string(0) "" Tendances en matière d'IA : faut-il considérer les données comme un produit ?

Blog Planview

Votre parcours vers l’agilité métier

L'intelligence artificielle, Transformation, Vision et tendances

Tendances en matière d'IA : faut-il considérer les données comme un produit ?

Des experts de Shutterstock, Nara Logics, Constellation Research Group et Planview donnent leur avis.

Publié le par Liz Llewellyn-Maxwell , Dr. Richard Sonnenblick
Tendances en matière d'IA : faut-il considérer les données comme un produit ?

Historiquement, les entreprises avaient deux approches pour tirer parti des données.  

Certaines entreprises ont adopté une approche locale, où des personnes et des équipes individuelles ont exploité leurs propres bases de données pour obtenir des informations en fonction de leurs besoins. D'autres entreprises, généralement les plus grandes, ont suivi une méthode plus "big-bang", dans laquelle l'entreprise a formé une équipe spécialisée pour regrouper, préparer et partager les données. 

Quels sont les problèmes posés par ces approches ? Ni l'un ni l'autre ne sont durables. Ni l'un ni l'autre ne peut gérer la quantité de données provenant des clients et des opérations internes. Ni l'un ni l'autre ne permet aux clients de tirer profit de leurs propres données.

Mais il existe désormais une troisième option, selon McKinsey : faire des données un produit interne.

L'utilisation des données en tant que produit interne confère un avantage concurrentiel à des entreprises telles que Netflix, Intuit, PayPal et bien d'autres.  

Devriez-vous suivre le mouvement ? Un groupe diversifié d'experts du secteur a répondu à cette question lors d'une récente table ronde

Les panélistes Sejal Amin, Chief Technology Officer chez Shutterstock, Jana Eggers, CEO de Nara Logics, Razat Gaurav, CEO de Planview, et Dr. Rich Sonnenblick, Chief Data Scientist chez Planview, ont été rejoints par le modérateur Ray Wang, analyste principal et fondateur de Constellation Research, Inc.

Cet article de blog présente leurs points de vue sur l'utilisation des données en tant que produit, y compris : 

  • Le changement dans la façon dont les entreprises considèrent les données des clients 
  • Comment la productisation des données profite aux entreprises et aux clients 
  • L'importance de l'approvisionnement éthique en données et les zones grises à surveiller  

Écoutez l'intégralité de la discussion : L'IA dans l'entreprise : Opportunités, défis et avenir 

Un changement de culture - et d'état d'esprit - sur les données clients 

Le transfert des données de l'entreprise vers l'informatique dématérialisée présentait de nombreux avantages pour les clients : accès plus facile aux données, meilleure sécurité et plus grande organisation. Ce changement a également entraîné une évolution massive de la manière dont les entreprises perçoivent, utilisent et gèrent les données. 

Au début de l'engouement pour l'informatique dématérialisée, des entreprises comme Planview ont commencé à stocker les données de leurs clients. De nombreuses sociétés d'informatique dématérialisée ont abordé les données des clients comme une unité de stockage : vous les conservez, mais vous n'y touchez pas.  

Lorsque les entreprises ne s'occupaient pas des données, les développeurs, les équipes de produits et les équipes d'assistance à la clientèle s'habituaient à ne jamais interagir avec les données sans autorisation. Tout accès aux données nécessite une autorisation explicite pour des actions spécifiques.

Mais la culture a changé. La relation entre les entreprises et les clients, ainsi que la relation entre les équipes au sein d'une entreprise, a changé, principalement parce qu'il y a plus de données disponibles en temps réel.  

Plutôt que d'être un service d'unités de stockage, les sociétés d'informatique en nuage fonctionnent aujourd'hui davantage comme des banques - en utilisant les données en permanence pour prendre de meilleures décisions pour l'entreprise et pour ses clients. 

Certes, les entreprises stockent des données, mais elles les utilisent en permanence, en tirent des enseignements et les mettent à profit. Traiter les données comme un produit signifie que les données ont leurs propres processus, qu'elles sont personnalisées pour différentes utilisations, qu'elles bénéficient d'un soutien (y compris la documentation et les interfaces) pour différents besoins en aval et qu'elles sont régies par des règles claires - encore une fois, comme dans une banque.

L'utilisation des données comme un produit profite aussi bien aux entreprises qu'aux clients 

Il est intéressant d'exploiter les données pour améliorer les produits, concevoir des fonctionnalités, fournir des fonctionnalités d'IA/ML pour former des modèles en temps réel et apporter des changements pour l'utilisation en aval par les clients. Les données sont essentielles pour l'analyse et l'optimisation. 

Malgré ces nombreux avantages, utiliser les données comme un produit et considérer les équipes internes comme des clients sont des mentalités nouvelles pour de nombreuses entreprises. Plus l'entreprise est grande, plus l'effort nécessaire pour créer ces produits de données de manière systématique, reproductible et efficace est important.  

