Decideo - Actualités sur le Big Data, Business Intelligence, Data Science

Abonnez-vous gratuitement à Decideo !


Decideo

 


Plateformes prédictives : mutualisation ou rétention des données, 5 questions clé à se poser


Rédigé par Jean-Cyril Schütterlé, Sidetrade le 5 Mars 2017

Avec l'émergence de plateformes prédictives SaaS, la question du partage des données se pose : mutualiser ses données tout en acceptant de cohabiter avec des concurrents sur une même plateforme, ou jouer la carte de la rétention et se priver ainsi d’une technologie promettant d’accélérer la performance ?



Quelques questions simples peuvent guider l’arbitrage :

Jean-Cyril Schütterlé, Directeur Produit et Data Science de Sidetrade
Jean-Cyril Schütterlé, Directeur Produit et Data Science de Sidetrade
1. La confidentialité des données de mon entreprise sera-t-elle préservée en dépit de la mutualisation ?

Une véritable plateforme prédictive garantit en principe la confidentialité des informations qu’elle exploite. Tout comme un institut de sondage révèle les tendances de l’opinion sans jamais divulguer l’identité ni les convictions individuelles des personnes qu’il a interrogées, l’objectif d’une plateforme d’optimisation du processus de vente, par exemple, est de découvrir des règles de prospection applicables à de nouveaux prospects, pas de publier les données dont l’analyse a permis d’établir ces règles. Connaître la nature exacte d’une transaction passée entre une entreprise A et son fournisseur B ne présenterait d’ailleurs qu’un intérêt très ponctuel pour adapter une stratégie commerciale. En revanche, déceler que généralement, les contacts possédant un profil spécifique réagissent mieux à une offre commerciale qu’à une autre, ouvre des pistes d’actions très concrètes.

2. Mon organisation est-elle la seule à détenir les données en question ?

Si l’on considère les informations figurant sur des transactions comme les bons de commandes ou les factures, elles sont en principe détenues à la fois par l'entreprise et ses partenaires commerciaux. Sauf clause contractuelle particulière, rien n'empêchera donc ces partenaires de laisser leur propre plateforme prédictive mutualiser les informations figurant par exemple sur les documents que vous leur avez adressés, quelle que soit votre volonté de rétention.

3. Le domaine sur lequel portent les données est-il réellement objet de concurrence ?

Ainsi qu’en témoigne l’existence d’associations professionnelles, des sociétés rivales peuvent avoir un intérêt à collaborer et à partager des informations relatives à leur environnement de marché, sans que le jeu de la libre-concurrence soit pour autant faussé. C’est dans ce cadre qu’évoluent les plateformes prédictives.

4. Puis-je autant bénéficier des données des autres que les autres bénéficieront des miennes ?

L’intérêt de la mutualisation pour votre organisation sera fonction de la représentativité des données exploitées par la plateforme prédictive. Dans l’hypothèse où les entreprises utilisatrices du service sont peu différentes de votre organisation, les données risquent d’être redondantes avec les vôtres et de n’améliorer que marginalement la précision de la plateforme prédictive. En revanche, dès lors que les données proviennent de sources variées, elles s’enrichissent mutuellement. De surcroît, sur une plateforme comptant de nombreux clients, les termes de l’échange vous sont d’autant plus favorables que vos données ne représentent qu’une faible fraction du volume total de l’information exploitée.

5. Existe-t-il une alternative à la mutualisation des données qui permette une performance satisfaisante de la plateforme prédictive ?

En fonction des indicateurs prospectifs concernés, de la qualité des données dont dispose déjà votre organisation, de l’accessibilité de bases tierces, il sera plus ou moins aisé et onéreux de vous procurer par vous-même les données complémentaires indispensables à un bon apprentissage par les algorithmes de la plateforme. Compte-tenu des niveaux d’investissement requis en compétences Data Science et infrastructures Big Data indispensables à ce jour à la mise au point de traitements prédictifs, la mutualisation proposée par les plateformes correspond sans aucun doute au scénario le plus rationnel économiquement. Néanmoins, dans des domaines oligopolistiques, sur des marchés techniques ou pour lesquels les données pertinentes sont concentrées entre un petit nombre d’acteurs, l’offre de mutualisation pourrait être défaillante ou dépourvue d’intérêt. On imagine mal, par exemple, qu’une mutualisation entre acteurs de la filière nucléaire à des fins d’identification d’opportunités commerciales puisse avoir du sens.

Les plateformes prédictives offrent aux organisations une occasion d’apprendre des grands volumes de données qu’elles accumulent. Dans nombre de situations, elles peuvent considérablement accélérer cet apprentissage en mutualisant les données en provenance de leurs clients. A bien des égards, l’utilisation d’une plateforme prédictive s’apparente au recours à un cabinet de conseil dont on attend une expertise accumulée au fil des missions dans des sociétés successives sans pour autant que soit compromise la confidentialité des informations particulières sur lesquelles cette expertise repose.




Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store