Conférence sur la Monétisation des données au salon du Big Data Paris 2015.

1. © Blue DME SAS | Diffusion interdite sans accord
Monétisation des données
Conférence Big Data Paris 2015
1

2. La Monétisation des données?
© Blue DME SAS | Diffusion interdite sans accord 2
Générer un revenu,
direct et/ou indirect,
par l’exploitation des
données, comme actif
de l’organisation

3. Quatre Business Models clefs
de la Monétisation des données
© Blue DME SAS | Diffusion interdite sans accord 3
Performance
Marketing et
Commerciale
Amélioration des processus internes…
Performance
Opérationnelle et
Financière
SFR, AXA, SG,
Solocal, Amazon,
Tesco, …
Bouygues Telecom,
Orange, EDF,
Toyota, Amazon,
UPS, …
Revenu d’amélioration
Activité dédiée…
Commercialisation
de données brutes,
enrichies,
indicateurs ou data-
apps
Commercialisation
de Produits &
Services Intelligents
Météo France,
GERS, BIEN,
Médiamétrie,
Bloomberg, Twitter,
Tesco, …
1000Mercis, AXA
Drive, Google, SFR
Geomarketing,
Equifax, Intuit, …
Revenu de croissance

4. De combien parle-t-on?
© Blue DME SAS | Diffusion interdite sans accord 4
“By 2016, 30% of Businesses will have
begun directly or indirectly monetizing
their information assets via bartering or
selling them outright.”
Source : Gartner, 2015
“For financial services firms, the opportunity to
monetize customer and transaction is new and
compelling – with revenues of US$175-300
billion per year.”
Source : Strategy& PwC, formely Booz&Company, Juin 2013
Le marché de la data à usage
marketing et communication
représente en France en 2013
1,4Md€ en France en 2013, dont
la collecte et la vente de
données représente 793 M€
Une croissance globale de +7%
dont +14% dans le ciblage et la
diffusion
Source Limelight

5. Quel raffinage des données?
© Blue DME SAS | Diffusion interdite sans accord 5
Brute
Caractéristique
Indicateur
Prédiction
Service
Niveaux de raffinage des
données
1
2
3
4
5
Données brutes de logs, capteurs,
formulaires, …
Données validées, complétées,
nettoyées
Données agrégées, calculées
Données prédites, probabilités
Données « intelligentes »
Audit, détection d’incidents, …
Analyse détaillée, gestion, reporting,
…
KPI, scores, alerte, dashboard,
infographie, …
Anticipation, recommandation,
alerte préventive, …
Processus adaptatif, règles de
gestion adaptative, …
Typologies de données Usages

6. Les constituants de la Valeur des données
© Blue DME SAS | Diffusion interdite sans accord 6
Utilisabilité Temps Précision Exhaustivité Rareté
Les données sont-elles
utilisables,
compréhensibles, utiles
pour mes besoins?
La fraicheur des
données permettent-
elles de réagir
rapidement et/ou
efficacement?
La granularité et la
significativité des
données est-elle
adaptée à mes besoins?
L’exhaustivité et la
complétude des
données
correspondent-elles à
mes besoins?
La donnée est-elle
facilement accessible
et/ou largement
diffusée?
Structuration de
données,
Infographies
…
Remarketing en temps
réel, attrition long
terme, anticipation
d’incident, …
Ciblage
comportemental, Lutte
contre la fraude,
personnalisation de
l’expérience client, …
Benchmark, indice de
référence, …
Avantage concurrentiel,
exclusivité, …

7. Quels prix pour les données?
© Blue DME SAS | Diffusion interdite sans accord 7
U.K.-based supermarket giant Tesco is a
prime example of a nonfinancial company
that’s using data to compete effectively
with traditional financial players. Until
2008, the company ran Tesco Bank as a
50/50 joint venture with the Royal Bank of
Scotland. That year Tesco bought out RBS
and began developing a completely new
infrastructure for the business, built a new
team, and brought in new expertise. The
transition was not always smooth — for
instance, online customers were locked out
of accounts for several days in 2011 when
Tesco moved data from the RBS systems to
its own — but it’s now complete. To fully
exploit this treasure trove of data, the
company took a significant stake in
Dunnhumby, a U.K. data mining firm that
will help Tesco monetize the consumer data
from both the retail and banking
operations. At its core, Tesco Bank is
underpinned by the Clubcard. The insights
the bank gains from the Clubcard customer
data allow the company to understand
customer needs and make the most
relevant offers in the store and in the
bank. The Clubcard credit card rewards
customers with points whenever they use
their card — one Clubcard point for every
£4 (US$6.12) spent. Clubcard customers can
also receive preferential deals when buying
Tesco Bank products — including discounts
on car, home, pet, and travel insurance —
and can use points to buy Tesco Bank
insurance. This year, Tesco Bank gave
customers around £70 million (US$107
million) worth of points to spend in the
store or on Clubcard rewards. In terms of
systems and IT, Tesco’s new platforms
significantly improve customer service.
Instant decisions are now possible on loan
applications, and customers can open and
fund savings accounts in just 10 minutes
rather than the two weeks required in the
past. The conversion is still in its early days,
but Tesco’s efforts are paying dividends in
the form of increased market share across a
range of products. In 2009, Tesco Bank
credit cards made up 9 percent of all
MasterCard and Visa credit card
transactions in the U.K., and by 2012 that
figure had grown to 12 percent.
Meanwhile, from 2008 to 2012, the
company’s car insurance gross written
premiums increased by 39 percent and pet
insurance gross written premiums rose 44
percent.
Tesco Bank, +3% Market Share, +39%
Car insurance Premiums, +44% Pet
Insurance Premiums
Source : Strategy&, PwC
Valeur
Comptable
Valeur
d’Usage
Valeur de
Marché
Prix des
données
Coût de
production des
données pour
Tesco Clubcard
Revenu
incrémental
estimé
(« UpLift ») lié à
l’utilisation des
données par
Tesco Bank
Prix auquel Tesco
ClubCard vend
ses données à
des tiers
Valeur complète
des données de
Tesco ClubCard
pour Tesco Bank

8. Quels moyens pour monétiser les données?
© Blue DME SAS | Diffusion interdite sans accord 8
Brute
Caractéristique
Indicateur
Prédiction
Service
1
2
3
4
5
Data Lake
Data Lab
Data Mart, Data Visualization
Modèle prédictif
Smart Web Service
Smart Business Process
Hadoop, NoSQL, Stream Processing,
…
Hadoop, Datawarehouse MPP, ETL,
BI, …
SGBD, InMemory, BI, DataViz Tool, …
Data Science Studio, OpenScoring,
RTD engines, Model as Code, …
Data Management Platform, Data
Exchange, RTB, …
Types de solutions Exemples
Think
API

9. Conclusion
© Blue DME SAS | Diffusion interdite sans accord 9
5 Etapes essentielles à la
Monétisation des Données
Par Chris Twogood, Teradata
Start with
Questions
Look for
Data
Patterns
Search for
External
Data
Sharpen
Your
Analytics
Skills
Understand
Your Data
Monetiza-
tion
Identity
1
2
3
4
5

10. Merci!!!
Julien Cabot
jcabot@bluedme.com
@julien_cabot
10© Blue DME SAS | Diffusion interdite sans accord