Darren Cooper

Articles récents
Gagner de l’argent grâce aux données exige des données pertinentes.
La monétisation des données est généralement comprise comme le « processus consistant à utiliser les données pour obtenir un avantage économique quantifiable » (Glossaire Gartner, Data Monetization). Il existe trois moyens typiques d’y parvenir :
- Utiliser les données pour prendre de meilleures décisions et donc améliorer les performances de l’entreprise
- Partager les données avec des partenaires commerciaux pour un bénéfice mutuel
- Vendre des données en tant que produit ou service
Quelle que soit la méthode, la monétisation des données devient plus rentable si vous pouvez fournir un contexte à ces données et les rendre pertinentes. Plus vos données sont riches en informations, plus elles prennent de la valeur. Prenez l’exemple d’une personne dont vous connaissez uniquement le titre du poste. Ce sont des données de référence élémentaires. Si vous ajoutez à ces informations le fait que la personne a récemment changé d’emploi, vous pouvez découvrir de nouvelles opportunités ou orienter vos efforts marketing de manière plus ciblée. Peut-être le changement d’emploi entraîne-t-il une augmentation de salaire, un changement de lieu, de nouvelles relations professionnelles, etc.
Dans cet article, vous trouverez quelques exemples et cas d’usage de monétisation des données. Vous y apprendrez comment le Master Data Management, et plus particulièrement le Master Data Management multidomaine, peut contribuer à fournir des informations sur les données.
Le Master Data Management (MDM) peut aider à développer des connaissances en ajoutant un contexte aux informations et en créant des vues à 360° sur les clients et les entreprises. Le MDM multidomaine se caractérise par la gouvernance commune de plusieurs domaines de données, ce qui permet d’obtenir des informations plus précises aux intersections de ces domaines.
Lire plus
Ensemble, les small data et le MDM multidomaine apportent de nouveaux éclairages pour l’entreprise.
Au cours de ces dernières années, j’ai travaillé dans le domaine de la gouvernance des données. J'ai eu affaire à de nombreux projets visant à réécrire les processus décisionnels à l'aide du « big data ». Les lacs de données, l'analyse prédictive, l'IA et une pléthore d'autres acronymes ont, pour beaucoup, masqué la complexité du big data. Celui-ci promettait de fournir les quatre œufs d'or de la connaissance des données : 1) meilleure prise de décision, 2) clients plus heureux, 3) absence de risque et 4) identification de nouvelles opportunités.
Lire plusFaire confiance aux données que vous utilisez n'a jamais été aussi important dans le secteur des sciences de la vie.
Les chaînes d'approvisionnement subissent une pression toujours plus forte pour accroître la rapidité et l’efficacité. Les dirigeants d'entreprise doivent prendre des décisions plus « data-driven » pour identifier les domaines permettant d'améliorer la rentabilité, de créer de nouvelles opportunités et de gérer la conformité de manière transparente. Cependant, les données les plus critiques pour l'entreprise, notamment les données sur les produits, les fournisseurs et les clients, font obstacle à cette approche Data-Driven. Ces données manquent de qualité, de cohérence et de disponibilité, en raison notamment de processus de gestion fragmentés et incohérents.
Impossible d’être data-driven si vous n’avez pas confiance en vos données.
Les solutions de Master Data Management « multidomaine » (MDM) ne sont pas toutes identiques. Voici leurs différences et pourquoi vous devez les connaître.
En sélectionnant des solutions de Master Data Management et de gouvernance des données, l'un des nombreux aspects que vous êtes susceptible d'évaluer sera la prise en charge du MDM « multidomaine ». Il est presque certain que votre premier réflexe sera de choisir une solution qui « peut tout faire ». Souvent, ce choix se fera alors que votre cas d'usage actuel ne couvre qu’un seul domaine de données, par exemple les données sur les clients ou sur les produits. Afin d'utiliser plus efficacement les ressources disponibles, une solution unique, capable d'évoluer, serait bien sûr préférable.
Lire plus