Comment gérer l'avalanche de données déstructurées ?

Après l’effet de mode produit par le big data, c’est le smart data qui tente d’apporter une réponse plus adaptée aux vrais défis du consumer centric et de la montée en puissance des données déstructurées. Comment vraiment optimiser cette mine d’informations suscitée par la consommation omnicanal ? C’est une des questions ultra stratégique de la transformation digitale.

De la data structurée à la data déstructurée :

En fait, le monde de la data en entreprise était jusqu’à présent une sorte de long fleuve tranquille habité de paisibles datas structurées, quantifiables et facilement analysables et utilisables : des adresses, des produits, des médias … Ces données faciles en effet à mouliner comprenaient toutes sortes d’informations récupérées par les entreprises.

Mais ces dernières années, de nouveaux flux de données ont leur apparition : ce sont les datas déstructurées. On entend par ce terme toutes les données qui proviennent des réseaux sociaux, des mobiles ou des interactions web des consommateurs en situation. Première conséquence de cette révolution, les données produites ont pris du poids frôlant ce que l’on appelle communément l’infobésité. Seconde conséquence, les modes d’interaction entre l’entreprise et ses clients se sont transformées et ont bousculé les règles d’un marketing que l’on croyait bien établi.

De nouveaux défis informationnels pour l’entreprise :

Jusqu’à maintenant l’exploitation des données structurées figurait encore dans le domaine réservé des spécialistes humains  du marketing. Mais avec l’irruption des données déstructurées ce sont les nouveaux algorithmes qui ont pris le relais et ont permis de mettre en évidence des corrélations imperceptibles pour le cerveau de l’homme. Ces nouveaux algorithmes ont aussi pour mission d’intégrer ces nouvelles données afin de déduire le comportement futur.

Par ailleurs, les principales directions d’entreprises actives dans l’utilisation ou la production de données vont être durablement et profondément impactées : tout d’abord l’organisation en silos va forcément voler en éclats pour favoriser une recomposition de la gestion des données autour de l’objectif essentiel de réactivité et de ROI.

 

L’affirmation des techniques de smart data :

L’évolution du concept de big data en smart data s’est fait dans deux domaines clés du marketing : le marketing prédictif permettant de prévoir les comportements des consommateurs et le scoring. Le marketing prédictif permet la traçabilité des consommateurs et de ses activités via mobile ou web. Le scoring consiste à affecter une note à chaque parcours client enregistré dans une base de données afin de cibler et prospecter plus efficacement.

Ces 2 techniques sont désormais largement représentées par de nouvelles applications ou des algorithmes de marketing automation qui outre leur simplicité d’installation et de mise en œuvre sont souvent disponibles sur des plateforme de CMS open source. D’où un coût assez abordable.

Smart data ou comment passer du quanti au quali :

En passant du traitement des données quantitatives à celui des données qualitatives, il s’agit de rendre le résultat intelligible et de donner du sens à cette masse exponentielle de données. Cela passe également par les techniques de la data visualisation.

Mais la réalité est en fait cruelle pour les entreprises : actuellement, les Gafa en savent infiniment plus que les banques, les assurances ou les opérateurs de télécoms sur leurs propres clients – attentes, besoins, comportements, intentions d’achat, …

Des entreprises en retard :

Chiffre accablant : il manquerait plus de 120 000 data scientists dans le monde. Ces professionnels disposent de compétences bien spécifiques et plus particulièrement en maths, en analyse quantique, et en informatique combinées au management et aux sciences humaines. Malheureusement, les délais de mise en place de ce type de formation sont longs alors que les écoles ne forment que de rares experts.

Et arriva la data monétisation

Suite logique, la monétisation des données qui va consister à valoriser ces données transformées : les entreprises qui auront su exploiter, comprendre et analyser ces datas pourront ainsi amortir leurs investissements.

Affaire à suivre !