Une approche externe pour la tarification de vos données

Une approche externe pour la tarification de vos données

A la question « Que valent mes données ? » Je réponds souvent de manière provocante, « Rien ». Mais ce n’est vrai que si personne n’utilise les données. Les données n’ont pas de valeur intrinsèque, malgré vaillants efforts pour le définir. Cependant, il existe littéralement un million (ou plus) de façons de tirer de la valeur des données, et c’est ainsi que nous déterminons la valeur des données. L’utilisation des données détermine leur valeur, et cette valeur établit le prix.

Vous connaissez peut-être les caractéristiques des données ; par exemple, la qualité des données, la fréquence d’actualisation ou l’unicité de l’ensemble de données. Ceux-ci suggèrent une valeur potentielle. Si les données sont omniprésentes et peuvent facilement être remplacées, elles pourraient ne pas avoir autant de valeur. Cependant, si les données sont vraiment uniques et peuvent fournir des informations auxquelles peu d’autres ont accès, le prix peut être plus élevé. Mais, encore, quel est ce prix ?

Le défi demeure. Lorsqu’un ensemble de données unique arrive sur le marché, la valeur commerciale est inconnue et le prix est insaisissable. La plupart des entreprises qui commencent à monétiser leurs données se retrouvent dans ce scénario. Certains fixent un prix basé sur une valeur estimée, puis l’ajustent en fonction de l’intérêt du client. Si un flot de réponses positives arrive rapidement, les acheteurs suivants pourraient être confrontés à un prix plus élevé. Si les prospects hésitent, la négociation peut conduire à un prix inférieur. Grâce à un processus d’essais et d’erreurs, ou de pratique ciblée, ils se concentrent sur le prix « réel », en fonction de la valeur anticipée pour l’acheteur. La tarification par essais et erreurs peut fonctionner, mais n’est pas particulièrement efficace, ni efficace pour créer un engagement client positif.

Résoudre l’inconnu

Une approche externe plus délibérée de la tarification des données commence par trois questions :

  • Qu’est-ce que les clients sont prêts à dépenser ?
  • Comment les autres ont-ils tarifié des données similaires ?
  • Quelle valeur les clients pourraient-ils en retirer ?

Malheureusement, les réponses à ces questions sont souvent inconnues. Cependant, d’autres parties de l’équation pourraient fournir un point de départ. Pour résoudre un problème mathématique, vous commencez souvent par ce que vous savez, le « donné » (par exemple, vous connaissez la longueur d’un côté d’un triangle et la relation avec les autres côtés). Dans la tarification d’un produit ou d’un service de données, les moyens de résoudre l’inconnu en identifiant le « donné » comprennent :

