Livre Blanc ALTARES: La Data, nouveau disrupteur du business model des entreprises

SOMMAIRE1. La Data, un moteur V6 sous le capotLe Big Data et les 3 VLe Smart Data et …. les 2 V

2. La Data, un espace Schengen dans l’entrepriseVers la transformation de l’entrepriseLes nouvelles approches/technologies Les nouveaux talents

3. De l’or noir dans l’océan bleuLes éléments constitutifs classiques d’un business modelLes indicateurs de performance et de rentabilité des business data-dépendantsL’impact du Smart Data sur le Business Model Digital Le data-business plan et l’ouverture des entreprises à l’international

468

12141618

2224262830

En référence aux travaux de recherche de Yohan Wasmes Benqué, au sein de HEC PARIS - Thèse «Du Big Data au Smart Data, la nouvelle ère du digital, Quel Business Model pour aider les entreprises françaises à s’internationaliser ? »

Le numérique adore les « buzzwords ». Certains, anecdotiques, ne sont à la mode que quelques mois, voire quelques semaines.

D’autres, comme le Cloud, l’IoT (l’Internet des Objets), le crowdfunding, la Data (et toutes ses déclinaisons) sont des termes qui définissent les technologies et les usages qui façonnent le numérique et, plus largement, l’économie d’au-jourd’hui et de demain.

Tantôt panacée, tantôt épouvantail, la Data est un des socles sur lequel se construit l’économie digitale contemporaine.

C’est également un socle qui a su, au fil des années, évoluer, se transformer et s’adapter aux technologies et aux usages digitaux.

A moins que ce soit l’inverse…et c’est tout l’objet de ce Livre Blanc.

En effet, si on y regarde bien, c’est finalement la Data et son inscription dans le quotidien des entreprises qui a infléchit leur business, qui a accéléré leur trans-formation, voire leur mutation.

Pourtant, encore aujourd’hui, cette mutation est souvent subie, entrainant par-fois des effets de bord pas toujours maitrisés.

Peut-être est-il alors important, pour les entreprises existantes ou celles qui se créent, d’intégrer la data dans leurs business model.

ÉDITO

Yohan Wasmes BenquéChief Marketing & Innovation Officer

1

LA DATA, UN MOTEUR V6 SOUS LE CAPOTPour résumer, on distingue deux époques, deux phases : celle du Big Data, où l’objectif est basé sur la volumétrie et la performance de re-cueil et de stockage des données et celle du Smart Data où l’accent est mis sur la qualité et l’intelligence de traitement de ces dernières.

6

En 2001, Doug Laney du cabinet Gartner établit une grille de lecture de la Big Data selon les « 3V »

Le Big Data et les 3 V

(ou Vélocité) :

L’augmentation des points d’interactions avec les utilisateurs et des usages des don-nées, a nécessité une plus grande capaci-té de gestion et de transfert des données.

La vitesse d’exécution a dû être constam-ment augmentée pour faire face à ces nouveaux usages liés à un traitement digi-tal et global des informations.

La vitesse a également dû être accrue pour répondre aux exigences d’interac-tions entre les données stockées et les échanges avec les utilisateurs.

Pour surmonter l’augmentation des échanges et des interactions, la perfor-mance des machines et des réseaux a dû être améliorée.

La performance et la vitesse deviennent alors un élément différenciateur concur-rentiel et un facteur clef de succès. En plus des évolutions technologiques, les entre-prises doivent implémenter une organisa-tion dédiée au niveau des processus, et de nouveaux postes en ressources humaines voient le jour.

Vitesse En 2001, l’augmentation des volumes de données est principalement due à l’explosion du e-commerce, de la digitalisation et des transactions mais de manière plus générale par l’augmentation des différents points d’interactions entre l’homme et la machine avec les différentes applications liées. Cette information collectée ayant une valeur tangible pour les entreprises, l’augmentation des volumes d’information a entrainé une augmentation des stoc-kages de l’information.

Les chiffres partagés par le magazine Forbes concer-nant la volumétrie de données ces dernières années donnent le vertige :

- Des dinosaures jusqu’en 2003 nous avions créé, en tout, 5 exabytes de données (5 Mds de GB).

- En 2011, nous générions 5 exabytes en 2 jours seule-ment.

- En 2013, il fallait moins de 10 mn pour produire 5 exabytes.

Parallèlement à cette augmentation exponentielle des données, leur coût a drastiquement baissé, prin-cipalement grâce au cloud computing qui déplace l’enjeu (et les investissements) non plus vers le recueil et le stockage mais vers la capacité d’analyse.

Volume

LA DATA, UN MOTEUR V6 SOUS LE CAPOT

7

En 2001, la variété des données est essentiellement due à la variété des formats de données et de restitutions. Avec l’avènement du Web 2.0, la notion de données structurées et non structurées fait son apparition et le Big Data n’est plus un concept.

