Big Data : Qu'est-ce que c'est et pourquoi c'est important pour votre entreprise ?

La big data, l'intelligence artificielle, le deep learning et l'apprentissage automatique transforment les entreprises dans tous les secteurs, c'est pourquoi il est surprenant que seulement 31 % des entreprises déclarent être guidées par les données malgré opportunité évidentes qu'offre l'analyse des données.

Alors que la quantité de données numériques et de données sur les consommateurs continue de se développer, les équipes marketing avisées utilisent les informations générées par les outils de big data pour établir des relations plus significatives avec leurs clients, perfectionner leurs futures campagnes marketing et donner un sens à leur paysage concurrentiel.

Les entreprises à la pointe de l'économie digitale comme Amazon, Google, eBay, Facebook, Uber et Airbnb ont l'analyse de la big data au cœur de leur activité et ont connu un énorme succès en tirant parti de nouveaux modèles d'entreprise basés sur les données pour perturber les industries en raison de l'importance qu'elles leur accordent. Pour ces entreprises innovantes, l'analyse de la big data est synonyme de rapidité, d'agilité, d'expérimentation, d'itération et de capacité à échouer rapidement, à tirer les leçons de l'expérience et à exécuter plus intelligemment - mais pour d'autres, elle n'apporte rien d'autre que de l'anxiété.

Nous comprenons que l'industrie évolue si rapidement qu'il peut être difficile de la suivre. Donner un sens aux ensembles de données grâce à l'analyse peut être déroutant au début, mais une fois que les spécialistes du marketing savent comment tirer des informations du bruit, nous vous garantissons que vous ne reviendrez jamais en arrière !

C'est pourquoi cet article vise à fournir aux professionnels du marketing les informations de base dont ils ont besoin pour commencer à utiliser l'analyse de la big data dans leurs stratégies. Dans l'intérêt de nos lecteurs, nous garderons les choses simples, vous n'avez pas besoin d'être un scientifique des données ou un as de l'informatique pour comprendre ce qui suit !

Table des matières

• Définition de la big data

• Comment l'analyse de la big data transforme-t-elle le département marketing ?

• Quelles sont les sources de données importantes pour les professionnels des relations publiques et du marketing ?

• Outils de big data

• Les défis de l'adoption de la big data

• Le talon d'Achille de la big data

• Gestion de la big data avec Meltwater

Définition de la big data

Avant d'aborder la manière dont l'analyse des données transforme le rôle d'un spécialiste du marketing, définissons d'abord les termes clés de cette sphère. Pour commencer, nous sommes partisans de la définition suivante de la big data donnée par Gartner :

Le consensus général est qu'il existe des attributs spécifiques qui définissent la big data. La définition ci-dessus couvre tous ces attributs sauf un : La véracité

Les quatre V de la big data

Volume, Variété, Vélocité et Véracité (ce dernier point a été ajouté plus récemment, ce qui explique probablement son absence dans la définition de Gartner).

1. Volume : La quantité de données générées
2. Vitesse : La vitesse à laquelle les données sont générées
3. Variété : Les différents types de données
4. Véracité : La mesure dans laquelle il existe des incohérences enregistrées qui nécessitent une validation supplémentaire.

Cela nous amène à l'expression suivante qui est souvent utilisée en relation avec ce sujet, la science des données. Nous pensons que la définition suivante de la science des données par Data Robot résume bien l'expression :

"La science des données est une discipline informatique majeure. Plus précisément, il s'agit du domaine d'étude qui combine l'expertise du domaine, les compétences en programmation et la connaissance des mathématiques et des statistiques afin d'extraire des informations significatives. Les scientifiques des données appliquent des algorithmes d'apprentissage automatique aux chiffres, au texte, aux images (par reconnaissance d'images), à la vidéo, à l'audio et à d'autres éléments pour produire des systèmes d'intelligence artificielle (IA) qui exécutent des tâches qui requièrent normalement l'intelligence humaine. Ces systèmes génèrent ensuite des informations que les analystes et les utilisateurs professionnels peuvent traduire en valeur commerciale tangible."

Maintenant que nous avons éclairci ce point, passons à la manière dont l'analyse de la big data et les informations issues du traitement des données transforment le marketing.

