Big Data, Open Data, Fast Data … de nouveaux termes sont apparus dans le monde de l’entreprise ces dernières années. Mais que se cache réellement derrière ces mots ? Une simple évolution de la statistique traditionnelle ou une révolution conceptuelle dans la façon d’appréhender la data. De toute évidence, outre les facteurs de production traditionnels (travail, capital physique et capital managérial), la détention de la data et la capacité à en retirer des informations pertinentes sont devenues depuis peu une réelle source de gain de productivité pour les entreprises.
Plusieurs définitions du Big Data sont apparues dans la littérature. L’une des premières fût donnée par le cabinet Gartner en 2011, définition orientée technologique avec la règle des 3 V : volume des données à traiter, vitesse du traitement de ces données et variété des données. Pour certains experts, la seule présence d’un des V suffit pour qualifier un projet de projet Big Data. Quoiqu’il en soit, cette définition a évolué et intègre 4 autres variables – valeur, véracité (qualité des données), variabilité (liée à la saisonnalité des données) et complexité (liée à la capacité à transformer les données de manière intelligible pour l’utilisateur). Les projets Big Data s’intègrent donc de plus en plus dans une démarche organisationnelle et stratégique et ne sont plus uniquement technologiques. Alors pourquoi faire du Big Data pour une entreprise, dans quel but ? La collecte des données pour la collecte n’a que peu d’intérêt en soi. Elle se justifie uniquement dans un but de valorisation de ces mêmes données et de la volonté d’en tirer l’information la plus pertinente et valorisante pour l’entreprise. La démarche consiste alors en premier lieu à poser une problématique métier puis dans un second temps à élaborer une stratégie de recherche et de traitement de l’information. L’aspect technologique et informatique, bien qu’important, est devenu secondaire.
Les départements marketing des entreprises ont bien compris tous les enjeux du Big Data et du bénéfice économique qu’ils pouvaient en tirer. Le Big Data permet aux entreprises d’avoir une vision à 360° de leurs clients. La principale problématique dans le domaine du marketing est de savoir comment améliorer la connaissance client et comment avoir avec lui une relation quasi one to one. Nous sommes donc passés d’un marketing de masse à un marketing individuel où coexistent deux approches du Big Data, d’une part la compréhension et anticipation des comportements en temps réel et d’autre part l’analyse des signaux faibles et des tendances du marché. L’émergence de ce data marketing en fait un marketing plus prédictif qu’analytique.
Les technologies existantes permettent au marketing des données d’analyser et de comprendre en temps réel le comportement des consommateurs, l’objectif étant de mettre en place des actions marketing plus performantes et plus ciblées. Dans ce domaine, l’utilisation des forums de discussion, des réseaux sociaux et des données ouvertes est devenu un eldorado pour les marketeurs. Ces données quasi gratuites permettent à l’entreprise de comprendre les écrits des consommateurs et d’adapter sa stratégie de marque en temps réel. Sentiments sur une marque ou un produit, nouvelle tendance en matière de goût, anticipation des attentes et des usages des consommateurs, telles sont les informations que peuvent s’approprier et utiliser les marketeurs. Ces informations peuvent être bien sûr couplées à des données internes (CRM par exemple) ou externes en libre accès (données sociologiques et démographiques, données climatiques…) ou propriétaires.
Autre aspect du data marketing est la possibilité de segmenter et cibler les clients de manière plus précise et efficace. Ce n’est pas une révolution en soit, car les méthodes mathématiques de segmentation existent depuis fort longtemps, mais ce qui change avec le Big Data est l’utilisation massive des données. Avant l’avènement des objets connectés, le statisticien d’entreprise travaillait principalement sur des échantillons. Le data scientist ou le data marketer d’aujourd’hui travaille sur l’intégralité des données de sa base clientèle. De plus, la structure même des données a changé. Traditionnellement, les bases avaient un format classique, structuré alors que de nos jours les données peuvent être de multiples natures et non structurées (texte, image, son, …). Le défi des data scientists est de pouvoir connecter et relier entres elles ces différentes sources d’informations, qu’elles proviennent de données internes ou publiques, contenues dans des clouds, ou provenants des réseaux sociaux. Les technologies actuelles (Hadoop, noSQL, …) permettent de faire aisément ce travail.
Quels bénéfices marketing peut retirer une entreprise qui se lance dans un projet Big Data ? Ils sont de deux ordres. D’une part, avoir une meilleure compréhension du marché et de ses attentes, et d’autre part, permettre d’avoir une stratégie marketing plus adaptée et moins agressive. Comprendre et anticiper les attentes des clients, personnaliser les messages publicitaires, choisir les canaux les plus rentables par individu, automatiser les offres commerciales en fonction des différentes cibles, etc., tels sont les quelques défis que doit relever le data marketing.
Face à ces défis et au mouvement de fond du Big Data, le marketing traditionnel aurait-il vécu ? Le marketing de masse, trop agressif envers les clients et trop consumériste, devra laisser place à un marketing plus ciblé et plus individualisé, répondant mieux aux attentes des consommateurs. Grâce au Big Data, l’entreprise verra une augmentation de la performance des campagnes marketing et une optimisation de son ROI. Tel est tout l’enjeu dans l’utilisation des données massives.
