Big data : de la théorie à l’application commerciale

Le big data représente une opportunité unique pour faire évoluer la stratégie de votre entreprise afin d’augmenter les ventes et d’améliorer la satisfaction client. Découvrez les secrets des métadonnées.
Vous avez un problème de taille. Au sens propre. Votre data est devenu big. Comprendre foisonnante, envahissante, impossible à embrasser à hauteur d’homme. Et ça ne date pas d’hier ! L’expression big data est apparue pour la première fois en 1997 dans un article scientifique publié outre-Atlantique. Le phénomène trouve son origine dans l’essor ininterrompu des nouvelles technologies de l’information et de la communication depuis les années 1990. Il s’est d’ailleurs renforcé avec la démocratisation récente de l’IoT (Internet of Things). Selon le cabinet de conseil Capgemini, entre 26 et 80 milliards d’objets seront connectés à l’horizon 2020, des ampoules électriques aux smartphones et aux montres en passant par les routes et les vêtements.
Derrière le terme big data se cache donc un enjeu majeur pour les entreprises : passer au tamis ces colossales quantités de données pour trouver les pépites qui transformeront les prospects en clients et amélioreront la qualité de service. Pour faire parler ces données, les experts de l’IT se sont intéressés à leurs propriétés, surnommées les 4 V, à savoir : volume, variété, véracité et vélocité.
Volume : faire face à une croissance exponentielle
Le volume est la caractéristique principale des mégadonnées. Selon le magazine Fortune, jusqu’en 2003, l’humanité avait créé, en tout et pour tout, 5 exabytes de données numériques (5 milliards de Go). En 2011, cette même quantité de données était générée en seulement 2 jours. En 2013, il fallait compter moins de 10 minutes. Et il est désormais admis que le volume total des données informatiques créées dans le monde double tous les 12 à 18 mois. IBM estime ainsi que l’humanité connectée génère chaque jour 2,5 trillions d’octets de données. Résultat : 90 % des données dans le monde ont été créées au cours des deux dernières années seulement.
Variété : collecter des données de toutes sortes
Ce volume s’explique par la diversité des données recueillies. On les divise généralement en deux catégories. La première concerne les données structurées, chiffrées et prévisibles : âge, code postal, chiffre d’affaires, historique des ventes… Elles sont numérisables, faciles à classer et leur traitement peut être automatisé sans difficulté. La seconde catégorie rassemble les données non structurées. Elles proviennent de nombreux acteurs (clients, prospects, salariés, internautes…), existent sous de nombreuses formes (textes, images, vidéos, sons…) et sont publiées sur des supports variés (articles de blog, fils Twitter, posts Facebook, réclamations téléphoniques auprès du service client…). Par nature, les données non structurées sont certes difficiles à analyser, mais essentielles pour améliorer la connaissance client. Les solutions automatiques déployées par les Data Management Platform (DMP) existent pour exploiter cette manne insoupçonnée, notamment l’analyse linguistique et le “textmining”, en associant les données propriétaires et les third party data, c’est-à-dire les données de ciblage publicitaire ou marketing.
Véracité : construire sur du solide
La véracité des données est essentielle. Il faut pouvoir les organiser de façon homogène et s’assurer que chaque fiche client soit aussi complète et exacte que possible. En réunissant ces deux conditions, il devient possible de repérer les signaux faibles, ces indices dans les comportements des clients qui en disent long sur leurs intentions d’achat.
La fiabilité et la qualité des données recueillies s’avèrent donc cruciales pour la prise de décision. Ainsi, 1 dirigeant sur 3 ne prête pas foi aux informations dont il dispose et les données corrompues coûtent plus de 3 trilliards de dollars par an à l’économie américaine. En conséquence, il convient de réaliser un travail d’évangélisation au sein de l’entreprise, à la fois pour demander à tous les collaborateurs d’améliorer la base de données en rentrant des données pertinentes, et aussi pour les rassurer quant à la l’intérêt de cet outil. Pour gagner en temps et en sécurité, de nombreuses solutions d’automatisation de la saisie sont bien entendu à envisager.
Vélocité : intégrer l’information vitesse grand V
La vélocité désigne la vitesse à laquelle une base de données est capable d’intégrer toutes les informations qui lui parviennent. Pour se faire une idée du volume de data à traiter pour une entreprise multinationale de software par exemple, il suffit de penser au nombre de SMS, de mises à jour de statuts Facebook et d’achats d’applications émis par un seul utilisateur de smartphone en une journée : énorme. L’enjeu est donc le suivant : plus vous traiterez rapidement les données, meilleure sera votre prise de décision. Cette capacité à intégrer de l’information en continu dépend directement de la puissance de calcul de votre plateforme CRM et de la qualité des outils d’analyse dont vous disposez.
Visibilité et visualisation : partager l’information
À quoi bon disposer d’une masse de données si on ne peut pas les décrypter de manière claire et efficace ? C’est pour répondre à ce besoin qu’ont émergé deux autres principes essentiels du big data : la visibilité et la visualisation. Hautement complémentaire ces deux autres « V » désignent d’une part la capacité pour tous les collaborateurs à accéder à ces données en temps réel et d’autre part à bénéficier d’une information visuellement parlante. La datavisualisation (graphiques, histogrammes, chiffres-clés) accélère en effet la compréhension et facilite la prise de décision.
Améliorer la transformation des prospects
Très concrètement, l’analyse de mégadonnées porte déjà ses fruits. Dans les milieux de la banque et de l’assurance notamment, fortement numérisés, le big data compte de nombreuses applications utiles pour raccourcir les temps de traitement, optimiser la connaissance client, détecter et empêcher les fraudes, améliorer les analyses prédictives, gagner en performance…
« Mieux connaître un client permet d’instaurer avec ce dernier un lien de plus grande proximité afin de répondre de façon plus adaptée à ses besoins. La stratégie big data des banques vise ainsi à améliorer la connaissance clients et […] la satisfaction client. Concrètement, cela passe par une personnalisation immédiate des services et des produits proposés grâce à l’exploitation des sources de données auxquelles le client aura autorisé l’accès », écrit ainsi AbdessatarHammedi, du cabinet Maltem Consulting Group.
Autre exemple, la stratégie de la Royal Bank of Scotland, saluée par Forbes, qui a permis de rebâtir la relation client grâce au big data avec un gain stupéfiant en réactivité. La banque, qui intègre quotidiennement plus de 50 téraoctets de données venant de plusieurs sources, traite en quelques minutes certaines requêtes qui, par le passé, lui demandaient jusqu’à trois jours d’analyse.
Mieux connaître ses clients grâce au big data permet ainsi de répondre plus rapidement et efficacement à leurs besoins. Vous l’ignorez peut-être, mais vous êtes probablement assis sur une mine d’or. Encore faut-il disposer de la puissance de feu suffisante pour analyser ces data. Avec l’intelligence artificielle, vous bénéficiez heureusement d’un allié de taille pour améliorer le service client, le marketing et, plus globalement, l’ensemble des décisions stratégiques qui vont permettre à votre entreprise de faire la différence sur son marché.