Comment l'analyse de la big data transforme-t-elle le département marketing ?

Avec l'aide des outils de big data, les professionnels du marketing mettent en place des stratégies de marketing basées sur les données qui ont un impact positif sur les trois domaines clés suivants :

Expérience client :

L'analyse de la big data permet aux spécialistes du marketing de mieux connaître leurs consommateurs : ce qu'ils aiment, les canaux qu'ils utilisent, ce qui influence leur processus de décision, quand ils veulent qu'on s'adresse à eux, etc. En ayant des réponses à ces questions, un spécialiste du marketing peut améliorer le ciblage de l'audience, la personnalisation et l'engagement des clients, ce qui a un effet positif sur la rétention et la fidélisation.

Conseil : Pensez à la gestion des données clients (CDM) pour obtenir plus d'informations exploitables à partir de vos données.

Optimisation du marketing :

Les tests, les mesures et les analyses de la big data jouent également un rôle clé dans l'optimisation du marketing. Par exemple, les spécialistes du marketing peuvent obtenir des informations sur la meilleure façon de dépenser leur budget et sur les types de contenu et de messages qui trouvent un écho auprès de leur public. L'analyse des données aide les responsables marketing à trouver plus rapidement le bon filon, ce qui permet de réduire le temps perdu en essais et erreurs et de se concentrer sur les domaines qui génèrent le plus de retour sur investissement marketing.

Gérer l’agilité :

Le data mining est le processus qui consiste à utiliser l'analyse des données pour trouver des anomalies, des modèles et des corrélations dans de grands ensembles de données, dans le but de prédire les résultats. L'accès à ce type d'informations aide considérablement les équipes marketing à devenir plus agiles et à consolider leur position concurrentielle grâce à leur capacité à devancer les autres acteurs de leur secteur.

Quelles sont les sources de données importantes pour les professionnels des relations publiques et du marketing ?

Maintenant que nous comprenons comment l'analyse de la big data aide les services de marketing et de relations publiques à atteindre leurs objectifs, explorons les sources de données (dépôts de gros volumes de données) que les professionnels du marketing doivent analyser pour y parvenir.

Il existe différentes sources qui génèrent des données, mais dans le contexte du marketing des données massives, les principales sources sont les suivantes :

Données sur les médias :

Largement alimentés par l'introduction et la croissance des réseaux sociaux, les "médias" comprennent des milliards de contenus audio, textuels et visuels. Les médias sont l'une des sources les plus populaires de big data, car ils fournissent des informations précieuses sur les préférences des clients et l'évolution des tendances en temps réel. Comme ce type de données se trouve à l'extérieur du pare-feu d'une entreprise, elles ont tendance à être non structurées. Traditionnellement, les données non structurées étaient difficiles à analyser, mais heureusement, la gestion et l'analyse des données ont beaucoup progressé pour aider les dirigeants à traiter et à donner un sens aux informations externes - par exemple en utilisant un outil d'écoute des réseaux sociaux.

Voici quelques exemples de médias :

• Réseaux sociaux (messages, likes, commentaires, partages, photos et téléchargements de vidéos)
• Contenu éditorial (partages sur les réseaux sociaux, phrases clés, nom de l'auteur et titre de la publication)
• Podcasts (titre, images, description, catégorie et nom de l'auteur)
• Moteurs de recherche (volume de recherche, tendances et trafic)

Conseil : En savoir plus sur les logiciels et outils de reconnaissance d'images et comprendre le fonctionnement de la reconnaissance d'images.

Connaissance du client

Pour créer efficacement une vision à 360 degrés de leur public, les organisations doivent également analyser les données relatives à leurs clients. Comme nous l'avons déjà mentionné, cela présente un certain nombre d'avantages, notamment la satisfaction de besoins non satisfaits ou nouveaux, ainsi que la personnalisation.