Aujourd’hui, on peut recenser les sources suivantes de Data non structurées ou semi structu-rées :

- Les réseaux sociaux et média : Facebook a 700 millions d’utilisateurs, Twitter en a 250 mil-lions et il existe plus de 156 millions de blogs publics. Chaque mise à jour des données de ces plates-formes crée des nouveaux points d’interactions qui permettent de remonter des données à la fois structurées, semi structurées et non structurées.

- Les terminaux mobiles : plus de 7 milliards de terminaux sont utilisés dans le monde en 2014. Chaque appel, texte, message est collecté comme une donnée nouvelle. Les mobiles permettent également de transmettre des données de géolocalisation en temps réel sur leurs utilisateurs.

- Les transactions via Internet : des milliards de commandes en ligne sont effectuées chaque jour, comme les achats en ligne, livraisons, échanges, mais également par des transactions automatisées. Chacune de ces actions crée des points de contacts qui sont collectés par des commerçants, banques, sociétés de cartes de crédit, agences de prêt et autres organismes financiers.

- Les terminaux informatiques et les capteurs électroniques : les capteurs électroniques de toutes sortes tels que les serveurs, les ordinateurs, les compteurs électriques, capteurs d’éner-gie, génèrent des données semi structurées qui s’enregistrent à chaque action.

Variété


8

Parallèlement à cela, un besoin de traitement et d’analyse de ces masses considérables de données fait rapidement émerger trois nouvelles notions :

Le Smart Data et …. les 2 V

La véracité DATA est la connaissance exacte de la qualité de son information, afin de pou-voir l’utiliser en toute confiance. L’un des prin-cipes de la qualité et de la véracité de l’infor-mation est de la révéler à l’aide d’un référentiel juste, souvent tiers et par des statistiques.

Véracité

Ne pas se méprendre sur l’interprétation du tableau ci-contre : ce n’est pas la masse in-trinsèque de données qui fait baisser sa valeur, c’est sa commercialisation en masse, sans in-telligence.

Nous reviendrons sur cette notion de valeur plus loin.

Valeur


9

2005

20$

10$

0$2010 2015

Cost par GB

Total Investment

Selon John Gantz and David Reinsel, (2011), Extracting Value from Chaos, IDC Sponsor By EMC Corporation

Source : IDC’s Digital Universe Study, June 2011

Vintage C’est la notion dont on parle le moins et c’est pourtant un facteur de richesse déterminant pour les entreprises. Avoir un historique de données suffisamment pro-fond permet aux experts (aux data scien-tists) d’enrichir leurs analytics et souvent de dépister des modèles de comporte-ment inédits, à l’inverse d’entreprises sans ancienneté de données et qui partiraient quasiment de 0 dans ce domaine.


10

Cas pratique : la Data Warehouse d’Altares

Dans le cadre du référentiel Altares D&B et de notre métier de collecte d’informations, nous avons plusieurs étapes de structuration de la DATA traditionnelle.

Les principales étapes sont de collecter les données manuellement ou par des flux d’informations légales numérisées. Cette information est stockée dans un Data warehouse (cf. schéma p11). Ce processus permet de créer un référentiel de base de données à partir d’une information structurée.

Volume

Variété

ValeurLiée à l’information d’usagesData Monétisation

VéracitéData

Vitesse

Non structuré

Streaming

Structuré

Térabytes

Pétabytes

Batch


11

Dans une deuxième phase à partir du Data WareHouse, les équipes IT et Data d’Altares vont effectuer un processus de mise en conformité de la donnée selon les exigences de Data Quality de Dun & Bradstreet et des partenaires. La troisième phase consiste à consoli-der la base de données et la rendre utilisable à travers différents flux et in-terfaces logiciels offline et online.

Le processus de construction du réfé-rentiel illustre la façon dont les entre-prises « data-dépendantes » gèrent à la fois la multiplicité des sources (Vo-lume et Variété) mais aussi leur com-pliance vis-à-vis de l’arsenal régle-mentaire qui encadre le bien fondé de leurs données, de leur utilisation et de leur commercialisation (Véracité et Valeur).

JAL INSEE

Validation

Repository Traitement DQM

Consolidation

Portail webIntégration web Fichiers Off-line

Service & Solution Altares

Litige / Doute

Sources : INSEE, Greffes, RNCS, JAL, BODACC, JO Assoc

Processus de construction du référentiel Altares

Information WareHouse

RNCS JO Assoc

Préfecture

Associationnon sirénnée

Entreprise Individuelle & Personne Moralesirénnée

BODACC

CFE

Greffe

Data Quality Management

Référentiel Client

Référentiel : DataMart


2

LA DATA, UN ESPACE SCHENGEN DANS L’ENTREPRISEAdmettre que la data recèle une valeur, c’est une première étape, une prise de conscience salutaire.Mais, à l’instar de la transformation digitale des entreprises, cette prise de conscience doit se matérialiser en prises de décisions et en actes concrets. Ces prises de décisions peuvent être primordiales pour cer-taines entreprises. Elles sont de celles qui leur permettront de voguer sur l’océan bleu à la conquête de nouveaux marchés (au prix parfois d’un pivot d’activité ou d’une drastique remise en question) ou de rester au port.