En envisageant les données de manière plus large, les entreprises peuvent voir les possibilités d'utiliser les données à des fins autres qu'internes. 

Si une entreprise dispose d'une mine d'or de données sur ses clients, c'est peut-être justement l'occasion pour elle d'accroître la valeur de ses actifs existants.  

Les clients font souvent leur propre science des données et veulent avoir accès à leurs propres données de manière efficace. Les données en tant que produit sont un autre moyen pour les entreprises de servir leurs clients, en leur permettant d'accéder à leurs propres données de manière plus rationnelle et d'améliorer leurs propres processus. 

Il s'agit d'une situation gagnant-gagnant basée sur des informations qui existent déjà et qui ne demandent qu'à être utilisées à leur plein potentiel. 

Pour obtenir des gains supplémentaires sur le front des données, les entreprises réfléchissent à la manière d'adapter leurs offres de manière plus durable, ce qui nécessite moins d'intervention humaine et plus d'automatisation et de visibilité pour les clients à la recherche de différents types de contenu. 

Il est clair que le fait de définir les données comme un produit présente des avantages internes pour une entreprise. Toutefois, la même interprétation peut également mettre en évidence un large éventail de valeurs pour les clients. 

L'approvisionnement éthique en données ne saurait être plus important 

Shutterstock est un excellent exemple d'utilisation des données en tant que produit. Sejal a fait part de l'expérience de Shutterstock en matière de données éthiques, ainsi que des préoccupations de l'industrie concernant le traitement des données comme un produit.  

Shutterstock a conclu plusieurs accords importants avec Amazon, Google, Meta et d'autres grandes entreprises. Shutterstock leur a vendu sa bibliothèque ou des sous-ensembles de sa bibliothèque d'images. Dans certains cas, les entreprises sont revenues et ont demandé un autre type d'actif ou davantage du même type d'actif.  

Alors que les entreprises consomment de plus en plus de données, Shutterstock était particulièrement bien préparé grâce à ses actifs d'origine éthique et aux métadonnées correspondantes, dont il disposait déjà d'une quantité massive, à la fois automatiquement et manuellement, par l'intermédiaire de ses contributeurs.  

C'est exactement ce dont les hypermarchés ont besoin pour développer leurs offres. Et tout cela à un moment où la conversation autour des données légales et éthiques s'intensifiait, de sorte que les données éthiques de Shutterstock constituaient un avantage concurrentiel. 

Il existe cependant des zones d'ombre. Lorsqu'elle vend des données comme un produit, Sejal encourage les entreprises à se poser des questions difficiles, comme par exemple :  

  • Que donnez-vous ?  
  • Combien en donnez-vous ? 
  • Est-ce la bonne chose à faire en ce moment ?  
  • Quel est le but ultime de ce que vous essayez de faire, et comment essayez-vous de le faire ?  
  • Quel type de contenu recherchez-vous ? Quel type de métadonnées recherchez-vous ? 

La recherche de ces réponses aidera les entreprises à faire de l'approvisionnement en données éthiques leur étoile polaire. 

Conclusion 

Faut-il donc considérer les données comme un produit ? Cette question est d'actualité et l'essor des capacités de l'IA accélère la nécessité d'y répondre.  

Cette approche offre des opportunités significatives non seulement pour votre entreprise mais aussi pour vos clients. L'approvisionnement éthique en données favorise une relation avec les données à laquelle les clients et les parties prenantes peuvent faire confiance et qu'ils apprécient. 

Découvrez les autres implications de l'IA dans l'entreprise d'aujourd'hui - y compris l'impact sur les travailleurs du savoir, l'IA responsable et ce que les organisations peuvent faire aujourd'hui - dans AI in the Enterprise : Opportunités, défis et avenir

Articles similaires

Rédaction du contenu Liz Llewellyn-Maxwell Sr. Manager, Content Marketing

Liz est aux commandes de l'équipe de contenu go-to-market chez Planview. Elle travaillait chez LeanKit (ex-AgilePlace) avant son rachat par Planview. Avec plus de dix ans d'expérience en marketing Lean-Agile, Liz est profondément convaincue du pouvoir transformateur que l'application des principes Lean-Agile peut avoir sur les équipes et les organisations.

Rédaction du contenu Dr. Richard Sonnenblick Chief Data Scientist

Chief Data Scientist de Planview, Richard Sonnenblick possède une solide expérience acquise auprès d'organisations majeures des secteurs pharmaceutiques et des sciences de la vie. Fort de son expertise, il a développé d'excellents processus de priorisation et de revue de portefeuilles, systèmes de scoring, et méthodes d'évaluation et de prévision financières pour améliorer à la fois les pronostics produits et l'analyse de portefeuilles. Richard Sonnenblick est titulaire d'un doctorat et d'un master en ingénierie et politiques publiques de l'université Carnegie Mellon, et d'une licence en physique de l'université de Californie à Santa Cruz.