L’enjeu est colossal et les opportunités sont nombreuses. Toute la question est de trouver le bon modèle économique pour commercialiser ces données. Deux pistes principales s’offrent aujourd’hui aux acteurs financiers.

D’un côté, la valorisation interne de la donnée permettra de gagner en productivité et d’améliorer la prise de décision, par exemple via davantage de recherche intelligente et d’outils de data visualisation.

D’un autre côté, la monétisation externe pourra se concrétiser en créant de la valeur pour les clients à travers l’enrichissement de produits et services existants ou en créant de nouvelles opportunités de revenus (nouveaux produits, nouveaux marchés…).

Des freins à lever

Cependant, trois principaux éléments freinent aujourd’hui une exploitation optimale de la donnée. Tout d’abord, la culture du secret, propre au secteur financier, empêche un échange décomplexé.

Celle-ci cristallise également les silos nés de la fragmentation existante au sein de chaque groupe bancaire. De cette fragmentation naît enfin une grande hétérogénéité en termes de qualité de données qui empêche la création d’un écosystème performant sur lequel s’appuyer.

En vue de lever ces freins, il existe trois catalyseurs clé  pour une meilleure commercialisation de la donnée :

– Un écosystème data performant, reposant notamment sur une gouvernance claire autour de l’usage de données, une architecture technique et des processus opérationnels robustes au service de la qualité des données ;

– Des partenariats avec des fintechs et/ou des grands acteurs de la tech ;

– Un développement interne autour de la donnée pour faciliter la phase de commercialisation externe.

Comment réussir sa stratégie de commercialisation

La réussite d’une stratégie de commercialisation de la donnée repose sur une approche simple, consistant à « penser globalement, agir localement », et sur le triptyque itératif « cadrage-priorisation-quantification ».

En premier lieu, le cadrage doit permettre de considérer différents business models autour de la donnée : amélioration des processus internes, enrichissement des produits et services ou vente/courtage de la donnée. Ce dernier modèle semble le plus simple mais requiert des changements profonds pour les banques.

Il convient ensuite de considérer le positionnement de la donnée dans une constellation de valeur plutôt que dans une chaine de valeur standard et d’établir des partenariats « gagnant-gagnant » tout en identifiant ses forces et ses faiblesses.

Enfin, tous les acteurs internes (Business, Opérations, équipes IT, Digital Office, Data Office…) doivent coopérer davantage et partager une même vision pour soutenir l’émergence et la croissance de la commercialisation de la donnée.

La priorisation, ensuite, doit s’appuyer sur les spécificités propres à chaque établissement. Les aspects organisationnels de maturité de la donnée, le digital, mais aussi les facteurs humains et technologiques doivent alors être considérés.

Enfin, la quantification de la proposition de valeur passe par une étude de la concurrence et de ses propres différenciateurs ainsi que par la sélection d’un business model en finissant par la stratégie de « pricing ».

La mise en œuvre de cette stratégie à travers le cycle « Idéation – Pilotes – Industrialisation » (pour les pilotes réussis) se fera de manière itérative à travers une approche « Test & Learn ». Les résultats des différents pilotes pourront amener à une revue de la stratégie globale pour l’adapter au plus fin aux forces et faiblesse internes.

En conclusion, c’est en adoptant une stratégie claire et itérative couplée avec une approche créative et agile que les établissements financiers pourront « raffiner le pétrole de demain »