14

Vers la transformation de l’entreprise

Le changement de paradigme apporté par la Data dans l’entreprise outrepasse la « simple » transformation digitale.

Cette dernière, très souvent érigée en panacée, ne se solde souvent que par des déclarations d’intentions à destination des actionnaires ou des journalistes pour être dans l’air du temps.

Nombreux sont encore les plafonds de verre (souvent incassables) qui empêchent, pour des raisons culturelles ou organisationnelles, les entre-prises de procéder à leur mutation.

Intégrer la Smart Data dans sa stratégie d’entreprise n’est pas neutre : Cela répond à une volonté de changement qui se traduit à la base par une utilisation différente des données et des outils par des employés à tous les niveaux hiérarchiques de l’entreprise.

La DATA doit être identifiée comme une source de valeur et un actif per-mettant de développer une intelligence collective. Le facteur humain joue donc un rôle essentiel pour faire naître la culture de la donnée et de la DATA Intelligence au sein d’une entreprise.

Cela se traduit à la fois par des « key practices », l’émergence de nou-veaux métiers et par l’abolition de certains domaines réservés, essentiel-lement ceux qui opposent les directions informatiques et les directions marketing.

Les facteurs clés pour apporter une culture du SMART DATA : Etablir une seule source de vérité : un référentiel unique permettant de guider et de mesurer les performances.

Utiliser des indicateurs de performances : les « Score Cards » dont le suivi doit permettre l’amélioration quotidienne des ressources et du référentiel DATA.

Créer des règles et des processus propres à son business « Create ownership of business rules » : chaque business est guidé par des règles propres qui doivent être décrites et processées, afin d’être automatisées. Cela permettra d’améliorer les performances.

Cultiver vos talents : apporter de la formation et de l’aide à ses employés pour mieux utiliser la Data et performer.

LA DATA, UN ESPACE SCHENGEN DANS L’ENTREPRISE

15

BIG DATA SMART DATA

ActionEmotionIntuitionPrédiction

VéracitéValeur

VolumeVitesseVariété

RéflexionLogiqueAnalyse

Vécu


16

Les nouvelles approches/technologies Cette transformation appelle indéniablement de nouveaux talents, aptes à réfléchir, à analyser, à exploiter et à modéliser toutes ces data.

Ces compétences correspondent à de nouvelles méthodes et technologies dont les principales sont présentées ici.


17

Le Machine Learning

Le principe du machine Learning est de permettre à une ma-chine d’évoluer grâce à un processus d’apprentissage. Cette implémentation de processus et d’analyse permet de déve-lopper la capacité d’automatisation d’une machine en rap-port à une problématique donnée. On parle également pour cela d’intelligence artificielle.

L’impact du Cloud et du Big Data va développer et banaliser ce type d’infrastructure logicielle.

La Data discovery

Comment analyser et découvrir les corrélations entre les don-nées qui sont disponibles dans nos bases ? La Data Disco-very est l’approche qui permet de répondre au besoin des entreprises dans l’analyse exponentielle de leur Data et de leur permettre d’en définir les corrélations.

La Data Discovery fait appel à des outils qui analysent en temps réel les phénomènes d’interaction entre les données et permettent de les comprendre pour définir les relations clients et les plans d’action adaptés.

La Data Monétisation

La capacité de monétiser les DATA collectées vont permettre de constituer des bases de données liées à la connaissance client et de créer de nouveaux segments. En fonction de la maturité des entreprises et du processus alloué, la Data Mo-netisation peut aller jusqu’à la vente des données. Les aspects législatifs, culturels et stratégiques sont également à prendre en compte, afin de s’autoriser ou non à vendre la donnée col-lectée et les informations sur nos clients. Dans la mouvance de la transition digitale et des impacts sur les Business Models, la monétisation des données va jouer un rôle clef sur la valorisa-tion des actifs d’une entreprise.

La Data Visualisation

Au-delà des rapports statistiques, les outils actuels permettent de visualiser en temps réel, les évolutions, les indicateurs clefs et de procéder à des analyses prédictives permettant d’auto-matiser la relation client. La visualisation est également pos-sible sur de multiples supports telles les tablettes.

