La monétisation des données vous semble-t-elle décourageante ? Voici comment commencer

La monétisation des données vous semble-t-elle décourageante ? Voici comment commencer

Dans le livre « The Adventure of Copper Beeches », le grand détective Sherlock Holmes a déclaré : « Data ! Données! Données! Je ne peux pas faire de briques sans argile. En d’autres termes, les éléments de données étaient les éléments de base essentiels dont le célèbre détective avait besoin pour résoudre tout mystère. Mais alors que nous sortons (oui, espérons-le) d’une pandémie mondiale, les données sont également la pierre angulaire nécessaire à la réinvention. Alors que les entreprises se réinventent dans le nouveau monde, elles utilisent les données pour examiner plus en profondeur leurs propres opérations ; ils examinent de plus près leurs clients existants et scrutent les horizons à la recherche de nouveaux clients. Et, ils explorent les façons dont les partenaires et les clients peuvent faire de même. Non seulement ils monétisent leurs données en les utilisant en interne, mais ils commencent à commercialiser leurs données en externe. Les entreprises qui voient cette opportunité nous disent qu’elles avaient auparavant une stratégie de données. Désormais, leur stratégie, ce sont les données.

Ce nouveau paradigme nécessite de considérer les données comme un atout – oui, nous avons déjà entendu cela – mais aussi comme un produit. Ce mot est également beaucoup jeté ces jours-ci. Dans le monde des données, le paradigme du maillage de données inclut « les données en tant que produit » comme principe fondamental. La discussion technique sur les produits de données s’est quelque peu enfermée dans une voie architecturale. Bien qu’utile, la notion de « quantum architectural » peut être rebutante pour certains publics.

La notion de base d’un produit est assez simple. Le dictionnaire Oxford définit un produit comme « un article ou une substance qui est fabriqué ou raffiné pour la vente ». Nous devrions considérer les données comme les éléments constitutifs d’un produit manufacturé ou raffiné destiné à la vente. Et, par « vente », nous entendons échangé contre de la valeur, soit en interne, soit en externe. La question de savoir si les utilisations internes entraînent ou non une rétrofacturation ou d’autres échanges de valeur reste une question ouverte. Certains modèles de services informatiques partagés préconisent modèles de rétrofacturation, mais souvent les mécanismes pour y parvenir sont complexes et politiquement difficiles. Donc, encore une fois, mettons cela de côté et concentrons-nous sur le produit lui-même.

Commencez à commercialiser vos données

Pour de nombreux leaders des données, l’opportunité est évidente. Fréquemment cité Étude McKinsey estime que la collaboration de données génère 3 000 milliards de dollars par an. De plus, la collaboration sur les données commence par le partage des données, ce qui rend les données disponibles pour que d’autres puissent les utiliser et en tirer de la valeur. En d’autres termes, il s’agit de monétiser les données en externe. Cependant, la plupart des responsables de données trouvent que même le démarrage est intimidant. Certaines des questions qu’ils posent incluent:

Quelles données ? Souvent, le premier réflexe est de demander aux équipes de données d’évaluer les produits de données. Les équipes de données ont toujours pris les devants, n’est-ce pas ? Eh bien, OK, pas nécessairement cette fois. Ou s’ils le font, la première étape consiste à parler aux parties prenantes de l’entreprise pour avoir une idée des sources de données ou des « domaines » de données qui pourraient être intéressants. Pensez aux « données client » ou aux « données produit ». Les données client proviendraient de plusieurs sources et incluraient les profils client, les données de transaction, les journaux du centre de contact et tout ce qui concerne le client. Les données sur les produits peuvent inclure des données de production, des données de lancement, des ventes et des retours, des défauts et tout autre élément concernant le produit. Les équipes de données peuvent connaître les données dont elles disposent, mais pas nécessairement l’étendue des cas d’utilisation potentiels.

Quels cas d’utilisation ? La question est alors de savoir qui utiliserait ces données et comment ? Certaines équipes de données passent beaucoup trop de temps à essayer de trouver elles-mêmes ces cas d’utilisation. Cela peut fonctionner parfois, mais ce n’est pas un travail de comité. Le meilleur endroit pour commencer est de demander comment les données sont déjà utilisées, à la fois en interne et en externe, puis de voir si d’autres pourraient les utiliser de la même manière. Par exemple, les opérateurs de télécommunications utilisent la densité du trafic réseau dans les villes pour déterminer où placer les points de vente. Et voilà, les détaillants, les promoteurs et les urbanistes peuvent également utiliser ces données pour la sélection du site. Ou imaginez une utilisation connexe : un fabricant de moteurs à réaction utilise les données d’opérations de vol pour améliorer ses futurs produits. Les compagnies aériennes peuvent également utiliser les données des opérations aériennes pour améliorer leur efficacité. Les applications d’entreprise telles que l’ERP sont désormais accompagnées de services d’analyse comparative qui comparent des mesures telles que les coûts d’indisponibilité ou le rendement des actifs entre les clients. C’est ce qu’on appelle le possible adjacent, comme « Voulez-vous des frites avec ça? »

Quelle forme de produit ou de service ? Cela nous amène au produit ou service de données proprement dit et aux différentes formes possibles. Il ne s’agit pas toujours uniquement des données elles-mêmes. Vendre les données nécessite qu’un développeur ou un scientifique des données en fasse quelque chose, comme la création d’une application ou d’un modèle analytique, pour offrir une valeur commerciale. Toutefois, si le produit ou service de données est une application ou un modèle analytique, fournissant des informations directement aux clients au sein d’un flux de travail d’entreprise, une décision ou une action peut être prise immédiatement. Par exemple, à PepsiCo l’équipe data a créé un produit interne, ROI Engine, pour mesurer l’impact des campagnes marketing et du placement média. L’application regroupe les données de plus de 60 sources et fournit des informations aux utilisateurs de l’ensemble de l’entreprise, du commerce électronique aux différentes marques et régions. Les informations permettent aux spécialistes du marketing de déterminer les campagnes et les emplacements publicitaires qui ont réussi, et de décider lesquels poursuivre ou affiner.

