Weitere ähnliche Inhalte Ähnlich wie Monétisation des données - BlueDME - prez Meetup (20) Monétisation des données - BlueDME - prez Meetup1. © Blue DME SAS | Diffusion interdite sans accord
Monétisation des données
Mathieu DESPRIEE, CTO
mde@bluedme.com
@mdespriee
2. Qui sommes-nous?
Julien
CEO
ESME. Ms IAE Paris
Mathieu
CTO
ENSEIRB
Mohamed
Data Scientist
PhD Math LMV
Aurélien
Senior Engineer
Telecom Paris
Christophe
Data Engineer
INSA
Kevin
Data Engineer
EISTI. Heriot-Watt
Adrian
Resp. Data Science
ENSAI
Katia
Senior Engineer
Universad de
Bilbao
Equipe
Clients
Offre
Blue DME SAS est une startup française (JEI) créée début 2015
#Data Science
Optimiser la performance
business en passant au
prédictif
Marketing
Commerce
Risques
#Data Platform
Simplifier et fluidifier l’accès
aux données externes
Parcours digitaux
Capteurs
Open Data
Partenaires
Groupe
#Data Monetization
Valoriser la contribution de
vos données à leur valeur
d’usage et développer de
nouvelles offres de services
pour vos clients
Enseignement
Cedric
CSO
Polytech. Sud HEC
© Blue DME SAS | Diffusion interdite sans accord 22
3. © Blue DME SAS | Diffusion interdite sans accord
Vision
La Data, un patrimoine devenant un actif
économique des organisations à l’ère du
Digital
#Infonomics #DataMonetization
4. La Monétisation des données?
© Blue DME SAS | Diffusion interdite sans accord
Générer un revenu,
direct et/ou indirect,
par l’exploitation des
données, comme actif
de l’organisation
5. 3 Business Models clefs de la Monétisation des données
© Blue DME SAS | Diffusion interdite sans accord
Performance
Marketing et
Commerciale
Monétisation interne
Performance
Opérationnelle et
Financière
Connaissance Client
Ciblage comportemental
Attrition
Remarketing
…
Optimisation des
processus
Optimisation de
l’allocation des ressources
Lutte contre la fraude
…
PERFORMANCE LIEE A LA DATA
Monétisation externe
Commercialisation
de données brutes,
enrichies,
indicateurs ou data-
apps
Commercialisation
de Produits &
Services Intelligents
Génération de revenus de
vente de données
Génération de revenus de
licences ou souscription à
des services
VENTE DE DATA VENTE DE SERVICE
6. Exploitation Indirecte : Performance liée à la Data
© Blue DME SAS | Diffusion interdite sans accord
PERFORMANCE LIEE A LA DATA
Ecart de performance lié au fait de posséder
ou non la data
Attribution
Efficacité opérationnelle Optimisation budgétaire Réduction des risques
Equivalent en coût-temps
(Ex. rotation
commerciale)
Equivalent budgétaire
(Ex. ciblage)
Equivalent en provision
financière
(Ex. VaR)
7. Estimation de la valeur des données
© Blue DME SAS | Diffusion interdite sans accord
La valeur économique des données n’a pas de définition explicite, mais relève plutôt d’un
consensus entre consommateur et fournisseurs. L’estimation s’appuie sur une synthèse entre 3
perspectives de la valeur : coût de production (accounting value+ premium), valeurs de marché (market
value) et valeurs d’usage par des tiers (usage value)
Triangle de prix
Coût de production
Approche par le coût de stockage, le coût
d’enrichissement et le coût du process de
collecte et de validation des données
Plancher de l’estimation
Valeur de marché
Estimation de la valeur de marché des
données si l’organisation vendait ses données:
ex. Data Exchange, location de fichiers,
services d’abonnements, etc.
Valeur d’usage
Estimation de la valeur incrémentale
apportées par ces données (avec ou sans les
données)
Combien l’organisation devrait décaisser
pour obtenir la même performance ?