La restitution de l’information a une importance considérable, le visuel et l’ergonomie sont des éléments essentiels pour ai-der l’utilisateur final à adopter ce nouveau type d’indicateur dans sa prise de décision et la lecture de son travail.

La Data Automation Marketing

La multiplicité des interactions clients entre la machine et l’humain est l’un des facteurs qui a conduit à l’explosion des données collectées. Le marketing automation fait référence à l’utilisation de logiciels permettant d’automatiser les tâches telles que les campagnes de marketing opérationnel comme les emails, les communications sur les réseaux sociaux, les dif-fusions d’informations sur les blogs, etc. et également le suivi de ces campagnes à travers des cookies et des outils analy-tiques.

Dans ce cadre, le métier du marketeur consiste, à l’aide de tableaux de bord et de données, à automatiser des tâches avec des scénarios automatisés qui vont encadrer le client ou bien un prospect dans sa fidélisation et dans sa phase d’achat.

L’avantage du marketing automation est d’industrialiser les tâches répétitives et d’améliorer la productivité des équipes marketing en démultipliant leurs capacités de traitement des prospects et des interactions clients.

Le marketing automotion traite en temps réel les interactions clients et crée une corrélation entre un individu et une plate-forme digitale. Ces interactions vont être analysées et vont permettre d’améliorer la connaissance client et les ventes.

L’impact du Smart Data sur le marketing automotion en-gendre plusieurs nouveaux leviers d’évolution tels que le Ma-chine Learning, le prédictif et la Data Governance.

Dans ce cadre, il ne s’agit plus d’une simple interaction auto-matisée avec des scénarios entre une machine et un client mais d’une assistance machine pour aider les Directions mar-keting dans l’amélioration de leur tâche quotidienne.


18

Les nouveaux talents

Le Data Scientist

« Le job le plus sexy du 21ème siècle » d’après la Harvard Business Re-view d’octobre 2012.

C’est une compétence rare qui fait appel à une multitude de savoirs différents. Ces profils sont en carence en France et dans le reste du monde. Selon le Journaldunet.com, à terme 30 000 postes sont à pour-voir en France dans ce secteur et aucune école en France ne propose à ce jour un processus dédié pour former des Data Scientists.

Un Data Scientist doit posséder une connaissance approfondie du sec-teur sur lequel il intervient, avec un bagage à la fois, technique en pro-grammation informatique, mathématique en modélisation et métiers avec une compréhension du marketing et du modèle économique à optimiser et à performer.

Manipulation des données

DataScientist

AnalyseStatistique

VisualisationData

ExpertiseMétier

ConnaissanceBusiness

Curiosité


19

Le CDO, Chief Data Officer A ne pas confondre avec le Chief Digital Officer, cette fonction trouve son sens à condition que l’entreprise soit suffisamment mature vis-à-vis de l’usage de la Data. A cette condition, le CDO se trouve au croisement de la valorisation des données et des impacts business et stratégiques qu’elle implique.

Le CDO doit établir la chaine de valeur de la Data. Cela implique la création de catalogues de données, l’organisation de la gestion des données et des processus répondant à des enjeux business. La création de rapports et de tableaux de pilotage dont les indicateurs nouveaux doivent permettre une amélioration de la gestion. Cette chaine de valeur doit être optimisée avec l’acquisition des données externes qui vont compléter les données internes, pour créer des méta-données permettant de révéler une connaissance approfondie des données entre-prises.

Le second enjeu du CDO va être de connecter le Big Data SI géré par les directions infor-matiques avec le développement des stratégies souhaitées par les directions métiers. Le CDO doit être moteur pour faire évoluer et adapter la diversité des données collectées et en ressortir les analyses permettant d’avoir des gains de productivité orientés métiers et répondant à des enjeux business. Enfin, l’impact réel du CDO doit être sur la stratégie de l’entreprise grâce à l’apport de nou-veaux outils et de nouvelles méthodes de travail comme la DATA Agrégation qui permet d’ap-porter de nouveaux types de flux d’informations et de tableaux de bord avec des algorithmes de données permettant un meilleur pilotage stratégique.

Dans la plupart des entreprises « Data-matures », la fonction de CDO englobe également la Data Governance et la sécurité.

La gouvernance de données ou Data Governance va associer un ensemble de personnes, de processus et de technologies pour garantir la qualité et la valeur des informations dans une entreprise.

La Data Governance dans le cadre d’un projet Big Data implique de prendre en considération les impacts liés à l’explosion des données. Cette explosion des flux et des données collectés créent de nouvelles menaces qui obligent les Directions informatiques à revoir leur sécurité.

L’engagement dans une activité de gouvernance de données dans un cadre de Big Data re-quiert de prendre en compte de nouveaux paramètres. Selon l’ISACA, les 5 questions à se poser pour démarrer sont les suivantes :

1 - Quelle confiance porter aux bases de données ?

