Les sociétés d’information commerciale et financière, autrefois axées principalement sur l’analyse des risques de défaillances, ont considérablement évolué avec les avancées technologiques. L’intelligence artificielle et le NLP ont perturbé nos processus et remis en question certaines certitudes. Cependant, au lieu de remplacer les équipes humaines, ces outils servent en réalité les objectifs des métiers de l’information d’entreprise. Ils fournissent des données tiers sur les risques et opportunités liés aux relations interentreprises, qu’il s’agisse de fournisseurs, clients, partenaires ou confrères.
La captation
Pour comprendre le rôle d’un fournisseur de données tiers, comparons-le à celui d’un fournisseur d’énergie. Le fournisseur d’énergie commence par identifier et collecter diverses sources d’énergie, utilisant des méthodes variées comme les extractions minières, les forages en mer, les panneaux solaires et les éoliennes. De manière similaire, un fournisseur de données tel qu’Altares procède à la collecte initiale des données brutes, dont les sources peuvent être comparées à des mines à ciel ouvert, tandis que des données plus riches nécessitent des méthodes plus sophistiquées. Par exemple, les comportements de paiement sont obtenus par le biais de notre programme DunTrade, alimenté par les comptabilités de nos partenaires. Nous utilisons également le Deep learning pour extraire des informations utiles de la presse, et nous sommes en mesure d’identifier et d’exploiter des données non structurées et massives grâce à la technologie du scraping.
Le nettoyage
Après avoir capté la source d’énergie brute, l’énergéticien procède au nettoyage de la matière ou de la substance énergétique. Le charbon, le pétrole et le gaz issus de la mine ou du forage contiennent des substances non homogènes ou externes. Ce processus de nettoyage est indispensable pour rendre la substance exploitable. Cette étape trouve son équivalent dans le métier de fournisseur de données tiers tel qu’Altares. Un processus appelé Data Quality Management (DQM) garantit la qualité des données. Parmi les données brutes captées, nous identifions de nombreuses informations erronées, incomplètes, anciennes, inutiles ou sans intérêt pour nos analyses, que nous devons éliminer de nos bases de données. Bien que ce travail ne soit pas toujours visible, il demeure essentiel. Pour les fournisseurs d’informations, il est évident que la qualité des décisions dépend de la qualité des données.
Le raffinage
Après le nettoyage, l’énergéticien se lance dans le raffinage pour créer une substance adaptée à un usage spécifique, allant du diesel pour des moteurs simples au kérosène pour les avions, et une gamme sophistiquée de produits industriels. Le niveau de raffinage, dicté par l’usage, nécessite des protocoles technologiques et industriels plus ou moins complexes. Une similitude émerge à nouveau dans nos processus. L’utilisation des données est diversifiée, accentuée par des enjeux de conformité et de responsabilité sociétale d’entreprise (RSE). Nos clients demandent soit des solutions et des données simples, soit sophistiquées. Cela implique différents traitements : la fourniture de données brutes mais nettoyées, ou l’intégration d’un module décisionnaire combinant données externes et internes, utilisant des technologies de pointe en data science.
La mise à disposition
Une autre similitude réside dans la livraison et la mise à disposition de l’énergie et des données tiers. Prenons l’exemple du Sans Plomb 95 pour les voitures : les énergéticiens ont établi un réseau de stations-service, approvisionnées directement par des camions citernes, où les voitures font le plein. Pour d’autres usages, il existe divers moyens tels que les gazoducs et les lignes électriques, plus ou moins élaborés.
De manière similaire, un fournisseur de données les propose via des plateformes en ligne, assimilables aux stations-service, et via la livraison par Web Service, comparable aux gazoducs, ou encore en mode « Fichier ». Le mode et les fonctionnalités liés à la mise à disposition des données sont des composants stratégiques de la solution data, car son exploitation dépend de la capacité à les obtenir au bon endroit et au bon moment pour notre usage.
L’appropriation
Voilà une distinction entre énergéticiens et fournisseurs de données, qui réside dans l’appropriation : lorsqu’un conducteur utilise du Sans Plomb 95, il ne se préoccupe pas de son fonctionnement, utilisant sa voiture sans avoir besoin de comprendre sa technologie.
Bien que nous observions une croissance des moteurs décisionnels qui intègrent nos données et que les utilisateurs finaux n’aient que peu besoin de comprendre leur fonctionnement, une grande partie des décisions demeure manuelle et nécessite donc la compréhension des données. Altares se félicite de disposer d’un département relation client actif, permettant à tous nos clients de s’approprier de manière utile et professionnelle les données ainsi que les fonctionnalités offertes par les plateformes.
Les nouvelles technologies, y compris la data science, ont profondément impacté le secteur des sociétés d’information commerciale et financière. Data et IA sont des outils servant à remplir une mission spécifique. Pour Altares, cette mission est d’informer sur les risques et opportunités des relations interentreprises, permettant ainsi à ses clients de prendre des décisions équilibrées en toute confiance. L’évolution technologique continue de redéfinir le paysage de l’information commerciale pour répondre aux besoins changeants de ses utilisateurs.
Découvrez notre solution de gestion du risque basée sur nos analyses de données tiers d’entreprises.
Vérifiez la santé financière des entreprises dans le monde entier en quelques clics avec D&B Finance Analytics.
