La monétisation des données est une capacité commerciale grâce à laquelle une organisation peut créer et réaliser de la valeur à partir des données et intelligence artificielle (IA) actifs. Un système d’échange de valeur basé sur des produits de données peut stimuler la croissance commerciale de votre organisation et acquérir un avantage concurrentiel. Cette croissance pourrait prendre la forme d’une rentabilité interne, d’une meilleure conformité aux risques, d’une augmentation de la valeur économique d’un écosystème de partenaires ou de nouvelles sources de revenus. Les logiciels avancés de gestion des données et l’IA générative peuvent accélérer la création d’une plateforme permettant la fourniture évolutive de données et de produits d’IA prêts pour l’entreprise.
Pourquoi la monétisation des données est importante
Selon McKinsey dans la Harvard Business Review, un seul produit de données dans une banque nationale américaine alimente 60 cas d’utilisation d’applications professionnelles, ce qui élimine 40 millions de dollars de pertes et génère 60 millions de dollars de revenus supplémentaires par an. Dans le secteur public, Transports pour Londres fournit des données gratuites et ouvertes à travers 80 flux de données alimentant plus de 600 applications et contribue à hauteur de 130 millions de livres sterling à l’économie de Londres.
La monétisation des données ne consiste pas uniquement à « vendre des ensembles de données »; » il s’agit d’améliorer le travail et d’améliorer les performances de l’entreprise en utilisant mieux les données. Les initiatives internes de monétisation des données mesurent l’amélioration de la conception des processus, l’orientation des tâches et l’optimisation des données utilisées dans les offres de produits ou de services de l’organisation. Les opportunités de monétisation externe permettent à différents types de données dans différents formats de devenir des actifs d’information qui peuvent être vendus ou dont la valeur est enregistrée lorsqu’ils sont utilisés.
Créer de la valeur à partir des données implique de prendre des mesures sur les données. Prendre conscience de cette valeur est l’activité qui garantit qu’il y a un avantage économique de la valeur créée qui contribue aux résultats financiers de l’organisation..
Stratégie de monétisation des données : gérer les données en tant que produit
Chaque organisation a le potentiel de monétiser ses données ; pour de nombreuses organisations, il s’agit d’une ressource inexploitée pour de nouvelles capacités. Les Data-as-a-Service et les marchés de données sont bien établis pour créer de la valeur des données à partir d’initiatives fondées sur l’analyse des données, le big data et la business intelligence. Mais peu d’organisations ont pris la décision stratégique de gérer « les données en tant que produit ». Ce gestion de données signifie appliquer des pratiques de développement de produits aux données. Les organisations hautement performantes et axées sur les données ont créé de nouveaux modèles commerciaux, des partenariats avec des services publics et amélioré les offres existantes de une monétisation des données qui contribue à plus de 20% à la rentabilité de l’entreprise.
L’enjeu clé est de traiter les données comme un actif stratégique avec une approche produit centrée sur l’utilisateur où ce nouveau produit peut être consommé par un ensemble diversifié d’applications. Les organisations renforcent la confiance dans leurs données et leur IA en faire preuve de transparence et d’éthiquereconnaissant confidentialité des donnéesen respectant les réglementations et en assurant la sécurité des données.
Produits de données et maillage de données
Les produits de données sont des données assemblées à partir de sources pouvant répondre à un ensemble de besoins fonctionnels pouvant être regroupées dans une unité consommable. Chaque produit de données possède son propre environnement de cycle de vie dans lequel ses données et ses actifs d’IA sont gérés dans leur environnement spécifique au produit. lac de données. La flexibilité dans la collecte de données est rendue possible lorsque les Lakehouses de produits se connectent et ingèrent des données provenant de nombreuses sources, en utilisant de nombreux protocoles technologiques différents. De plus, en gérant le produit de données comme une unité isolée, il peut bénéficier d’une flexibilité d’emplacement et d’une portabilité (cloud privé ou public) en fonction des contrôles de sensibilité et de confidentialité établis pour les données. IBM Watsonx.data offre une flexibilité de connectivité et l’hébergement de Lakehouses de produits de données construits sur Red Hat OpenShift pour un déploiement de cloud hybride ouvert.