Voici quelques exemples d'informations sur les clients :  

• Données démographiques (entreprise, lieu, sexe et âge)
• Données transactionnelles généralement stockées dans votre CRM (coordonnées des parties prenantes, produits achetés, date de renouvellement et dépenses moyennes par client)
• Données relatives au comportement sur le web (pages visitées, produits ajoutés au panier et localisation géographique)

Processus commerciaux

Les CMO exploitent souvent l'analyse de la big data via des API pour surveiller les performances de leurs équipes, en particulier s'il s'agit de grandes entreprises qui travaillent à distance. L'objectif n'est pas d'être un micromanager ennuyeux, mais d'évaluer la productivité, de définir des objectifs et d'améliorer l'efficacité des processus.

D'un point de vue marketing, il peut s'agir d'informations telles que

• Volume de plaintes sur les réseaux sociaux
• Temps de réponse des réseaux sociaux
• Temps de résolution pour les réseaux sociaux
• Calendrier prévisionnel et état d'avancement du projet de campagne de relations publiques

Conseil : Découvrez comment la suite Meltwater est au service des entreprises

Bases de données

Depuis l'explosion des données, les entreprises ont investi massivement dans des installations de stockage de données spécialisées, communément appelées entrepôts de données. En termes simples, un entrepôt de données est une collection de données passées que les entreprises souhaitent conserver dans une archive. Comme les entreprises s'orientent de plus en plus vers des plateformes de stockage telles que Hadoop et NoSQL, il est probable que ces technologies dominent et remplacent les entrepôts de données préexistants.

Voici quelques exemples de bases de données pouvant être stockées dans un entrepôt de données :

• E-mails de l'entreprise
• Registres comptables
• Bases de données de contacts marketing
• Bases de données de contacts commerciaux

Outils de big data

Il serait impossible de tirer des enseignements des types de données susmentionnés sans le soutien de solutions big data, en particulier d'outils analytiques big data fondés sur l'intelligence artificielle et l'apprentissage automatique. Heureusement, la technologie nous permet aujourd'hui de collecter des données à un rythme effréné, tant en termes de volume que de variété.

La bonne nouvelle, c'est qu'il existe de nombreux outils de big data qui peuvent vous aider, mais l'inconvénient, c'est que le choix de la solution la mieux adaptée à vos besoins peut prendre beaucoup de temps. Il serait donc fastidieux d'aborder dans cet article tous les outils de big data marketing et RP recommandés pour votre pile analytique. D’après  l'infographie fantastique de ChiefMartec, nous avons mis en évidence nos outils préférés ci-dessous.

Outils d'analyse de la publicité et de la promotion

1. Google Adwords
2. Facebook et LinkedIn
3. Adroll

Outils de contenu et d'expérience

1. Instapage
2. SEMrush
3. Ahrefs

Outils sociaux et de relations avec les clients

1. Meltwater pour les entreprises
2. Marketo
3. Intercom

Outils de commerce et de vente

1. HubSpot
2. Salesforce
3. Oracle

Outils de gestion des données

1. Meltwater Display
2. Tableau
3. Microsoft Power BI

Nous avons décidé de nous pencher plus en avant sur le segment de la "gestion des données", compte tenu de la tendance constante que nous observons en ce qui concerne le besoin accru d'analyses marketing et l'utilisation d'outils de visualisation des données.

Les centres de commande de marque sont des outils clés de veille stratégique (BI) conçus pour tous ceux qui traitent de grandes quantités de données provenant de solutions disparates ou qui ont un besoin de visualisation des données. Ils affichent des tableaux de bord visuels en temps réel et présentent des informations provenant d'ensembles de données dans un format cohérent, ce qui facilite grandement l'exploration des données (repérage des tendances/anomalies).

La gestion des données de référence et le traitement des données peuvent devenir compliqués lorsque les informations arrivent de tous les côtés, c'est pourquoi nous vous recommandons d'ajouter un outil de visualisation des données à votre technologie marketing. Meltwater Display (l'outil de visualisation de la big data de Meltwater), Tableau ou Microsoft Power BI sont de bons points de départ. Les spécialistes du marketing peuvent également aller plus loin et enrichir leurs rapports et tableaux de bord BI actuels en connectant leur outil de visualisation de données à un moteur d'analyse tel qu'Apache Spark. Vous trouverez plus d'informations sur Apache Spark ici.