2 - A quels types appartiennent les informations qui sont collectées, et quels sont les défis juri-diques et règlementaires ?

3 - Comment protéger les sources, processus et décisions contre le vol et la corruption ?

4 - Comment est assurée la confidentialité des informations, quelles politiques et quels proces-sus ont été mis en place vis à vis des employés ?

5 - Quels sont vos actes qui peuvent être exploités par nos adversaires ?

La prise en considération de l’ensemble de ces éléments est requise afin d’associer la bonne infrastructure à la bonne Data Governance pour répondre aux besoins des métiers.

Les nouveaux talents


20

Le responsable Analytics L’évolution du Big Data vers le Smart Data a créé une évolution des besoins en compétences. Si le Big Data a généré une forte demande de savoir-faire informatique, le Smart Data, lui, néces-site une forte demande en lien avec le savoir-faire métier. De nouveaux postes comme les chefs de projets Analytics se sont développés.

Leur rôle est de savoir faire parler la donnée, de créer les indicateurs clefs pour permettre la prise de décisions et la création de tableaux de bord permettant le pilotage des activités.

Ces nouveaux éléments d’informations ont changé la perception de l’information qui devient un facteur clef dans le pilotage d’une activité et dans le travail au quotidien des métiers.


21

La Data-mutation de la publicité digitale

Le secteur de la publicité digitale est le parfait exemple d’une transition à la fois culturelle et technologique basée sur la Data.

On vient ici d’un modèle d’achat au volume (au CPM ou au CPC) en fonction des supports (et de leur audience supposée) avec un circuit très rigide (Annonceurs >> Agences d’achat d’espace >> Régies ou sites web directement).

Même si ce modèle s’affine au cours des années, le ROI est faible et les prix élevés, le principe étant d’être avant tout visible, le gros du volume d’achat allant aux gros carrefours d’audience (sans beaucoup de per-tinence) et le gros de la marge allant aux intermédiaires en position de quasi-monopole.

L’émergence de la Smart Data est en train de bouleverser ce modèle. La cible est maintenant l’internaute et non plus le support. En dehors d’une distribution multi-plateforme (desktop, tablette, mobile), cela oblige à avoir une vision plus fine et pertinente de la cible.

Cela passe par les DMP qui délivrent de la data extrêmement précise en quasi temps réel et qui orientent les investissements des acheteurs media.

Cela passe également par le mode d’achat en RTB (Real Time Bidding) et les algorithmes mis en place pour optimiser les achats au meilleur tarif pour l’annonceur.

En quelques années, ce secteur a vu émerger de nouveaux métiers et a agrégé les métiers de la Data vus plus haut (data scientist, traders, data analysts, développeurs, mathématiciens, etc.) de même que des entreprises très spécialisées (trading desks, DSP, SSP, DMP).


3

DE L’OR NOIR DANS L’OCÉAN BLEULa stratégie de l’océan bleu consiste pour l’entreprise à faire le choix de déve-lopper son offre dans un espace novateur ou sur un segment innovant et moins concurrentiel. L’entreprise évolue alors dans un environnement de crois-sance a priori plus paisible en concevant et développant une innovation utile (value innovation) créatrice de valeur tant pour le client que pour l’entreprise, tout en maîtrisant les coûts (source emarketing.fr).

L’océan bleu s’oppose à l’océan rouge où l’entreprise s’arcboute sur des es-paces de marché encombrés dans une (sanglante) concurrence frontale avec ses compétiteurs.

NB : La théorie des océans bleus a été mise au point par W. Chan Kim, professeur en stratégie et management à l’INSEAD.

24

Les analogies entre ce que représente la data du 21ème siècle et la découverte et l’utilisation du pétrole au 19ème siècle sont nombreuses :

Elle accélère les processus de flux et de transformation

Elle est brute à son état naturel mais peut être raffinée à différents degrés de finition.

Elle peut servir de base à différentes « fabrications »

Elle a créé de nouveaux métiers, de nouveaux usages et de nouvelles intermédiations.

Elle a créé son propre marché et, au final, sa propre dimension spéculative.

Seule différence notable : les gisements de don-nées ne risquent pas de se tarir puisqu’ils sont générés par les interactions (exponentielles) entre les utilisateurs, leurs requêtes et les nombreux sup-ports utilisés.

Se faisant, la Data s’auto-génère et se répand de façon quasi-rhizomique.

DE L’OR NOIR DANS L’OCÉAN BLEU

Les segments clientèles qui définissent quels sont la cible et le besoin et à qui l’offre est adressée.

Les propositions de valeur qui définissent l’apport et l’offre à destination de la cible .

Les canaux de distribution qui définissent les canaux de distribution, par exemple B to B ou B to C, physique ou digital.