  • Commencez par une utilisation interne : génération de revenus ou évitement de coûts. Avec une vaste flotte de trains sous gestion, Siemens Mobilité savait qu’une maintenance prévue et planifiée était moins chère que de faire face à une panne imprévue. Un modèle analytique peut prédire avec précision ces besoins de maintenance, éliminant ainsi les temps d’arrêt coûteux et imprévus. Ce coût des temps d’arrêt imprévus devient le point de départ du prix (et de la valeur) du service d’informations. Une meilleure expérience client grâce à moins de pannes et à une plus grande disponibilité des trains ajoute à la valeur estimée du service de données. Lorsqu’un client peut exploiter des données pour des cas d’utilisation similaires à ceux adoptés en interne, la valeur interne générée peut être utilisée comme « donnée » dans l’exercice de tarification.
  • Testez les offres de produits par le biais de preuves de concept (POC) et de valeur (POV). GE Aviation avait utilisé ses données pour mieux comprendre les moteurs qu’il construisait, et il s’est rendu compte que les clients pouvaient bénéficier de ces données pour mieux comprendre le fonctionnement des moteurs. Un POC a testé les avantages tangibles et la co-création avec les clients intéressés a affiné l’offre. GE Aviation propose désormais des services d’efficacité des vols, de gestion du carburant et de gestion de flotte. En fin de compte, le prix du produit est basé sur la valeur livrée.
  • Commissionner des recherches tierces. Un fournisseur de logiciels de gestion des revenus pour les prestataires de soins de santé permet aux clients de comparer ses indicateurs de performance clés aux références de l’industrie, telles que les indicateurs de Medicare ou Medicaid aux États-Unis. Pour déterminer son prix de départ, l’entreprise a demandé à un tiers de réaliser une étude de retour sur investissement. La méthodologie utilisait les commentaires des clients pour estimer la valeur et faisait des hypothèses sur l’adoption du produit pour déterminer la valeur globale pour l’entreprise.
  • Tirez parti de votre écosystème de partenaires. Lorsque les partenaires exploitent déjà vos données pour améliorer leurs opérations ou mieux comprendre leurs clients, vous pouvez exploiter leur valeur estimée pour améliorer les modèles de prédiction de valeur. Les détaillants partagent les ventes avec les CPG pour améliorer la prévision de la demande. Quelles améliorations prévues les CPG ont-elles constatées ? Déchets éliminés ? Moins de démarques ?
  • Ajustez pour les résultats incertains. Dans le premier cas, vous devez ajuster les résultats (les économies ou les revenus générés) en fonction de la probabilité d’atteindre ce résultat. En termes simples, si les économies de coûts sont de 100 $ mais que la probabilité du résultat est de 80 %, la valeur attendue n’est que de 80 $. Une fois que vous avez un pool de clients utilisant les données, le modèle d’estimation de la valeur dans un cas d’utilisation donné sera plus robuste. Vous pouvez identifier les économies moyennes ou estimer la probabilité de réaliser ces économies.

Adoptez deux options pour commencer

L’étape suivante consiste à démontrer que le prix reflète la valeur fournie. Deux options existent pour permettre l’exploration :

  • Montrer et dire. Si l’acheteur potentiel n’est pas familiarisé avec le cas d’utilisation ou ne connaît pas la valeur commerciale potentielle à fournir, une démonstration peut être nécessaire – un POC pour illustrer comment utiliser et tirer de la valeur des données. GE Aviation a développé la tarification de sa solution de maintenance prédictive en faisant travailler l’équipe des données avec les clients existants. Ce type d’engagement peut conduire au co-développement du produit avec le client. De la même manière, Amédée travaillé avec Qantas Airlines développer et fournir une solution de gestion des perturbations pour atténuer les effets des perturbations météorologiques ou opérationnelles.
  • Essayez et achetez. Une variante de show-and-tell fournit une brève option d’essai pour démontrer la valeur des informations. Ce modèle d’essai et d’achat donne à un acheteur potentiel la possibilité de construire une analyse de rentabilisation pour l’acquisition de données. Actuellement en préversion privée, la fonction Try-And-Buy du Marché des données Snowflake permet aux clients potentiels de tester l’impact des ensembles de données de Crunchbase, Knoema, SafeGraph et autres.

Adoptez une approche de tarification interactive, itérative et centrée sur l’utilisateur

Il n’y a aucune raison de s’obséder modèles d’évaluation théoriques nécessitant une longue liste d’hypothèses sur des attributs de données mal définis. Les dirigeants avertis abandonneront cet exercice futile et se concentreront plutôt sur l’identification de la meilleure utilisation de leurs données et des informations qui en découlent. Vos cas d’utilisation et ceux de vos partenaires et clients détermineront la valeur, et finalement le prix du produit ou du service de données.

Que le « donné » dans cette équation de tarification commence par vos propres économies de coûts ou revenus générés ou qu’il soit basé sur un POC, le processus est interactif et itératif, une approche de tarification agile et centrée sur l’utilisateur. Testez le prix sur le marché, examinez et révisez, et répétez. Une fois que vous avez un pool de clients utilisant les données, le modèle d’estimation de la valeur dans un cas d’utilisation donné sera plus robuste et le prix plus précis.

*Les exemples fournis sont à titre informatif uniquement ; ils ne sont pas destinés à suggérer ou impliquer une quelconque approbation des produits ou services de Snowflake.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.