Maillage de données Les architectures sont désormais apparues comme le moyen rentable de fournir des produits de données à une variété de types de points finaux, avec un suivi d’utilisation détaillé et robuste, des mesures de risque et de conformité et une sécurité. Un ou plusieurs produits de données sont servis sur le maillage et consommés par une application d’utilisateur final en tant que transaction auditable.
Par exemple, une entreprise de marchés financiers peut proposer un produit fournissant un flux de données de marché en temps réel et un autre proposant des actualités financières. Un consommateur peut créer une application de prise de décision exploitant ces deux produits et proposer des options de trading basées sur les prix et l’actualité politique ou environnementale.
Créer une capacité de solution pour la gestion des données
Le développement d’une capacité dépend de la capacité à « relier les points » pour vos parties prenantes. Il s’agit d’une chaîne d’approvisionnement depuis vos sources de données brutes jusqu’à l’échange de valeur transparent et traçable lorsqu’un actif de données est consommé dans une expérience d’utilisateur final.
Vous pouvez le faire en développant un cadre de solution pour la monétisation des données qui intègre :
Trois étapes du processus du cycle de vie de la monétisation des données :
Créer: Les données brutes sont consultées et assemblées en produits de données.
Servir: Les produits de données peuvent être découverts et consommés en tant que services, généralement via une plateforme.
Réaliser: Chaque service de données a une unité de valeur convenue qui est négociée et mesurée. Figure 1 : Le cycle de vie de la monétisation des données
Les données brutes qui alimentent la monétisation des données proviendront de trois catégories de sources : les systèmes d’entreprise, les données externes et les données personnelles. Les produits de données sont assemblés à partir de vues opérationnelles et analytiques des données de l’entreprise et des clients qui peuvent être combinées avec des ensembles de données publiques (pas nécessairement gratuites). Les données personnelles constituent une vue importante des données d’entreprise et publiques qui doivent être gérées correctement par une organisation. Lorsqu’un demande « droit à l’oubli » est invoqué, il s’étend de la source de données brutes à la cible du produit de données.
Les produits de données se présentent sous de nombreuses formes, notamment des ensembles de données, des programmes et des modèles d’IA. Ils sont conditionnés et déployés pour être consommés en tant que service, et il peut exister plusieurs types de services pour un même produit. Les types de consommation de services les plus courants incluent le téléchargement, l’API et le streaming.
Prenons l’exemple d’un client qui a intégré un ensemble de données ESG d’entreprise disparates dans un nouvel ensemble de données. Leurs services de données consistaient en un téléchargement complet d’un ensemble de données ainsi qu’en une API autour des données, qui pouvaient être interrogées pour des données ESG sur la base du symbole boursier de l’entreprise.
La monétisation des données consiste à tirer de la valeur des données. Le consommateur de services de produits de données doit pouvoir trouver et évaluer un produit, le payer, puis invoquer un ou plusieurs points de terminaison du service pour le consommer. En fonction du modèle commercial de l’utilisateur, il peut consommer ce service pour son propre usage dans le cadre de ses capacités, ou selon des conditions de licence appropriées pour créer un produit en aval ou une expérience client en utilisant le produit de données pour sa propre source de revenus.
Figure 2 : La chaîne de valeur de la monétisation des données
Atteindre l’échelle grâce à une approche de plateforme
Les options de consommation d’un utilisateur varient. L’approche traditionnelle consistait peut-être pour le fournisseur de produits de données à distribuer ses grands ensembles de données universelles directement aux clients ou sur plusieurs marchés de données. Pour les API, ils peuvent les avoir intégrées aux écosystèmes de catalogue de chaque catalogue cloud hyperscaler. Pour les modèles d’IA et les ensembles de données associés, ils pourraient envisager d’utiliser un marché comme Visage câlin. Ces dispositions de consommation commencent désormais à devenir un moyen complexe, fédéré et moins rentable de maximiser les bénéfices des revenus de transaction et d’abonnement.
Avec le cadre de solution de monétisation des données, le retour sur valeur maximisé peut provenir du fait qu’un fournisseur de produits de données devienne une entreprise SaaS de données. Le cadre définit une architecture de référence qui intègre un ensemble de technologies et de produits, notamment des produits IBM Data et AI.