La relation client qui définit la relation entre ce qui est proposé (la proposition de valeur) et le segment clientèle, soit l’offre souhaitée par le client. Les flux de revenus qui définissent l’ensemble des flux de revenus générés autour d’une pro position de valeur.

Les ressources clés qui définissent les ressources clefs du type : RH, éléments différenciants de l’offre, les expertises techniques par exemple.

Les activités clés qui définissent les activités permettant de formaliser et soutenir la proposition de valeur, par exemple : la capacité de calcul, de stockage, de conseil, de force de vente, etc.

Les partenaires clés, à quoi ils contribuent et quel est leur rôle dans la proposition de valeur et l’offre.

La structure de coûts qui définit les coûts générés par l’investissement et les coûts de récurrences, du type maintenance, charge de développement, exploitation, etc.

Les éléments constitutifs classiques d’un business model sont les suivants :

Les éléments constitutifs classiques d’un business model

Les indicateurs de performance et de rentabilité des business data-dépendants

Plusieurs indicateurs montrent la rentabilité, l’expérience utilisateur et les succès d’une plateforme digitale.

Le 1er facteur est la collecte d’informations qui va permettre de faire grossir la taille des bases de données. Ces bases de données portent sur les clients et sur les membres qui se sont inscrits et qui ont consommé sur le site Internet. Ce format de bases de données client est l’une des valeurs essentielles du fonds de commerce d’un site Internet. Les comportements des utilisateurs sont également collectés et stockés dans des bases de données. Des technologies comme les DMP (Data Management Platform) permettent de créer des segments et de générer des revenus par les actions marketing à destination de ces bases de micro-segments qui sont appétants aux offres et services. Les plates-formes digitales valorisent leurs bases de données de membres en fonction du chiffre d’affaires potentiel qui peut être généré.

Le second est un indicateur de performance du site par rapport à l’offre et par rapport à sa conception, on parle alors de Taux de conversion par nombre de visiteurs. C’est-à-dire combien de visiteurs uniques doivent venir sur le site pour générer une vente. Les autres indicateurs en lien avec ces performances sont le nombre de pages vues et le temps passé sur le site par un visiteur. Il faut imaginer que le visiteur est dans une boutique, combien de temps ou combien d’interactions lui faudra-t-il pour passer à l’achat ? Ces indicateurs permettent d’évaluer la qualité d’un site, sa navigabilité, son design et d’évaluer si le parcours client est bien en adéquation avec les at-tentes du visiteur.

Le troisième indicateur répond au rapport retour sur investissement du site / achat publicitaire pour générer du trafic /chiffre d’affaires généré. Le coût d’acquisition du trafic et le nombre de ventes générées permettent d’analyser la rentabilité du site Internet. En fonction de la marge générée par les visiteurs uniques et le taux de conver-sion en clients, on connait le niveau de rentabilité des campagnes publicitaires Internet.

27

Les critères de financement des Venture Capital de la

Silicon Valley

Suite à la rencontre et l’échange avec la société Partech et Nicolas El Baz Partner, nous avons pu appréhender comment les VC financent les entreprises de la Silicon Valley et les sociétés de la nouvelle économie de type plateformes digitales.

Il en ressort que les principaux facteurs clefs de succès dans l’atteinte des objectifs de croissance et de prises de parts de marché sur des nouveaux segments sont liés aux trois règles de financement pour un projet proposé à un V.C. :

Découvrir et cibler un nouveau segment de marché, avec une taille importante, avec un volume important et créer une innovation liée à une rupture d’un modèle économique.

Disposer d’une équipe fiable et capable d’atteindre les objectifs avec la culture Silicon Valley.

Etre prêt à partager la gouvernance de l’entreprise et le capital de manière à augmenter la vitesse de croissance de l’entreprise pour se positionner comme leader sur son marché.

Les indicateurs de performance et de rentabilité des business data-dépendants


28

L’impact du Smart Data sur le Business Model Digital

Composante technologique

L’économie numérique a modifié le Business Model et la ren-tabilité des entreprises. La notion de rareté et de reproduction pour une pièce unique ou pour un bien n’existe plus car la technologie numérique permet de reproduire sur l’ensemble des supports et de manière illimitée la représentation d’une œuvre. La rareté dans l’économie traditionnelle et non nu-mérique est un facteur de valeur, cela n’était plus le cas dans l’économie digitale.

L’arrivée des technologies Smart Data permet de réinté-grer cette valeur de rareté.

Le Smart Data permet de créer un parcours utilisateur unique, par une connaissance client fine et la modélisation analy-tique prédictive rendue possible par les technologies de DMP. Chaque visiteur-utilisateur bénéficie de sa propre expérience digitale en fonction de son vécu, de ses appétences et des données que celui-ci aura partagées dans le monde digital et non digital. On retrouve une corrélation entre l’individu-per-sonne unique et son parcours digital qui lui correspond. Chaque individu étant différent, la notion d’authenticité et de différenciation d’un parcours digital redevient possible. La valorisation de la rareté peut être réintégrée dans le Smart Data Digital.

