David Coerchon, Winshuttle
Pour le Nasdaq ce fut un doublé historique : début septembre 2018, le Groupe Amazon franchissait le cap des 1000 milliards de dollars de capitalisation boursière, un mois tout juste après Apple. La marque à la pomme était alors la première entreprise américaine privée et la deuxième au monde à passer au-dessus de cette barre symbolique. Mais l'exploit accompli par l'entreprise de Jeff Bezos, deux fois plus jeune que son aînée, est encore plus spectaculaire. En l'espace de vingt ans seulement, celle qui n'était qu'une simple librairie en ligne s'est imposée avec force et fracas sur le marché des nouvelles technologies. Au point aujourd'hui de capter à elle seule près de la moitié du marché du e-commerce aux Etats-Unis et de mettre en état d'alerte partout dans le monde tous les acteurs des nouveaux secteurs auxquelles elle s'intéresse.
Ces chiffres stratosphériques montrent la toute puissance de ces rouleaux compresseurs que sont les GAFA, véritables ogres commerciaux dont le tout premier point commun est de se nourrir abondamment de données numériques. Que nous enseignent ces résultats boursiers ? Que la data a aujourd'hui acquis une importance économique majeure dans les business modèles des entreprises. Que dans des marchés de plus en plus concurrentiels, ce ne sont plus la seule qualité des produits et services qui conduisent au succès, mais aussi la collecte et la possession des données, nerf de toute guerre commerciale. Des données qui concernent les clients, mais aussi celles qui touchent au fonctionnement de l'entreprise. Non seulement Amazon sait tout des préférences de ses clients, mais elle maîtrise aussi sur le bout des doigts l'état de ses stocks ou le fonctionnement de sa chaîne logistique.
La prévalence de la data sur le produit
Dans une économie de plus en plus digitalisée, on assiste ainsi à une prévalence certaine de la donnée sur le produit. L'exemple du business modèle développé par la chaîne japonaise Shiru Café est, à cet égard, révélateur. Implantée en Asie et aux Etats-Unis, sur des campus universitaires, elle propose aux étudiants de payer leurs boissons avec leurs données personnelles. Des informations clés comme leurs nom, prénom, date de naissance et intérêts professionnels sont collectées et transmises à des entreprises sponsors. Lesquelles paient le café pour avoir accès à ces précieuses data. Ces informations données ici "gratuitement" par les clients ont évidemment, aux yeux des sponsors, bien plus de valeur que le produit offert.
L'approche est la même avec le déploiement des enceintes connectées dans les foyers. Ces objets en soi n’ont aucune valeur et servent surtout à capter des données sur les habitudes de consommation de leurs propriétaires.
C'est aussi de collecte des données sur les clients dont il est question alors que le système de cartes de fidélité se développe de façon spectaculaire dans la grande distribution. Au prix de cadeaux ou de remises consenties, parfois conséquentes, les enseignes recueillent par ce biais des informations essentielles sur les parcours d'achat. Cette quête du Graal pousse même les grandes marques de la consommation à changer leur modèle. Ainsi, nombre d'enseignes revisitent leurs circuits de commercialisation pour contourner les distributeurs et faire du "direct to consumer". Pourquoi ? Pour récupérer la data grâce à la vente en direct.
Cette course à la donnée (interne et externe) montre que les entreprises ont parfaitement fait la corrélation entre détention de données et avantage économique. A un point tel d'ailleurs que les Autorités de la concurrence française et allemande se sont penchées sur la question, inquiètes des risques de domination sans partage de quelques poids lourds. Elles ont ainsi livré, en mai 2016, une étude visant à examiner dans quelle mesure la détention de données risquait de conférer un pouvoir de marché et constituer une barrière à l'entrée pour d'autres acteurs.
Gestion des données et métadonnées
Cette appétence pour la data crée de nouveaux défis pour les entreprises, en particulier celui de la qualité et la fiabilité de leurs données (données de gestion, données transactionnelles, master data) et des métadonnées associées, face à des volumes qui explosent.
Pour pouvoir être exploitées de façon compétitive, ces données doivent apporter la qualité attendue en répondant à de nécessaires conditions de récence, de justesse, de complétude et de disponibilité en temps voulu. C'est un sujet majeur sur lequel, aujourd'hui encore, les ERP continuent de pécher. Ainsi, on considère que près d'un quart des données qu'ils hébergent seraient de mauvaise qualité. Un problème souvent dû à des dysfonctionnements dans les processus de collecte et de validation, à des procédures de maintenance bien trop lourdes ou encore à une mauvaise reprise de données lors d'une migration vers un nouveau système cible (de SAP ECC vers S/4Hana par exemple).