Figure 3 : Implémentation de la pile de solutions avec IBM Data and AI
La mise en œuvre tout au long du cycle de vie couvre :
Créer: ingérez des ensembles et des flux de données sources et transformez-les en actifs de produits de données à l’aide de la technologie cloud hybride Lakehouse avec des environnements intégrés de science des données et de développement d’IA.
Servir: Créez des services cloud pour les produits de données grâce à l’automatisation et à la technologie des services de plate-forme afin qu’ils puissent être exploités en toute sécurité à l’échelle mondiale.
Réaliser: Instrumentez les services de produits de données pour permettre le respect des contrôles de risque et de conformité avec des données d’événements et de mesures intégrées à la gestion financière.
Une autre extension de cette fonctionnalité SaaS est que le fournisseur de produits de données propose également un environnement de création multi-locataires et multi-utilisateurs. Plusieurs parties collaborent dans leurs propres espaces de développement, consommant les services de produits de données sur la plate-forme dans leurs offres, puis les hébergeant pour leur consommation par leurs clients.
Intelligence artificielle d’entreprise
De nombreuses organisations ont construit des systèmes logiciels matures dotés de fonctions d’apprentissage automatique et d’apprentissage profond pour alimenter leurs processus métier et leurs offres clients. L’IA générative n’a fait qu’accélérer les options de conception de produits de données, de livraison du cycle de vie et de gestion opérationnelle.
Les constructeurs et opérateurs de plateformes peuvent utiliser des modèles d’IA pour créer des outils. Les créateurs peuvent utiliser ces outils pour découvrir ou en savoir plus sur les données des systèmes d’entreprise et du domaine public. Outils « copilotes » de génération de code (par exemple, Assistant de code Watsonx) créez et maintenez des automatisations et créez des expériences basées sur le langage naturel pour les opérations ou le service client. Celles-ci s’ajoutent aux pratiques établies d’utilisation de l’AIOps et des analyses avancées autour des fonctions financières et de risque.
Les propriétaires de produits de données et de services peuvent innover avec les outils d’IA générative. Ils peuvent augmenter l’assemblage d’ensembles de données avec des données synthétiques générées et créer de nouvelles analyses de sources de données, qui à leur tour peuvent éliminer les valeurs aberrantes et les anomalies. Cela peut augmenter la qualité des données intégrées dans les produits de données. Il peut être utilisé pour développer une classification spécifique aux produits de données et des bases de connaissances d’ensembles de données, ainsi que pour créer des modèles d’IA spécifiques à une organisation et à un domaine à proposer en tant que produits.
L’IA générative d’entreprise commence à s’orienter autour des bons types de modèles et d’approches de formation. Plus important encore, ils examinent la confiance et la transparence des ensembles de données sur lesquels ces modèles sont formés, ainsi que la position d’indemnisation légale lors de leur utilisation.
Les propriétaires de produits de données qui construisent ou intègrent de tels modèles doivent prendre en compte la confiance et la transparence lors de la conception de l’échange de valeur. En utilisant watsonx.ai, la feuille de route de monétisation des données d’une organisation peut tirer parti de modèles tels que IBM Granite être assuré de sa transparence et de son indemnisation.
Accélérer la monétisation des données
Les produits fondamentaux qui peuvent être utilisés pour construire la plateforme sont IBM Cloud Pak pour les données et IBM Cloud Pak pour l’intégration. Leurs composants permettent le développement de produits et services de données destinés à la consommation des utilisateurs finaux à l’échelle de la production. watsonx.data ajoute les capacités de Lakehouse pour les produits de données et watsonx.ai ajoute le développement avancé de modèles d’IA génératifs.
Une expérience de service de monétisation de données cohérente peut être créée avec ces produits et des flux de travail d’automatisation prédéfinis. Conçu pour fonctionner sur Red Hat OpenShift, cela offre l’avantage d’une plate-forme évolutive qui peut être construite une seule fois, déployée sur plusieurs infrastructures privées sur site et dans le cloud public, et exécutée comme un service unique cohérent.
Grâce à ce cadre de solution IBM, les organisations peuvent utiliser les données comme un actif stratégique et injecter de l’innovation dans le modèle commercial grâce à la technologie d’IA d’entreprise.
Explorez l’IA générative d’entreprise avec la technologie Watsonx
Leader de la stratégie technologique et des solutions