Composante économique

L’économie digitale a bouleversé l’ensemble de l’écono-mie traditionnelle dans ses fondamentaux, la manière de financer le développement d’une entreprise, sa vitesse de croissance, ses indicateurs de rentabilité. Les flux et les in-teractions avec les clients et les prospects ont changé le service et la manière de produire. Le Big Data a créé une explosion de la donnée, une abondance de ressources à analyser.

Ces effets ont permis dans un premier temps d’accroître la capacité d’analyse et d’augmenter les champs des pos-sibles pour faciliter la croissance, mais dans un deuxième temps cette surabondance de données a développé une perte de repères dans les entreprises. La Smart Data permet de maîtriser la résonnance de l’information et de définir le réel intérêt de la croissance de l’information.

L’objectif est de redéfinir les fondamentaux permettant d’avoir les bons indicateurs de contrôles basés sur les vraies interactions et les justes points d’alignement de l’écosystème. C’est-à-dire entre la Véracité de l’informa-tion et la Valeur d’usage de l’information digitale dans l’économie.


29

Composante de marché

Le modèle digital a nécessité un investissement dans les ma-chines et les softwares. De cette digitalisation est né le Big Data qui nécessite à son tour d’importants investissements qui sont principalement fournis par des acteurs de taille mon-diale selon le triptyque machine, réseaux et softwares. Ces investissements démesurés ont permis l’explosion des res-sources permettant une explosion des données collectées.

La Smart Data permet de remplacer la valeur par les usages et de réaliser que la valeur de l’usage réel de l’information, la valeur de la Data dépasse celle des investissements ma-chines. Ainsi le facteur réel d’investissement sur le marché de-vrait être dans la Gouvernance des données.

La Gouvernance des données sera la prochaine infogérance qui permettra de faire passer ces investissements d’une lo-gique de ROI (Return-On-Investment) à une logique de ROD (Return-On-DATA). Car l’ensemble des ressources de types Cloud, SaaS, calcul etc. peuvent être externalisées.

Selon le GFII, la nouvelle équation de valeur et de raisonne-ment sera de passer d’un « ROI » (machine, logiciel, infrastruc-ture, réseaux) pour céder sa place à un raisonnement en « ROD » (Volume, Variété, Vélocité et Valeur).

Selon Altares D&B, la Véracité de la DATA sera l’élément de différenciation et l’avantage déterminant entre les ac-teurs qui passeront des capacités de ressources SI à la Valeur.

Le marché s’oriente d’un modèle basé sur la capacité de Re-tour sur Investissement des ressources SI à un modèle basé sur le Retour sur Investissement de l’information basé sur l’usage et la performance des métiers.

Composante réglementaire

La révolution Internet a démontré que la technologie digitale était plus rapide que les règlementations. Les législateurs se sont retrouvés pris de vitesse par rapport à la construction de cette nouvelle économie et dans l’incapacité de réguler la croissance des entreprises. Seule la compréhension des modèles économiques a per-mis aux Etats et aux législateurs de réguler et de protéger les consommateurs.

Le Smart Data a permis de développer la DATA monétisation par la capacité de monétiser les revenus collectés avec les bases de données liées à la connaissance client et la créa-tion de nouveaux segments. Ce nouveau modèle de revenus vient modifier l’interaction entre les plateformes digitales et les utilisateurs. Il est prévisible qu’un utilisateur pourra accéder à un plus grand nombre de services gratuits en ligne, en échange d’accorder et de par-tager un plus grand nombre d’informations le concernant sur sa vie privée ou bien même professionnelle. La législation et les protecteurs de la vie privée comme la CNIL vont devoir faire face à une transmission d’informations qui dépasse le simple cadre des informations personnelles volontairement transmises.

Voir le cas récent du studio Niantic créateur du jeu Poke-mon Go pointé du doigt pour une utilisation abusive des données personnelles de ses joueurs… ou encore celui de Facebook récemment mis en demeure par la CNIL pour collecte déloyale des données de navigation de ses membres.

Ces cas fréquents de débordements ne doivent en aucun cas occulter la responsabilité des utilisateurs qui préfèrent souvent « consommer » sans attendre plutôt que de s’in-former des conditions générales des plateformes qu’ils uti-lisent.


30

Le data-business plan et l’ouverture des entreprises à l’international

Si la notion de Village Global est d’ores et déjà obsolète pour les journalistes zappeurs et les prospecteurs d’idées, c’est en revanche une réalité économique et commerciale parfaite-ment contemporaine pour les entreprises.