Data Monetization diagram

Entre les données elles-mêmes et les applications de données (voir le diagramme ci-dessus) se trouvent des interfaces personnalisées qui facilitent la découverte et l’accès dans un contexte commercial spécifique. Par exemple, Atheon Analytics SKUTrak fournit une interface pour aider les fournisseurs et les détaillants de biens de consommation en évolution rapide à prendre des décisions basées sur les données grâce à l’analyse des flux de marchandises. Au fur et à mesure que les produits et services fournissent des informations plus dérivées directement dans un contexte commercial (en se déplaçant le long de la courbe orange dans le diagramme), le délai de rentabilisation s’accélère.

Lorsque vous proposez les données elles-mêmes en tant que produit, partage direct des données offre une meilleure option que la copie et l’envoi des données via un téléchargement ou un transfert de fichier. Non seulement la copie et l’envoi nécessitent plus d’efforts, mais les données sont également obsolètes immédiatement car il ne s’agit que d’un instantané à un moment donné. L’accès aux données est également plus difficile voire impossible à révoquer.

Quelle est la valeur ? Cette question a déconcerté les équipes produit pour l’éternité (enfin, presque). Que valent mes données, et que dois-je facturer en tant que produit ? Certains fournisseurs de données m’ont dit que c’est comme une pratique ciblée, se rapprochant de la cible en testant les prix et en évaluant la demande à chaque prix. D’autres extrapolent à partir d’une valeur qu’ils tirent d’un usage interne. Une autre approche consiste à travailler directement avec un client ou un partenaire pour comparer et mesurer la valeur supplémentaire accumulée avec l’application des données. Par exemple, une campagne marketing atteint un certain taux de conversion mais avec de nouvelles données pour identifier des cibles spécifiques, les taux de conversion augmentent. Une partie de l’amélioration peut être attribuée aux données. Dans tous les exemples, il s’agit d’adopter une approche agile pour tester de nouvelles offres de données et déterminer la valeur qu’elles apportent. En fin de compte, le marché déterminera le prix.

Comment aller au marché ? Pour la plupart des entreprises, la commercialisation des données n’est pas leur activité principale. GE Aviation et Siemens Mobility proposent des produits et services de données, mais ils sont toujours des fabricants de moteurs d’avion et de locomotives. Une commercialisation réussie commence souvent par les bons partenaires ou canaux de mise sur le marché. De nombreux cabinets de conseil et prestataires de services aident à guider les entreprises tout au long du processus. De plus, l’émergence des marchés de données facilite la découverte et l’accès aux données. Le Snowflake Data Cloud facilite le partage (et la vente) de données, soit directement avec un client ou un partenaire, soit via un échange de données mis en place entre un écosystème de partenaires. Instagrampar exemple, avec plus de 500 millions de produits dans son catalogue provenant de plus de 40 000 magasins dans plus de 5 500 villes, partage les tendances d’achat avec ses clients détaillants et CPG.

Avec une exposition plus large et des fonctionnalités commerciales, Marché des données Snowflake héberge des centaines de fournisseurs de données, et pas seulement des professionnels. Un nombre croissant de clients Snowflake envisagent de mettre leurs propres données d’entreprise sur la place de marché. En tête, ADP, qui traite environ 25 % de la masse salariale aux États-Unis, a mis à disposition sur le Snowflake Data Marketplace ses données démographiques et sur les revenus de la main-d’œuvre américaine agrégées et anonymisées. Et d’autres, comme 1-800-Fleursprofitent de Snowflake Data Marketplace pour identifier de nouvelles sources de données afin d’enrichir l’analyse et d’améliorer les performances de l’entreprise.

5 étapes pour commencer à monétiser vos données

En résumé, pour créer et fournir des produits et services de données, soit aux parties prenantes internes, soit aux partenaires et clients externes, commencez par ces cinq étapes :

  1. Établissez des sources ou des domaines de données comme matière première pour les produits ou services de données.
  2. Identifiez les utilisations potentielles en interrogeant les parties prenantes internes, les partenaires et les clients pour déterminer les utilisations existantes et explorer les applications connexes et adjacentes pour les données.
  3. Déterminer la meilleure forme pour le produit ou service de données : données brutes, non conservées ; données enrichies ; interfaces personnalisées ; ou des applications spécifiques au contexte.
  4. Adoptez une approche agile pour tester de nouvelles offres et déterminer leur valeur.
  5. Trouvez les bons partenaires ou canaux de mise sur le marché, tels que monétisation via Snowflake Data Cloud.

Pour une discussion plus approfondie de ces cinq étapes, veuillez vous joindre à notre prochain webinaire Snowflake, 5 étapes pour commencer à monétiser vos donnéesle 25 janvier 2022, 13h GMT / 14h CET.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.