori dans un contexte de renforcement du cadre règlementaire en matière de traitement des données personnelles.

La valorisation des données internes

Comme évoqué en préambule, la valorisation des données doit aider l’entreprise dans l’optimisation des processus.

Nombre de données sont restées longtemps enfermées dans des référentiels peu ou pas communicants, que ce soit par les solutions qui les hébergent, ou par la volonté de contrôler fortement leurs utilisations. Le maintien en situation de silos est effectivement justifié sur certains référentiels confidentiels, mais se justifie de moins en moins pour des référentiels permettant la collaboration entre les différentes entités d’une organisation.

Valoriser ses données internes c’est en premier lieu formaliser la gouvernance de cette même donnée : clarifier les rôles et responsabilités des producteurs de la donnée et définir les moyens d’archivage et de traitement de cette donnée pour finalement la rendre utilisable par les clients internes. Dans un second temps, il est nécessaire de réaliser un classement des données collectées ou produites (par typologie ou par catégorie par exemple).

La valorisation des données externes

En complément des données internes, un certain nombre de données externes, payantes ou non, peuvent être captées pour affiner l’approche. Les données externes vont permettre d’enrichir l’analyse et/ou de garantir la pertinence des données : celles-ci permettent d’enrichir de manière qualitative le pilotage de la performance, sous réserve que les conditions évoquées en amont dans cet article soient respectées.

Pour ce faire, il est possible de s’appuyer sur :

• Des plateformes de ventes de données (Dawex pour n’en citer qu’une) permettent aux entreprises d’acheter des données de toutes sortes.
• Des plateformes d’open-data : Acxiom (données marketing), Experian (données de crédits), Equifax (données d’assurances), Corelogic (données immobilières).

Les retombées positives d’une mise à disposition gratuite et le moindre degré d’exigence consommateur associé peuvent être des facteurs faisant pencher la balance vers de l’open-data.

La donnée s’enrichit tout en se structurant, les marchés se créent et les entreprises s’adaptent à ce bouleversement digital. Ainsi, les cas d’usage se multiplient, avec une accélération du mouvement de plus en plus forte à prévoir dans les années à venir.

Concrètement, de nombreux cas d’usage restent à construire mais des initiatives déjà très concrètes existent pour les entreprises traitant de la donnée sur l’ensemble de la chaine de valeur de la finance d’entreprise. Des grandes finalités adressées au travers d’exemples concrets :

Comme expliqué dans cet article, le socle technologique permettant de capturer la donnée et de passer du Big au Smart Data est prêt.

Puissants, faciles à prendre en main et à déployer, les outils disponibles (des data-lakes à la data-visualisation en passant par les plateformes d’échange) permettent de capter, structurer, analyser, restituer et, in fine, valoriser la donnée.

Pour autant, certains préalables doivent être traités afin que les données servent pleinement à l’entreprise et à son pilotage, au rang desquels figurent en haut de la liste la sécurité des données et la notion de propriété. Le législateur, conscient de la problématique et des dérives possibles, encadrera à l’avenir de plus en plus les flux d’information. À ce titre, le RGPD déjà cité plus haut n’est probablement pas la dernière concrétisation de ce cadre normatif. L’enjeu de la protection de la donnée ne doit pas pour autant être vu comme un frein à la libéralisation ou l’ultra libéralisation de la donnée mais comme une étape indispensable. Car sans confiance de la part du grand public, de ses clients ou de ses partenaires économiques quant à la sécurité des données confiées, l’utilisation de ces dernières ne peut qu’être mal perçue et contre-productive.

Autres acteurs conscients de la donnée et de son importance, les individus, clients et consommateurs eux-mêmes. Pour preuve, la tribune du Monde de février 2018, au titre plus qu’évocateur : « Nos « données personnelles » nous appartiennent : monétisons-les ! ». Dans le futur, il est possible que la donnée ne s’acquière plus systématiquement, aussi facilement qu’auparavant, et, de plus, que cette acquisition se fasse contre rémunération. Ce changement de relation « fournisseur / consommateur » de la donnée, là aussi qui ne doit pas être vécu comme une contrainte, doit être anticipé par les entreprises. En somme, l’entreprise de demain devra faire preuve de transparence et d’accompagnement pour que la donnée et son potentiel soient compris, acceptés par tous et échangés à sa juste valeur.

Pour accompagner l’entreprise dans ce nouveau rôle de gestionnaire de données, son organisation doit se transformer, des fonctions et des postes nouveaux doivent se créer (Chief Data Officer, data analysts, data scientists, etc.) et une gouvernance doit se mettre en place.  Sans une structuration d’une filière « Data » en symbiose avec les fonctions existantes, la valorisation de la donnée ne pourra pas se diffuser pleinement à travers l’entreprise. Car, pour finir, l’entreprise et son management doivent prendre conscience que la donnée est un véritable « game changer », à même de révolutionner les chaînes de valeur et les modèles de pilotage, nécessitant une transformation et une conduite du changement en profondeur.

Copyright © 2018 Sia Partners. Any use of this material without specific permission of Sia Partners is strictly prohibited.