L’importance de l’analytique pour booster le business

Vous êtes probablement entrain de penser “voilà encore une énième histoire qui se veut originale sur Big Data et comment cela va soi-disant changer mon business du tout au tout”. Laissez-nous cependant vous présenter quelques-unes de nos expériences avant de décider si vous ne voulez effectivement plus jamais entendre quoi que ce soit en relation avec ce sujet ou pas.

Ma conviction est que les grandes entreprises ne devraient pas être les seules à bénéficier des avancées technologiques et des nouvelles perspectives qu’elles apportent. Selon moi, il faut enlever le “big” superflu et ne garder que les “data” pertinentes. Ceci afin d’aborder les différentes façons d’utiliser l’analytique avec plus de perspicacité pour améliorer l’activité des entreprises en apportant plus de pragmatisme autour du fameux Big Data.

En effet, l’évolution permanente des marchés complexifie les processus de prise de décisions. Les entreprises peinent à identifier et à comprendre les variables menant à la réussite – ou éventuellement l’échec – de leur business. Les départements informatiques s’efforcent d’identifier, de lire et de réutiliser les données pour affiner les analyses nécessaires pour le business.

Il existe toutefois des étapes récurrentes : premièrement appréhender le besoin du client, ensuite collecter et comprendre les données pertinentes, et enfin appliquer des analyses (statistiques) à celles-ci pour en dégager les informations utiles.

La gamme des outils est variée : elle s’étend de l’open source aux logiciels haut de gamme; des analyses de sites internet aux analyses statistiques et des solutions développées en interne aux algorithmes. Certains projets sont menés avec des outils tels qu’AT Internet (précédemment connu sous le nom de Xiti), Google Tag Manager, Tag Commander et Google Analytics. Leur but est d’analyser la performance des sites internet ainsi que le parcours et l’expérience utilisateur sur ces différents sites. Les analyses sont basées sur des données recueillies par l’intermédiaire de balises (tags) et cookies. Là où c’est nécessaire, nous pouvons les pousser plus loin en y injectant du code ou même en développant des algorithmes pour recueillir des données plus pertinentes. Une fois que les données sont recueillies grâce à Tag Manager ou Tag Commander, elles sont réinjectées dans Google Analytics ou des solutions tierces implémentées.

Grâce aux informations récupérées, ces entreprises peuvent prendre des décisions stratégiques telles que “quand pouvons-nous lancer un paywall (péage informatique) sur notre site internet ?”.  Leurs sites ont aussi pu être améliorés avec du contenu dynamique en fonction du profil des utilisateurs (ex. : abonné(e)s, scoring d’engagement). Dernier élément, mais certainement non des moindres, la possibilité d’envoyer des campagnes de mailing personnalisées et donc plus effectives. Pourquoi « certainement non des moindres » vous demandez-vous ? Les campagnes de diffusion font partie d’une stratégie marketing globale. La plupart des individus croient que le marketing consiste à répondre à un besoin ; alors qu’il consiste en réalité à créer un besoin pour lequel vous avez déjà une réponse. Un de nos clients, ayant clairement compris ce concept, est venu nous trouver avec la requête suivante : “nous voulons non seulement couper l’herbe sous le pied de nos concurrents mais aussi des moteurs de recherche”. Une telle demande implique d’être présent avant même que le besoin ne se fasse ressentir, c’est-à-dire avant que le consommateur lui-même n’en soit conscient (et ait éventuellement cherché une solution sur internet).

Nous avons rendu cela possible pour eux grâce à une analyse sémantique qui recueillit des données pertinentes et en dériva des comportements récurrents. Un spécialiste en statistiques y appliqua ensuite un Réseau Bayésien[i] pour affiner l’analyse et la segmenter (voir Figure 1). Ce réseau permit de déterminer neuf groupes représentant les principales catégories de consommateurs. Sur base de cette nouvelle segmentation, notre client a pu envoyer des bulletins d’information sur mesure et adaptés aux préférences de ses consommateurs ; mais également de prédire quand envoyer lesdits bulletins pour atteindre ses clients juste à temps et ainsi déclencher un besoin prêt à surgir. Pas impressionné(e)s ? Et si nous vous disions que ceci permit de générer 12% chiffre d’affaires additionnel dès la première année ? Difficile à croire, peut-être ; difficile à réaliser, certainement pas.

ET les PME ?

Les PME peuvent elles aussi être concernées. En effet, vous pouvez être une PME et vous offrir une analyse Big Data. Et par Big Data, j’entends une quantité astronomique de données.

La plupart des PME rassemblent très peu de données concernant leurs utilisateurs. Par conséquent, sa seule option pour rassembler des données repose sur les cookies ; cookies qui représentent pas moins de cinq milliards de lignes par an ! La quantité de données à traiter étant donc particulièrement importante, nous pouvons directement construire un modèle Big Data pour créer un tableau de bord (dashboard) sur base de ses lignes.  Il fut d’abord nécessaire de déployer et configurer une base Hadoop afin d’atteindre une intégration de données plus rapide. La partie analytique peut ensuite être rendue possible grâce au logiciel Tableau. L’enjeu était, dans un premier temps, de reproduire chaque rapport existant (sous Excel) dans Tableau et d’automatiser le reporting. Sur le long terme, l’objectif était de rendre possible et plus simple le croisement des données afin d’aller plus loin dans les analyses. Puisque le logiciel Tableau ne nécessite aucune configuration particulière (ou complexe) et est particulièrement ergonomique ; chaque employé est capable de reproduire et/ou de créer ses propres KPI et rapports. Cela illustre bien que tout le monde peut avoir accès à ce type d’analyse.

« you may say i’m a dreamer, but i’m not the only one »

Analytics ne veut pas dire automatiquement Big Data et ne signifie pas nécessairement des solutions complexes et des projets de mise en œuvre lourds et chronophage. C’est pourquoi il ne faut pas hésiter à mettre les choses en perspective et adopter une approche intelligente par rapport aux projets à gros budget répandus plus communément.

La solution est toujours cachée dans les données et ne demande qu’à être extraite et comprise proprement. La première étape pour être performant réside dans la compréhension adéquate du problème. À la suite de quoi une solution effective peut être cherchée. Il est évident que plus vous travaillez sur des projets liés à l’analytique, meilleur vous devenez pour générer de bonnes solutions.

Selon les besoins, le coût de ces projets peut varier entre 8000/10.000 € et 150.000/250.000 € ; ce qui démontre à nouveau l’étendue des possibilités. Il est essentiel de garder à l’esprit qu’il n’est pas uniquement question de frais stricto sensu. Lors de la mise en œuvre de tels projets, le plus important est de créer plus de valeur que l’investissement initial.

[i] “Les RB constituent un langage graphique et une méthodologie, simples et corrects, pour exprimer pratiquement ce de quoi on est certain ou incertain. Ils reposent sur la formule de Bayes reliant des probabilités conditionnelles avec des probabilités jointes.”

 

Merve Gunaydin

BI Consultant SQLI Luxembourg

0 commentaires

votre commentaire

Se joindre à la discussion ?
Vous êtes libre de contribuer !

Laisser un commentaire

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

Inscription newsletter

Ne manquez plus nos derniers articles !