Rechercher

Modèle d'affaire dynamique de type Canvas Les données réinventent l'entreprise, partie 2

| Auteur / Rédacteur: Damian Chiossone et Xavier Comtesse, Manufacturethinking / Jean-René Gonthier

Ce WorkingPaper est basé sur les travaux remarquables d'Alexander Osterwalder et Yves Pigneur sur les Business Modèles Canvas (BMC) et leurs capacités à exprimer la « proposition de valeurs » des entreprises et qu'ils ont formulé dans plusieurs livres dont le fameux : Business Model Generation.(Première partie de l'article à retrouver dans le MSM 3/2020)

Entreprises liées

Figure 1 : Modèle d'affaire Canvas.
Figure 1 : Modèle d'affaire Canvas.
(Source : Copyright : Licence en Creative Common : sources - Business Model Canvas is Strategyzer.com)

La première partie de cet article comporte les chapitres suivants :

  • les données : nouveau vecteur d'évolution des modèles d'affaires ;
  • qu'est-ce qu'un modèle d'affaires ;
  • comment représenter un modèle d'affaires ;
  • aperçu du modèle d'affaires Canvas.

La première partie est disponible en ligne à cette adresse : https://www.msm.ch/les-donnees-reinventent-lentreprise-1ere-partie-a-920360/

Le pouvoir grandissant des données

On confond toujours donnée et information. Mais une donnée n'est pas encore information car cette dernière est, par définition, une donnée interprétée avec une valeur ajoutée. Une information s'inscrit donc dans le champ de la science de la communication (McLuhan) au contraire de la donnée. Alors pourquoi vouloir parler des données si c'est l'information qui donne du sens ? Tout simplement parce que la donnée a pris avec la révolution du numérique une place centrale. C'est le nouveau carburant de l'économie moderne.

Cependant, à y regarder de plus près, il existe plusieurs types de données. En effet, une donnée peut être produite de manière interne à l'entreprise, ou externe dans une relation commerciale utilisant notamment Internet (e-commerce), ou encore produite par des objets connectés (IoT, Internet of Things) et finalement la donnée conversationnelle provenant de sources ouvertes tels que les réseaux sociaux. En fonction de leurs provenances elles seront de natures différentes donc aussi structurés autrement.

Passons en revue cette approche qui considère quatre niveaux emboîtés des données et faisons,dans la foulé, une interprétation économique.

1.0 : données internes

Les données, tel que l'informatique traditionnel traité, étaient toutes structurées et pouvaient aisément trouver leur place dans un Excel ou une base de données. Habituellement sous la forme de nombres ou de noms, elles répondaient aux besoins des entreprises pour la gestion des commandes, des facturations, de la production ou encore de la comptabilité. Les ERP (Enterprise Resource Planning) étaient les logiciels de base.

2.0 : données de l'e-commerce

Celles-ci étendent le concept de donnée interne aux contacts direct notamment avec les clients. Cette dernière commande en ligne et donc l'entreprise peut tirer de nouvelles informations, par exemple si quelqu'un regarde un produit sans l'acheter. L'entreprise lui enverra par la suite une publicité ciblée sur cet acte manqué. Amazon et d'autres entreprises du e-commerce utilisent systématiquement cette pratique. Forte de cette maîtrise des données structurées l'entreprise gagne ainsi un nouveau niveau de complexité dans la gestion des données.

3.0 : données de l'IoT

Produites par les objets connectés tels que le téléphone mobile ou les smartwatches. Avec ce type de dispositifs les entreprises peuvent accumuler de très grande quantité de données provenant de leurs clients ce qui permet d'envisager de conduire l'activité économique par les données (data driven economy). C'est ce que pratique Zalando ou encore Waze pour le trafic routier. En effet, dès lors que les données sont nombreuses, elles informent précisément des pratiques des clients. La gestion des Big Data requière de nouveaux outils informatiques qu'offrent en général les gestionnaires de « cloud » comme AWS (Amazon Web Services).

4.0 : données IA

L'étape suivante de la gestion des données est évidemment la maîtrise des données IA (Intelligence Artificielle), y compris celles non-structurées telles que les discussions sur les réseaux sociaux. Ce niveau entraîne une connaissance nouvelle du comportement des consommateurs grâce à une analyse par les outils de l'intelligence artificielle. Par exemple : Alexa, Siri et les autres assistants personnels sont parvenus aujourd'hui à un bon niveau d'intervention à l'aide de ce type de données.

La donnée est l'essence même de la révolution numérique : il n'y a pas de « smart cities » sans « smart données », il n'y a pas de médecine de précision sans donnée ouvertes, il n'y a pas d'économie moderne sans traitement des Big Data par les algorithmes auto-apprenants de l'IA. C'est une réalité mais, évidemment toutes les entreprises ne sont pas au même niveau d'évolution vers le tout numérique. Ce découpage en quatre niveaux est comme une bonne boussole pour savoir où en sont les entreprises dans leur transformation numérique.

(ID:46462777)