Les domaines de la technologie et du marketing sont sans doute ceux qui s’accompagnent des jargons les plus foisonnants. Il n’est donc pas étonnant que la data, fruit de leur union, ait une terminologie riche, truffée d’anglicismes, barbarismes et buzz-words. Voici quelques concepts utiles à connaître, et qui sont évoqués dans les articles de ce dossier.
Beacons : Les beacons sont des petites balises sans fil installées en intérieur (dans un centre commercial, un magasin, un lieu public ou culturel, une entreprise…) et qui émettent un identifiant unique, généralement 10 fois par seconde. Ce signal peut être capté par les smartphones des personnes qui passent dans le périmètre du beacon et qui peuvent recevoir des messages (informations, promotions…), à condition qu’ils aient installé l’application mobile associée. C’est cette application qui se charge, à réception du beacon, d’afficher sur le smartphone un message standard (ex : explications sur une oeuvre dans un musée, offre en cours dans un rayon…) ou de faire remonter l’information (de la présence de l’utilisateur dans la zone du beacon) à un serveur pour que celui-ci renvoie en retour un message personnalisé en fonction des informations connues sur cet utilisateur (message de bienvenue, offre personnalisée en fonction de l’historique de carte de fidélité ou du profil…)
BI augmenté : Le BI ou Business Intelligence regroupe les processus informatiques visant à fournir des éléments de suivi d’activité et d’aide à la décision, sous forme de tableaux de bords, reportings dynamiques et outils de Dataviz. Le BI s’intéresse aux données qui existent dans le système d’information de l’entreprise (CRM, ERP…). Le BI augmenté permet d’aller chercher des données complémentaires sur le terrain, selon les besoins et avec des outils actionnables facilement par les utilisateurs. Il peut s’agir de données plus qualitatives ou plus ciblées, collectées à travers des formulaires ou des systèmes de capture de données web ou big data (avis clients, audits de points de vente, analyse forums ou réseaux sociaux, suivi des offres concurrentes…).
CRM onboarding : Appelé aussi Data onboarding, ce procédé vise à relier les données dont on dispose sur un client dans le CRM à des identifiants digitaux de connexion. L’entreprise peut ainsi reconnaître ses clients qui peuvent se connecter à partir de plusieurs matériels différents (PC, tablette, mobile) et qui peuvent changer de matériel. Elle peut donc proposer des offres mieux ciblées et suivre le parcours digital du client sans interruption ou duplication. La conciliation des identités offline et online des consommateurs est proposée par des sociétés spécialisées comme le français Temelio ou l’américain Liveramp qui annoncent pouvoir identifier automatiquement plus de la moitié des internautes qui se connectent.
Deep Data : Devant le flot de données désormais disponibles, beaucoup d’entreprises ne prennent plus le temps d’identifier celles qui leur sont les plus utiles. Le réflexe est de suivre le mouvement en mettant en place des processus destinés à capturer et à stocker toutes les données possibles, de peur que des éléments utiles ne viennent à échapper. Le concept de Deep Data suggère, au contraire, qu’un petit nombre de données, actionnées de manière pertinente peut apporter davantage de valeur à un meilleur coût. Ce sont ces données qu’il faut prendre le temps d’identifier et sur lesquelles il faut concentrer l’action.
DMP : Cet acronyme de Data Management Platform désigne une base de données dont l’objectif est de centraliser et de rapprocher des datas de différentes sources : données internes, de navigation, en provenance de tiers (spécialistes du tracking d’adresse IP…). Les informations de la DMP facilitent le ciblage et la diffusion de messages personnalisés. Elles enrichissent également le processus d’enquête, d’échantillonnage et d’activation. Certains instituts identifient les caractéristiques d’une cible donnée par une enquête, puis élargissent la cible en puisant dans la DMP des individus au profil comparable, pour leur adresser des communications ciblées. Les cibles sont ainsi travaillées en fonction de leurs intentions futures plutôt qu’à partir de leurs comportements passés.
Feel Data :C’est le parfait exemple du Buzzword efficace car immédiatement signifiant. Il a été lancé par une entreprise française de neuromarketing, Datakalab, et repris surtout dans la presse française. Le concept n’est pas nouveau puisqu’il désigne les données émotionnelles, souvent déterminantes dans le comportement du consommateur (cf le n° de Survey-Magazine consacré à l’analyse comportementale). Datakalab se propose de mesurer ces émotions à l’aide d’outils tels que l’analyse des expressions du visage, l’eye-tracking, la capture de données via un bracelet connecté (rythme cardiaque, température, transpiration…).
Machine learning : C’est un élément clé de l’intelligence artificielle (à la base, de nombreux fantasmes actuels). Il désigne l’apprentissage automatique par une machine de règles nouvelles, non programmées au départ. L’algorithme teste continuellement différentes hypothèses et analyse, à partir d’un ensemble de données, toutes les combinaisons de variables pour identifier les meilleures corrélations et créer des modèles prédictifs optimisés. Le processus se base donc sur des données passées pour identifier des modèles futurs. Il est particulièrement d’actualité à l’ère du Big data.
Smart data : Personne ne voudrait faire de la Stupid data, bien sûr. « Smart » est là pour rappeler que le Big data peut engendrer des dérives et une fébrilité dont il convient de se prémunir en questionnant en permanence la pertinence des données à collecter et à utiliser. Privilégiez toujours le Why (dixit Simon Sinek) et soyez Aware (dixit Van Damme).