8. Coût de production / possession
© Blue DME SAS | Diffusion interdite sans accord
Valeur liée pour construire/acquérir l’actif
• Coûts historiques d’acquisition des données
– Moyens humains
– Moyens technologiques
– Moyens financiers
• Approche comptable
– Charges
– Amortissement des immobilisations
• Premiums liés à une appréciation de la rareté ou à un
avantage concurrentiel
• Défini le plancher de la valeur des données
9. Valeur de marché
© Blue DME SAS | Diffusion interdite sans accord
Valeur de vente de l’actif sur le « marché »
• Encore faut-il qu’il y ait un marché réel…
• Location de base de contacts
– Coût pour Mille (CPM) Email : 20€-70€
– CPM Social Connect : 58-82€
– Mobile CPM : 82€-128€
• Data Exchange (Digital Ads)
– Revenue mensuel pour Mille : 9,33€ sur base de 100M de cookies
• Vente de leads
– Coût par lead en projet immobilier : 9€-18€ par lead
– Coût par lead en financement auto : 6€-8€ par lead
• Les marchés étant opaques et non régulés : les prix de marché sont
encore difficiles à obtenir.
• Premiums : exclusivité de la transaction
10. Valeur d’usage
© Blue DME SAS | Diffusion interdite sans accord
Valeur du bénéfice de posséder les données
• Ecart de performance avec ou sans les données : A/B Testing
• Ecart de performance des modèles prédictifs (avec ou sans
les features externes)
• Le calcul de l’apport de la prédiction repose sur la
comparaison entre les AUC de différents modèles
• RF sur les données de l’utilisateur
• RF sur les données de l’utilisateur augmentées
par un fichier A
• RF sur les données de l’utilisateur augmentées
par un fichier B
11. Un moteur de recherche de données internes et externes
apportant de la valeur
© Blue DME SAS | Diffusion interdite sans accord 11
Contexte
Pour le compte des départements d’actuariats,
marketing et risques des entitées MAAF, GMF et
MMA du groupe COVEA, fournir une solution
sous la forme d’une plateforme de recherche de
données innovantes, basée sur la solution DEX
de Blue DME, permettant:
• De rechercher des données sur les clients, la
matière assurable et les risques dans tous les
silos des entités et dans 14 000 jeux de
données externes
• Trouver de manière automatique les données
permettant d’améliorer les modèles de
scoring et de pricing, en réduisant l’effort de
60%
• Partager dans toute l’organisation les
données les plus utiles et à plus forte valeur
ajoutée par des fonctions de collaboration sur
la data
DEX
Analyste Risques
(MAAF, GMF, MMA)
Actuariat
(MAAF, GMF,
MMA)
Marketing
(MAAF, GMF,
MMA)
Pricing P&C
Potentiel de marché
Attribution TV
Prédiction du churn
Risques
environnementaux
Risques climatiques
Données MMA
Données
MAAF
Données GMF
Open Data
External Data
12. Data Selection
Engine
Une plateforme de recherche et
de sélection de données multi-
sources
Les projets de Data Science et les Data Apps
consomment de nombreuses données issues de
plusieurs sources internes et externes.
