Quand les big data créent de nouveaux business models

Depuis leur apparition fracassante sur la scène publique, les Big Data laissent entrevoir progressivement les bénéfices qu'elles peuvent apporter aux entreprises. Au départ, cantonnées à des problématiques de stockage et d'accès rapide à des volumes massifs de données, les Big Data étaient le Graal des spécialistes du marketing.

Engagement, fidélisation, récurrence commerciale, prévisions de ventes, les Big Data étaient considérées comme un moyen d'améliorer segmentation et prise de décision. Elles étaient surtout envisagées comme une extension de stratégies analytiques existantes, permettant d'enrichir la connaissance client et produit grâce à des données plus nombreuses, plus granulaires et plus contextuelles. Ainsi, les bases de données d'acteurs de premier plan, tels que Wal-Mart, sont désormais capables d'engranger plus d'un million de transactions par heure.

Une valeur potentielle de 300 milliards de dollars

Au-delà du marketing, les professionnels de la donnée se sont vite rendus compte que les Big Data pouvaient profiter à l'ensemble des secteurs : santé, banque, finances, télécoms, etc. En 2012, Mckinsey a calculé que pour le seul secteur de la santé, les Big Data recelaient une valeur potentielle de 300 milliards de dollars, qui pourrait être matérialisée par des améliorations de performances économiques ; l'analyse des Big Data permettant d'optimiser des processus existants sur la base d'une meilleure connaissance.

Les big data alimentent désormais l'opérationnel…

Face aux succès initiaux de ces projets d'optimisation analytique, les entreprises ont cherché à aller plus loin, en automatisant leurs processus stratégiques de prise de décision, sur la base d'indicateurs très précis issus des « Big Analytics ». La grande nouveauté consiste désormais à alimenter l'opérationnel. Les exemples les plus parlants sont bien sûr les systèmes de recommandation d'Amazon ou de Netflix, qui en tant que pionniers, n'ont pas attendu le buzz médiatique pour se lancer dans l'analyse de données à grande échelle.

Cette "opérationnalisation" des données a ouvert la voie à des stratégies innovantes, visant à la création de nouvelles sources de valeur. Les Big Data sont ainsi devenues un outil aidant les entreprises à explorer de nouveaux territoires et à réaliser des projets impossibles à mener à bien auparavant. Car les Big Data peuvent dévoiler une valeur intrinsèque qui n'était pas forcément prévue au démarrage de l'analyse. Par exemple, toute chaîne de supermarchés d'une certaine ampleur étudie le comportement d'achat de ses clients, via l'analyse des tickets de caisse et des cartes de fidélité. L'idée de départ est d'optimiser le parcours client en magasin, de travailler à la mise en avant de certains produits et de renforcer la fidélité par des offres personnalisées. Mais, la lecture des résultats d'analyse va pousser la chaîne à travailler avec ses fournisseurs - les marques - pour envoyer de manière dynamique aux clients sur leur mobile des coupons de réduction immédiatement utilisables dans le rayon visité à l'instant précis.

Dans un autre domaine, TomTom, le leader des produits et services de localisation et de navigation, reçoit quotidiennement des milliards d'enregistrements issus des GPS bidirectionnels de ses clients. Si ces données permettent d'adapter en temps réel les parcours fournis aux utilisateurs (afin d'éviter les bouchons ou les travaux), ces données (consolidées et anonymisées) sont également commercialisées - par exemple auprès des collectivités territoriales aux Pays-Bas pour envisager l'adaptation de la voirie.

Ces deux exemples illustrent la puissance des Big Data pour faire évoluer les business models des entreprises et mettre en évidence de nouvelles sources de revenus. Dans le cas de TomTom, la société n'a pas changé d'activité, mais a trouvé de nouveaux clients.

…et contribuent à l'évolution, parfois radicale, des business models

La dernière marche est en passe d'être franchie aujourd'hui. Il s'agit du changement radical du business model d'une entreprise, lié à la monétisation des données qu'elle collecte. Imaginons un fabricant de chaussures de sport cherchant un relais de croissance, dans un contexte concurrentiel très vif. Il s'intéresse de près à la vague de l'Internet des Objets et voit dans le « quantified self » un moyen de faire évoluer en profondeur ses activités.

Il peut décider d'offrir ou de vendre à perte des chaussures connectées de bonne qualité, afin de tirer plus de valeur des données collectées et monétisables. Le modèle, c'est bien sûr Google, qui offre le moteur de recherche (voire même le navigateur et le système d'exploitation) pour mieux collecter des données qu'il exploite commercialement sous forme anonymisée et consolidée. Le fabricant de chaussures de sport, dans ce cas, conserve son métier original qui devient un prétexte pour collecter des données et se positionner sur un métier entièrement nouveau.

Les perspectives sont nombreuses, voire illimitées. Si les grands acteurs l'ont bien compris - par exemple Apple qui s'est lancé dans la commercialisation de musique puis d'apps ou Google qui a racheté Nest - les entreprises dans un avenir proche seront de plus en plus nombreuses à choisir des chemins alternatifs à leur métier original. On peut ainsi imaginer des fabricants d'automobiles - qui étaient déjà sortis de leurs sentiers battus en proposant des services financiers ou d'assurance - devenir des opérateurs de type Autolib', dont la principale valeur ajoutée sera d'analyser les comportements des conducteurs et de monétiser ces analyses.

Une vraie révolution est en marche. La donnée est et sera au cœur du monde économique du 21ème siècle. Et les géants de demain sont en train de se créer aujourd'hui.