Les défis de l'adoption de la big data

1. Résistance culturelle au changement
2. Solutions technologiques anciennes
3. Leadership exécutif/alignement organisationnel
4. État d'esprit

Personne n'a dit que l'adoption de l'analyse de la big data serait facile. En fait, c'est un défi auquel sont confrontés de nombreux dirigeants. Si vous êtes actuellement en difficulté, il est rassurant de savoir que vous n'êtes pas seul. Avant que l'analyse de la big data ne puisse réaliser son plein potentiel, un certain nombre d'obstacles doivent être surmontés. Chez Meltwater, nous avons souvent des conversations avec des cadres qui essaient de se familiariser avec l'analyse de la big data, et le plus souvent, ce sont les mêmes obstacles qui les empêchent de réussir.

Pour une transparence totale, nous avons énuméré ci-dessous les principaux défis liés à l'adoption, afin que vous puissiez mettre en place des plans avant qu'ils ne surviennent.

Résistance culturelle au changement

Pour la plupart des grandes entreprises, le plus grand défi commercial n'est pas lié aux outils de big data eux-mêmes, mais au processus de changement culturel organisationnel. En fait, 22 % des entreprises déclarent qu'il s'agit de leur plus grand obstacle à l'adoption.

Les entreprises sont souvent confrontées à la résistance au changement de leurs employés car, soyons honnêtes, nous sommes des créatures d'habitudes et beaucoup d'entre nous vivons selon le mantra "si ce n'est pas cassé, pas besoin de le réparer". Cette croyance a de graves conséquences sur l'adoption de la numérisation et de l'analyse de la big data. En fait, Gartner estime que la résistance au changement est l'une des principales raisons de l'échec de la plupart des projets digitaux.

Le changement culturel représente un problème commercial, qui nécessite donc une solution et une approche commerciales.

Pour réussir l'adoption des données, il faut d'abord comprendre les pain point des parties prenantes internes et explorer les obstacles qui les empêchent de vouloir utiliser les outils de big data dans leur travail quotidien. La résistance à l'analyse a des origines diverses, dont les raisons sont multiples ;

• Difficultés à justifier un besoin
• Sources de revenus concurrentes
• Peur d'une perte d'emploi ou d'un changement de fonction
• Adoption lente par les clients qui amène les employés à se demander si le jeu en vaut la chandelle.

Il est important de comprendre pourquoi il y a une résistance à l'analyse, car ce n'est qu'à ce moment-là que vous pourrez vraiment vous y attaquer. Gardez à l'esprit que chaque partie prenante a ses propres priorités et que les raisons de la résistance peuvent donc varier en fonction de votre interlocuteur.

Si vous êtes confronté à l'adversité, l'astuce consiste à minimiser l'effort nécessaire pour passer à une nouvelle façon de faire les choses. Réfléchissez à ces défis d'un point de vue interdépartemental et notez comment l'adoption d'outils de big data et d'analyse les aidera à les surmonter, au lieu de les alimenter.

Solutions technologiques anciennes

Chaque jour, les systèmes informatiques existants sont rendus superflus par les progrès technologiques. Ne pas suivre ces évolutions peut avoir de graves conséquences. Il est intéressant de noter que l'on attribue à la technologie existante un grand nombre d'échecs liés à l'adoption de l'analyse de données massives, environ 50 % d'entre eux d'après Nimbus Ninety.

Les entreprises traditionnelles, en particulier, sont paralysées par des systèmes hérités et des entrepôts de données vieux de plusieurs décennies. Ces entreprises se taillent la part du lion en matière d'investissement dans les solutions et les services liés aux données. Pour la plupart d'entre elles, l'analyse de la big data reste un domaine largement inexploré et une opportunité qui n'a pas encore été exploitée. Alors que la plupart des entreprises traditionnelles ont investi dans des projets de données, elles ont pris du retard dans leurs efforts pour intégrer des initiatives basées sur la big data dans leurs processus et opérations de base, car les systèmes existants les freinent. Le problème est que le remplacement de ces systèmes est complexe, mais aussi que, le plus souvent, les nouvelles mises en œuvre ne parviennent pas à égaler les systèmes précédents en termes de performances ou de fonctionnalités, et que les entreprises ne peuvent pas non plus se permettre de connaître des périodes de panne pendant que les systèmes existants sont mis en pause.