Data Selection Engine permet de rechercher des
données à valeur ajoutée permettant d’enrichir
vos données et vos modèles de scores à partir de
milliers de sources de données de manière
automatique
Data Selection Engine permet de construire des
services d'agrégation de données monétisables
en temps réel pour vos data apps
Enrichir les Data Apps avec des données
externes de partenaires et Open Data
Recherche de données externes Analyseur de données externes
Service intelligent de recherche de
données externes améliorant un score
existant
Service intelligent de recherche de
variables prédictives
© Blue DME SAS | Diffusion interdite sans accord 12
13. La plateforme DEX est une application Spark / Hadoop
© Blue DME SAS | Diffusion interdite sans accord 13
HDFS YARN
Data storage
• Workspaces
• Processed data
• Data models
Data Processing
• Data analysis
• Matching
• Prediction Model
training &
execution
Front-ends
• Web application
• APIs
Search index
• Metadata
• Indexed content
Transactional
• Quotation
• Exchange
agreements and
execution
• User management
14. Data Exchange - Internet of Data
© Blue DME SAS | Diffusion interdite sans accord 14
Interentreprises
Filière
Groupe
Interne
CRM
Gestion
Finance
COMMERCE
Diminuer la durée du cycle de
vente par une priorisation des
comportements et des
situations de vente
MARKETING
Engager vos clients par leurs
parcours omni canal et leurs
cycles de vie avec l’ensemble de
vos partenaires
Data MonétisationData ExchangeData Solution
PRICING
Améliorer la performance des
modèles de pricing en tenant
compte de la sensibilité et de la
pression exercée sur les
prospects
Plateforme ouverte Blue DME
SOURCING DE DONNEES
Constituer un écosystème de
partenaires d’échange de données
par une approche directe et
désintermédiée
VALORISATION DE DONNEES
Calculer la valeur d’usage et la valeur
de marché des données dans le cadre
d’échange bilatéral pour estimer
l’attribution et/ou le prix des données
EXECUTION D’ECHANGES
Sécuriser et exécuter les transactions
d’échange de données en
respectant les directives de data
privacy et en protégeant votre
capital informationnel
Laboratoire de données
Big Data
Contrôleur de Data
Privacy
Marché électronique
d’échange de données
Référentiels de données
exogènes
Algo. de prédiction des
futurs évènements
(machine learning)
15. © Blue DME SAS | Diffusion interdite sans accord
www.bluedme.com
@Blue _DME
15
16. Retour d’expérience
Valorisation économique des données comme axe stratégique
Data Value
986 K€
Contact
294K€
Mov. Rank
582K€
Movie Data
113K€
Contact
236K€
CPM 20€-63€
Movie Rank
529K€
CPM 6,74€-8,40€
Movie Data
170K€
TOTAL Usage Value
1033K€ (+20% in 3 years)
CPM 5,14-8,39€
TOTAL Market Value
935 K€ (+68% in 3 years)
TOTAL Owning Value
989 K€ (+19.5% in 3 years)
Coût de production
Approche par le coût de stockage, le coût
d’enrichissement et le coût du process de
collecte et de validation des données.
Valeur plancher
Valeur de marché
Estimation de la valeur de marché des
données si l’organisation vendait ses
données : ex. Data Exchange, location de
fichiers, services d’abonnements, etc.
Valeur d’usage
Estimation de la valeur incrémentale
apportées par ces données
(Gain avec vs. sans les données)
Warner Bros. France
(chiffres modifiés)
Développement d’un nouveau business
model de DMP/RTB spécialisé dans les
produits culturels
Renforcement des investissements de
l’équipe Data pour maintenir l’avantage
concurrentiel. Revente du modèle en
interne sur LATAM
Création d’une plateforme Open API monétisée
(abonnement) sur les produits culturels
© Blue DME SAS | Diffusion interdite sans accord 16
17. Utiliser les données pour prédire
(aka. Machine Learning / Data Science)
© Blue DME SAS | Diffusion interdite sans accord
y = f (X)
Observations
du passé
Variable à prédire
(eg. « acheteur »)
0
1
0
0
1
0
…
Connaissance
(eg. sur un client)y x1 x2 x3 … … xn
Prédire = Appliquer la fonction inférée f à de nouvelles observations (eg. nouveau prospect)
32
23
56
71
19
24
…
• Profil socio-démo
• Catégorie client
• Offres déjà souscrites
…
• Promoteur réseau
sociaux
75
92
33
18
01
13
…
VIP
PRO
Famille
Senior
15/25
…
0.1
-0.7
0.0
0.5
0.8
0.4
…
…
Données « assemblées »
Sources de données d’origine
Collecte
Préparation
Apprentissage
Hinweis der Redaktion La valorisation des données, surtout à l’externe, est liée à la détermination de la valeur d’usage de l’utilisateur des données. Cette valeur est très volatile d’un utilisateur à un autre. Le prix des données est lié à un pricing dynamique.
TPR = TP/(TP+FN) sensitivity recall
FPR=FP/(FP+TN) anti-secificity
SPC = TN/(TN+FP)
Confusion matrix
TP FP
FN TN