Big data & Data mining

Interview de Marine SAFFAR, Directrice Technique Monde chez Proximity BBDO

Nous sommes entrés dans l'ère du Big Data. Qu'est-ce que cela signifie exactement et quels sont les enjeux pour les entreprises et les organisations ?

"Big data" désigne non seulement le volume de données recueillies chaque jour à l'occasion de toutes les interactions des consommateurs avec tous les 'touchpoints' mais aussi le traitement et l'analyse de ses données pour permettre aux entreprises de mieux cibler leurs produits et services. Aux données ‘classiques' démographiques, socio-économiques et transactionnelles, s'ajoutent toutes les données circonstancielles (où, quand, comment) et sémantiques (lors des conversations sur les médias sociaux ou sur le web en général). Il y a un véritable et indéniable avantage concurrentiel à gagner pour les entreprises qui maîtrisent la compréhension et l'interprétation de ces données pour promouvoir au bon moment, à la bonne personne, au bon prix et par le bon média ce qu'ils ont à vendre.

Pour y arriver, les entreprises doivent maîtriser toute la chaîne du big data en partant de la collecte des données de sources hétérogènes, leur consolidation, leur analyse et leur utilisation.

L'analyse des données doit déboucher sur des ‘consumer insights' ou la possibilité de construire des modèles prédictifs afin d'optimiser les dépenses médias et marketing. L'enjeu est donc de générer de la valeur (on parle maintenant de ‘value data') à partir de cet ensemble de données.

La maitrise de la ‘big data' passe donc par une organisation transverse qui contrôle ce parcours complexe et par des compétences (soit dans l'entreprise soit chez un partenaire) d'analyste, de statisticien, voire de mathématicien pour construire des algorithmes pertinents. Ces compétences doivent travailler main dans la main avec les responsables marketing qui ont la connaissance des marchés et pourront vérifier la pertinence des résultats et les traduire en actions marketing.

Si le datamining revêt différents atouts pour les entreprises et les organisations, à quelles difficultés et/ou risques ces dernières peuvent-elles se heurter ? Quelles précautions prendre pour les limiter ?

L'objectif principal du  datamining est de découvrir des modèles ou des modes de comportement qui peuvent être identifiés et rattachés à des segments de consommateurs définis par différents critères. Le premier défi est la consolidation ou le rapprochement de données de sources hétérogènes. Cette consolidation est parfois délicate car les données ne sont pas collectées de la même manière ni au même rythme pour toutes les sources. Il faut donc s'assurer de la cohérence des données collectées. Le deuxième risque est de faire de ‘fausses découvertes' c'est à dire de trouver des corrélations entre certains attributs de consommateur et des comportements qui en fait sont dus à une variable externe, non prise en compte dans les données et qui fausse donc le modèle.

Les modèles doivent donc toujours être testés avec des cas concrets et leur application doit être surveillée pour s'assurer de la pertinence du modèle. C'est une démarche qui demande une vigilance et une approche qui doit constamment tester les hypothèses avancées. L'autre point de vigilance est de respecter la vie privée et la législation en vigueur sur les données personnelles et d'éviter des croisements de données qui impliqueraient de la discrimination dans les actions menées.