En prenant le temps d'analyser les flux de travail actuels et l'impact de la technologie sur ceux-ci, vous obtiendrez des informations essentielles sur ce qui se passe lorsque vous déplacez certaines pièces du puzzle. Nous vous recommandons de travailler avec votre partenaire technologique et d'examiner les différences de fonctionnement avant de remplacer les systèmes existants, ce qui vous aidera à mettre en évidence la logique commerciale cachée dans la technologie existante. Ne réagissez pas non plus par réflexe et ne débranchez pas vos anciennes technologies, mais construisez plutôt en parallèle de nouvelles solutions d'analyse et de big data afin de pouvoir transférer lentement les opérations de l'entreprise. Une phase de mise en œuvre solide est la clé du succès.

Leadership exécutif et alignement organisationnel

Il n'est pas rare que des projets analytiques échouent en raison d'une mauvaise communication, d'un manque de vision et d'objectifs organisationnels vagues. Il est essentiel de maintenir la communication ouverte. Les recherches menées par McKinsey montrent que les entreprises ont entre 8 et 12 fois plus de chances de réussir leur transformation digitale lorsqu'une bonne communication est apparente.

Si vous n'êtes pas honnête sur les progrès, les résultats et l'impact de votre stratégie afin que les parties prenantes sachent à quoi s'en tenir, les employés risquent de se dresser contre vous et non avec vous. Il est important que toutes les personnes impliquées soient prises en compte - et il est tout aussi important qu'elles se sentent entendues.

La direction doit donner des instructions claires. Expliquez à la fois la situation dans son ensemble, comment l'analyse aura un impact sur la vie quotidienne de votre personnel ou de vos clients, et comment elle aidera l'entreprise par rapport à la concurrence. Lorsque vous communiquez votre vision, partez du modèle d'entreprise ou de l'expérience client plutôt que d'un objectif interne tel que la numérisation des processus opérationnels existants.

Conseil : Une base de données de veille concurrentielle peut vous aider à prouver votre point de vue.

Assurez-vous que vos collaborateurs comprennent ce que vous faites, pourquoi et où vous en êtes en termes de progrès. N'ayez pas peur de donner la parole aux employés, après tout, ce sont eux qui sont sur le terrain. Ce sont eux qui travaillent le plus souvent avec les processus que vous essayez de modifier. Leur donner la parole peut contribuer à briser les hiérarchies structurelles rigides de l'entreprise et à ouvrir la voie à l'innovation.

État d'esprit

L'état d'esprit "big data" est guidé par l'expérimentation de l'exploration des données, la découverte, l'agilité et une approche "data first" qui se caractérise par des bacs à sable analytiques, des centres d'excellence et des laboratoires de données. Cet état d'esprit va souvent à l'encontre des approches traditionnelles de la gestion des données, fondées sur des hypothèses, ou peut les compléter. Si cet état d'esprit est inscrit dans l'ADN de certaines entreprises, d'autres doivent travailler dur pour changer leur mode de pensée traditionnel.

Pour relever ce défi, nous recommandons aux dirigeants de commencer par identifier et poser les questions essentielles qui permettront d'accroître la valeur de l'entreprise, notamment :

• Comment pouvons-nous "monétiser" l'informatique, l'exploration des données et les nouvelles sources de données pour créer de nouveaux produits et services ?
• Pouvons-nous tirer parti des technologies numériques - mobiles, réseaux sociaux, apprentissage automatique et Internet des objets (IOT) - pour mieux nous rapprocher de nos consommateurs ?
• Pouvons-nous utiliser les données pour transformer notre stratégie et nos processus commerciaux internes et externes ?
• Pouvons-nous trouver de nouvelles utilisations créatives pour les données dont nous disposons - de nouvelles possibilités d'analyse, de nouveaux marchés ou de nouvelles façons de fournir nos services ?
• Pouvons-nous utiliser les données dont nous disposons pour être de meilleurs membres de notre communauté et mettre les données au service de la responsabilité sociale ?

