Facebook EmaiInACirclel
Développement front-end, back-end

Big Data : Un tsunami de données à exploiter !

PentaGuy
PentaGuy
Blogger

Le big data, un complexe émergent de la gestion des données, fait face à de nombreux défis allant de la collecte et la gestion jusqu’à l’intégration des systèmes big data en passant par l’analyse de données et la façon dont celles-ci sont calculées.

Le magazine britannique « The Economist » a consacré une pièce majeure sur le déluge de données. L’analogie faite dans leur photo de couverture est très intelligente. En effet, le parapluie avec une extrémité arrosante peut être vu comme étant une partie de l’ensemble des technologies de la chaine de valeur Big Data. Le marketeur qui tient ces technologies vise à tirer du sens pour la croissance du marché à partir d’une partie du volcan de données qu’il possède. Cette croissance est symbolisée par la plante qui est en train de s’arroser par l’ensemble des technologies big data. Ces technologies interviennent dans toutes les mailles de la chaine de valeur Big data suivante :

LaChaineduDataFigure 2. La chaine du data

L’enjeu est de transformer les données filtrées et nettoyées en un flux de prédiction en passant par la modélisation adéquat afin de prendre des décisions efficaces sur la croissance du marché. Par conséquent, si le marketeur maitrise son marché et l’ensemble des technologies sont bien réglées, il pourra saisir de nouvelles opportunités qui étaient cachées dans ce torrent de données.

La réalité des données

L’une des caractéristiques primordiales du big data est ce qu’on appelle le 5’V : Volume, Variété, Vitesse, Valeur, Véracité. Cette véracité est une notion qualitative qui traduit la disposition de données fiables pour le traitement. Les big data sont de nature incertaines [2], le marqueter a besoin donc d’augmenter cette véracité de donnés afin de se rapprocher de la réalité de la consommation [1] en mettant en place des modélisations mathématiques et des lois statistiques. En physique, les lois ne modélisent pas parfaitement la réalité. Elles sont juste des approximations. Pour pouvoir mener des stratégies business comme résultat de l’analyse du big data, il est nécessaire de connaitre la précision de la prédiction.

C’est dans ce sens-là que les marketeurs cherchent à modéliser les comportements des consommateurs à travers des lois mathématiques et des techniques de l’apprentissage artificiel et statistique et d’optimiser ces modélisations dans un second temps pour s’approcher le plus de la réalité. De plus, il y a une notion de pluridisciplinarité qui s’additionne au big data avec l’augmentation des données des réseaux sociaux et d’autres types de données multi-structurées. Par conséquent, les marketeurs associent cet enjeu de sociologie avec le big data [4] en caractérisant les consommateurs comme des Homo sociologicus [11]. Il y a même des théories de sociologie comme l’ANT (actor network theory) qui ont été adoptées pour la modélisation des données multi-structurées en big data [12].

« En fait, toi, tu es un individu au milieu d’un groupe qui a les mêmes réflexes et les mêmes types de comportement et de consommation. Si le marketeur, à un moment donné, détecte que Louis change de comportement par rapport à la moyenne de son groupe, c’est que quelque chose vient de se passer dans sa vie. [11]

[…] donc, prenons ce cas, disons typique, du bon marketing. [Amazon] te propose des produits qui t’intéressent, puisqu’ils sont dans la mouvance de ce que tu as acheté, ou de ce que tes amis ont acheté. [11]

[…] On achète le club de golf que l’autre, ou que ton copain t’a présenté comme un club magique.[…] C’est que, si on te donne un club et que ton copain te dit, « avec ce club je rentre 4 coups sur 5 », […] tu vas en avoir envie, [et] tu vas l’acheter » [5] [11]. »

Avec l’explosion des données issues de plusieurs sources séparées et différentes, les marketeurs ont décidé de « mettre en place un programme d’évaluation des multiples actions ayant touchées le client avant qu’il achète » [6][11]. Les marketeurs ont élargi la sphère des types de données en s’intéressant aux données issues de :

  • L’observation universelle
  • Les expérimentations à large échelle
  • Les réseaux sociaux
  • Les pages web
  • Les données business
  • Les données générées par les outils BPM

En conclusion, ils décident de dresser un parcours numérique [11] pour trouver de nouvelles opportunités dans les comportements des consommateurs [7] [8].

« Par conséquent, bien que les professionnels du marché attachés aux big data semblent séduits par l’idée d’une nouvelle physique sociale [9], il n’en reste pas moins que leurs méthodes de gestion des données reposent sur des logiques de quantification »[11].

Il convient de préciser que tous les marketeurs décideurs que j’ai rencontré sont conscient du potentiel énorme derrière le big data mais ils n’ont pas su comment faire face aux enjeux. Il est claire que l’économie future sera structurée autour des gens qui ont réussi à valoriser leurs big data, mais il ne faut pas essayer de tout faire d’un coup. Il est trop difficile de maitriser tous les éléments de la chaine de valeur de la data. Il faut maitriser d’abord la fonction objective business.

Dans le prochain article, je parlerai des challenges des systèmes big data.

 

[1] Morgane, directrice générale d’un institut d’enquête (extrait d’entretien). [2] Rose-Marie, directrice de stratégie marketing (extrait d’article).
[3] Desrosières A. (2007), Comparer l’incomparable. Essai sur les usages sociaux des probabilités et des statistiques, in J.-P. Touffut (dir.), La société du probable. Les mathématiques sociales après Augustin Cournot, Paris, Albin Michel, 163-200
[4] Par exemple, le modèle de l’habitus de Pierre Bourdieu (1979) ou encore celui de la communication à double étage d’Elihu Katz et Paul F. Lazarsfeld (1955).
[5] Pierre, ancien directeur de stratégie marketing (extrait d’entretien).
[6] Paul, directeur de stratégie marketing (extrait d’article)
[7] Bourdieu P. (1979), La distinction. Critique sociale du jugement, Paris, Édition de Minuit.
[8] Katz E. et Lazarsfeld P. F. (1955), Personnal influence : The part played by people in the flow of mass communication, Glencoe, Free Press.
[9] Cf Quételet (1835). C’est-à-dire, une nouvelle science sociale qui, capable de dépasser l’indépassable conflit des méthodes, deviendrait, en quelque sorte, une nouvelle science naturelle. [10] The Economist n°25
[11] Les big data et la relation client Jean-S´ebastien Vayre, https://hal.archives-ouvertes.fr/hal-00911765/file/VAYRE-JNRC.BigDatas-RelationClient.pdf
[12] Marcelo Henrique de Araujo, João Porto de Albuquerque : An Actor-Network Perspective on Business Process Management: A Case Study of a Brazilian Chemical Company


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.