Trois méthodes pour monétiser les données et les analyses

Bien que disposant d’une plateforme de veille stratégique de pointe, Dow Chemical était confrontée à un problème dans sa gestion des données. L’entreprise disposait de centaines de tableaux de bord et de milliers de rapports, mais aucune de ces informations ne lui permettait de prendre de meilleures décisions. 

Il n’est pas rare que les entreprises continuent à investir dans des systèmes même s’ils ne produisent pas les avantages escomptés, mais l’équipe chargée de la gestion des données et des analyses de Dow Chemical a décidé de prendre du recul et de réexaminer ce que sa plateforme pouvait accomplir et par quels moyens. 

Dow a analysé les statistiques d’utilisation et a mis à profit ce retour d’information pour identifier et résoudre les éventuels problèmes des utilisateurs. Quel constat peut être mis en évidence par ces analyses ? Entre 2015 et 2018, période pendant laquelle la valeur commerciale des solutions d’analyse d’entreprise et de veille économique de la société a été multipliée par 4,2, la consommation de la plateforme a augmenté de 25 %. 

Télécharger l’E-Book : Découvrez quel est l’impact des personnes, des machines, des données et des analyses sur une prise de décision efficace

Il ne suffit pas de disposer de données. Les perspectives qu’elles offrent, les processus qu’elles optimisent et leur capacité à permettre une meilleure prise de décision sont autant d’éléments qui confèrent de la valeur aux données. En réalité, malgré le battage médiatique et les attentes en matière de données et d’analyse, la plupart des entreprises ne parviennent pas à monétiser leurs données. 

«∘Les données et les analyses∘» peuvent constituer des atouts commerciaux précieux qui permettront d’améliorer les décisions commerciales, de favoriser la transformation du commerce numérique et de générer de nouveaux revenus pour votre entreprise∘», explique Shelly Thackston, Consultante principale chez Gartner. «∘Cependant, pour y parvenir, vous devez faire abstraction des fausses idées sur la monétisation des données et vous atteler aux obstacles culturels, structurels et procéduraux à l’origine de l’échec de nombreuses organisations.∘»

Alors que de nombreuses entreprises peinent à monétiser les données de manière efficace, d’autres, comme Dow Chemical, ont repensé l’ensemble de leur stratégie dans ce domaine afin de démontrer qu’il est possible de monétiser les données efficacement. 

Exploiter les données pour optimiser l’activité

Les entreprises qui concrétisent les promesses des plateformes d’analyse et de veille économique et qui agissent pour les optimiser dans l’ensemble de l’entreprise constateront que ces dernières offrent de véritables avantages et identifieront des opportunités qui n’étaient pas perceptibles auparavant. 

Dow Chemical a ainsi créé une plus-value en optimisant ses processus opérationnels. L’entreprise est venue dans un premier temps identifier les équipes qui utilisaient les différentes composantes de la plateforme de veille économique et à quelles fins. Si une équipe en particulier tirait beaucoup de valeur d’une solution sous-utilisée, elle était invitée à partager ses résultats et ses expériences avec d’autres secteurs de l’entreprise. Si une division de l’entreprise recherchait une solution particulière, l’équipe la guidait vers l’option la plus efficace. Le processus de remontées constantes d’informations et les solutions itératives ont permis une croissance substantielle du chiffre d’affaires. 

Utiliser les données pour relever les défis de l’entreprise

L’un des plus grands défis que posent les données est que celles-ci peuvent être cloisonnées et fragmentées. Si les différentes divisions adoptent des configurations individualisées et recueillent leurs propres données en fonction de leurs objectifs, les entreprises manquent souvent d’une vision globale et cohérente. Il est donc difficile de les exploiter concrètement. 

Turku City Data, un fournisseur scandinave de plateforme d’IA, est parvenu au même constat ; il s’est trouvé dans l’incapacité de se servir des données acquises pour résoudre des problèmes tangibles bien particuliers. Pour résoudre ce problème, l’organisation a opté pour une structure analytique graphique flexible. Ainsi, les données de l’ensemble de l’entreprise ont été organisées avec un niveau d’abstraction tel que chaque point de données pouvait représenter une personne, un objet, un lieu ou un événement. Turku City Data a utilisé ce système facilement compréhensible pour exprimer et explorer les problèmes de l’entreprise dans leur richesse contextuelle et structurelle.  

Utiliser les données pour améliorer la collecte des données

Une erreur fréquente que font les entreprises lorsqu’il s’agit de monétiser les données est de ne prendre en compte que les données existantes facilement disponibles pour identifier les éventuelles perspectives commerciales. On peut comprendre cette erreur de la part des entreprises qui ont été amenées à croire que les données ont une valeur intrinsèque. Cependant, l’entreprise technologique mondiale ZF Group a décidé qu’une approche allant à l’encontre des idées reçues pourrait être plus judicieuse. Au lieu de se concentrer sur les données dont elle disposait déjà, l’entreprise a sélectionné des marchés à cibler et a soigneusement étudié le type de données qui serait susceptible de créer de la valeur pour ce marché. 

Les responsables ont réalisé que les données dont l’entreprise disposait déjà (et que la plupart des entreprises possèdent) offraient une valeur limitée, car elles se rapportent souvent à des domaines communément abordés et sont optimisées pour une utilisation interne. La monétisation des données implique de disposer de données uniques dont les sociétés ne disposent pas encore.

Selon l’entreprise, elles ne disposent généralement que de 80 % des données dont elles ont besoin pour créer un nouveau produit et toute la difficulté consiste à trouver les 20 % de données restantes qui conféreront une réelle valeur au produit. Par exemple, cette entreprise propose des joints à rotule dotés de capteurs IdO qui génèrent des données servant à former des algorithmes de maintenance prédictive. Elle vend ensuite des analyses et des représentations graphiques pour faciliter la mise en œuvre de programmes de maintenance prédictive. Cela implique une quête constante de nouveaux potentiels de création de sources de données qui peuvent ne pas encore exister, qui viendrait conférer à ces données une valeur ajoutée non négligeable pour certains acteurs.