Le talon d'Achille de la big data

Si la big data peut être très bénéfique, la gestion de toutes ces informations s'accompagne de son lot de défis. Plus de données signifie plus d'implications en matière de confidentialité et de sécurité, et les questions d'éthique et de transparence sont de plus en plus débattues.

Toutes les données ne se valent pas. Selon Rob High, directeur technique d'IBM Watson, il est important que les particuliers et les entreprises sachent quelles données sont analysées et par qui. Par ailleurs, pour les entreprises qui font confiance à l'intelligence artificielle pour prendre des décisions, il est extrêmement important qu'elles comprennent les données et les hypothèses sous-jacentes qui alimentent les résultats de l'IA afin qu'elles puissent juger de ce que les algorithmes leur disent, plutôt que de prendre l'IA pour argent comptant.

"L'une des choses dont nous devons nous rendre compte à propos de l'IA, c'est qu'elle est relativement nouvelle pour nous tous. Il y a beaucoup de choses que nous ne comprenons pas encore tout à fait. Comme pour toute nouvelle technologie, il est très important que nous réfléchissions dès maintenant à la manière de procéder de manière éthique et responsable. Pour nous, cela se résume à trois principes de base. La confiance, le respect et la vie privée", a déclaré M. High lors du Mobile World Congress 2018.

Pour High, cela signifie qu'il faut remettre en question les hypothèses et aborder la mise en œuvre de l'IA en mettant l'accent sur la transparence et le droit à la vie privée.

"La transparence se résume à la question suivante : pouvons-nous identifier les sources d'information utilisées ? Avons-nous établi les bonnes propriétés, les bons principes lorsque nous formons ces systèmes à l'utilisation de données représentatives de qui nous sommes et des informations que nous utilisons ?"

Le fondateur et président exécutif de Meltwater, Jorn Lyseggen, a également discuté de l'éthique, de la transparence et de la réglementation de l'IA avec des experts internationaux du secteur lors du lancement de son livre Outside Insight. "L'IA est tellement mystifiée", a déclaré M. Lyseggen. "Seules les personnes qui travaillent avec l'IA savent ce que cela signifie. J'ai été surpris de constater que l'intelligence artificielle n'a aucune intelligence. Ce qui me préoccupe le plus, c'est que les gens y croient trop. Il est très difficile d'éliminer complètement les préjugés. L'IA est fondamentalement biaisée dans la manière dont elle a été créée, entraînée et programmée.

En tant que tel, il pense que l'IA et le big data auront des conséquences imprévues, d'où la nécessité d'une politique et d'une réglementation. "Je pense que la réglementation a un rôle à jouer, car je ne pense pas que l'on puisse attendre des entreprises qu'elles s'autorégulent."

Lyseggen a également souligné l'importance de l'élément humain dans l'évaluation des résultats de l'IA, ainsi que la nécessité d'une compréhension approfondie des hypothèses qui sous-tendent les algorithmes afin d'établir la confiance.

Vous ne pouvez pas suivre aveuglément votre IA ; vous devez la remettre en question. Vous pouvez la considérer comme un GPS - elle vous aide à comprendre où vous êtes et où vous voulez aller. Ce sera le jugement des dirigeants qui décideront "Est-ce que je veux escalader cette montagne ou est-ce que je veux la contourner ? Tel est le rôle de l'être humain dans la prise de décision et le rôle futur des cadres.

Selon lui, l'un des éléments les plus importants pour que l'adoption de l'IA et de la big data soit couronnée de succès est que les cadres et les décideurs qui utilisent cette technologie aient les connaissances en science des données ou la sophistication nécessaire pour remettre en question le modèle et comprendre pleinement quelles sont les hypothèses sous-jacentes.

Gestion de la big data avec Meltwater

Et voilà, une petite plongée dans l'une de nos sous-disciplines préférées de l'informatique : la science des données ! Nos conseils pour la gestion de la big data et l'utilisation des informations issues de l'exploration des données vous aideront, nous l'espérons, à rendre vos processus internes plus efficaces, à vous rapprocher de vos clients de manière plus significative et à acquérir un avantage concurrentiel.

Vous souhaitez discuter de l'intégration de l'analyse de la big data dans votre propre stratégie marketing ? Remplissez le formulaire ci-dessous et nous vous contacterons !