Si une start-up française réfléchit très vite au déploiement européen, voire mondial de son business c’est d’une part parce que la taille réduite de son marché domestique ne lui laisse pas le choix (à l’inverse d’une start-up américaine ou chinoise) et d’autre part parce que la nouvelle génération des entrepreneurs a directement intégré dans son business plan la dimension internationale.

Le fait que ces derniers appartiennent pour la plupart à la génération Y explique aussi ce réflexe somme toute naturel.

Pour les entreprises plus « traditionnelles », le réflexe est moins évident mais il est clair que la digitalisation des échanges a drastiquement modifié la donne.

Par ailleurs, les méthodes ne manquent pas aujourd’hui pour parvenir à cette digitalisation : hackaton, lean management, pitch elevator, etc., la proximité entre un écosystème de jeunes pousses très dynamiques et finalement assez parta-geuses et les entreprises dites traditionnelles favorisent cette digitalisation.

De plus, une étude organisée par Dun & Bradstreet en 2014 auprès des entreprises françaises (segment PME/TPE) révèlent les chiffres suivants :

94% d’entre elles souhaitent travailler à l’international et 98% souhaitent des échanges internationaux.

Concernant les besoins, 77% recherchent des partenaires commerciaux et 70% recherchent des partenariats d’entreprise alors que seulement 27% cherchent des investisseurs.

Concernant les services utiles pour aller à l’international, 73% souhaitent une mise en relation avec des partenaires, et 60% souhaitent être informés de l’intérêt que suscitent leur entreprise à l’étranger

Par ailleurs, plusieurs grandes tendances ressortent des in-terviews faites auprès des entrepreneurs concernés :

Apporter un « juste » service avec une offre tarifaire modulable adaptée aux PME et disposer d’une information liée aux usages métiers sur les agents et distributeurs.

Le plus : pouvoir disposer d’une profondeur d’informations métier permettant de connaitre les brevets ou les marques que distribuent un agent et un distributeur et connaitre des indicateurs pour évaluer leur réputation.

Limiter la prise de risque en évaluant le dirigeant d’entreprise, en plus des informations sur l’entreprise.

Le plus : pouvoir évaluer un dirigeant d’entreprise à l’international et connaitre sa réputation dans les affaires et ainsi pouvoir limiter les risques et évaluer le montant d’escompte qu’il est possible d’accorder.

Disposer de mobilités et d’usages simples pour développer son business à l’international.

Le plus : faciliter l’accès via une application mobile par des usages de services simplifiés pour accéder à une communauté et développer son business à l’international.

Visualiser le parcours à entreprendre.

Le plus : offrir une Road Map à un client correspondant à son projet par de la Data Visualisation.


Powerlinx, la Data-plateforme internationale d’Altares

Altares a également été confrontée à l’obligation de réaliser sa mutation digitale et la question de la création d’une plateforme digitale à vocation internationale ba-sée sur la Smart Data s’est rapidement imposée.

Powerlinx est en quelque sorte le « Meetic » des entreprises.C’est une plateforme destinée à les aider à trouver le meil-leur partenaire de développement et un facilitateur de mise en relation.

Powerlinx a construit une technologie innovante pour utiliser toutes les informations du Big Data afin de facili-ter cette recherche et cette mise en relation et ce, sans autre intermédiation que la plateforme ou les experts qui y travaillent et qui peuvent assister les entreprises inscrites à affiner leurs critères de recherche.

La plateforme, sur la base des données du réseau inter-national de Dun & Bradstreet, procède à un scoring de compatibilité des partenaires potentiels dans le monde entier. Puis les analystes de Powerlinx établissent la mise en relation.

Enfin, les entreprises ont la possibilité de mettre en avant leurs produits et services en travaillant sur leur visibilité sur la plateforme, augmentant par ce biais leur référence-ment.

www.altares.com

Acteur de premier plan de la Data Economy, Altares a pour mission de valoriser le capital Data de ses clients, en transformant leur patrimoine informationnel en per-formance économique. Partenaire de confiance indépendant, le Groupe apporte aux décideurs une vision prospective et contextualisée des enjeux business de la

nouvelle économie.

Dans un monde en mutation, mondialisation, cloud, big data, open data… Altares collecte, agrège, analyse, enrichit et structure les données afin de les rendre « intelligentes » et d’en faire un outil décisionnel agile pour les Directions Générales et opérationnelles des entreprises. Le Groupe aide ainsi ses clients à faire de leurs

données un levier de croissance.

Partenaire exclusif en France de Dun & Bradstreet, 1er réseau international d’infor-mations BtoB, Altares se positionne comme le partenaire de référence des grands comptes, ETI et PME en leur offrant un accès privilégié à ses bases de données sur

plus de 250 millions d’entreprises dans 220 pays.