Or, une gestion des données performante est le pré-requis pour alimenter des processus solides et permettre aux lignes métier d'avoir des analyses pertinentes. A contrario, une mauvaise qualité des données peut être fatale, y compris pour les meilleurs. Le monde sportif l'a illustré récemment avec la défaite de Lewis Hamilton lors du Grand Prix de F1 à Melbourne, en mars 2018, trahi par une information erronée communiquée lors de la course. C'est une différence de chrono entre compétiteurs surestimée par un logiciel qui aura coûté la première place au pilote britannique. Preuve que l'on peut être leader et coiffé au poteau à cause de données non fiables.
Ces chiffres stratosphériques montrent la toute puissance de ces rouleaux compresseurs que sont les GAFA, véritables ogres commerciaux dont le tout premier point commun est de se nourrir abondamment de données numériques. Que nous enseignent ces résultats boursiers ? Que la data a aujourd'hui acquis une importance économique majeure dans les business modèles des entreprises. Que dans des marchés de plus en plus concurrentiels, ce ne sont plus la seule qualité des produits et services qui conduisent au succès, mais aussi la collecte et la possession des données, nerf de toute guerre commerciale. Des données qui concernent les clients, mais aussi celles qui touchent au fonctionnement de l'entreprise. Non seulement Amazon sait tout des préférences de ses clients, mais elle maîtrise aussi sur le bout des doigts l'état de ses stocks ou le fonctionnement de sa chaîne logistique.
La prévalence de la data sur le produit
Dans une économie de plus en plus digitalisée, on assiste ainsi à une prévalence certaine de la donnée sur le produit. L'exemple du business modèle développé par la chaîne japonaise Shiru Café est, à cet égard, révélateur. Implantée en Asie et aux Etats-Unis, sur des campus universitaires, elle propose aux étudiants de payer leurs boissons avec leurs données personnelles. Des informations clés comme leurs nom, prénom, date de naissance et intérêts professionnels sont collectées et transmises à des entreprises sponsors. Lesquelles paient le café pour avoir accès à ces précieuses data. Ces informations données ici "gratuitement" par les clients ont évidemment, aux yeux des sponsors, bien plus de valeur que le produit offert.
L'approche est la même avec le déploiement des enceintes connectées dans les foyers. Ces objets en soi n’ont aucune valeur et servent surtout à capter des données sur les habitudes de consommation de leurs propriétaires.
C'est aussi de collecte des données sur les clients dont il est question alors que le système de cartes de fidélité se développe de façon spectaculaire dans la grande distribution. Au prix de cadeaux ou de remises consenties, parfois conséquentes, les enseignes recueillent par ce biais des informations essentielles sur les parcours d'achat. Cette quête du Graal pousse même les grandes marques de la consommation à changer leur modèle. Ainsi, nombre d'enseignes revisitent leurs circuits de commercialisation pour contourner les distributeurs et faire du "direct to consumer". Pourquoi ? Pour récupérer la data grâce à la vente en direct.
Cette course à la donnée (interne et externe) montre que les entreprises ont parfaitement fait la corrélation entre détention de données et avantage économique. A un point tel d'ailleurs que les Autorités de la concurrence française et allemande se sont penchées sur la question, inquiètes des risques de domination sans partage de quelques poids lourds. Elles ont ainsi livré, en mai 2016, une étude visant à examiner dans quelle mesure la détention de données risquait de conférer un pouvoir de marché et constituer une barrière à l'entrée pour d'autres acteurs.
Gestion des données et métadonnées
Cette appétence pour la data crée de nouveaux défis pour les entreprises, en particulier celui de la qualité et la fiabilité de leurs données (données de gestion, données transactionnelles, master data) et des métadonnées associées, face à des volumes qui explosent.
Pour pouvoir être exploitées de façon compétitive, ces données doivent apporter la qualité attendue en répondant à de nécessaires conditions de récence, de justesse, de complétude et de disponibilité en temps voulu. C'est un sujet majeur sur lequel, aujourd'hui encore, les ERP continuent de pécher. Ainsi, on considère que près d'un quart des données qu'ils hébergent seraient de mauvaise qualité. Un problème souvent dû à des dysfonctionnements dans les processus de collecte et de validation, à des procédures de maintenance bien trop lourdes ou encore à une mauvaise reprise de données lors d'une migration vers un nouveau système cible (de SAP ECC vers S/4Hana par exemple).
Or, une gestion des données performante est le pré-requis pour alimenter des processus solides et permettre aux lignes métier d'avoir des analyses pertinentes. A contrario, une mauvaise qualité des données peut être fatale, y compris pour les meilleurs. Le monde sportif l'a illustré récemment avec la défaite de Lewis Hamilton lors du Grand Prix de F1 à Melbourne, en mars 2018, trahi par une information erronée communiquée lors de la course. C'est une différence de chrono entre compétiteurs surestimée par un logiciel qui aura coûté la première place au pilote britannique. Preuve que l'on peut être leader et coiffé au poteau à cause de données non fiables.