Temps de lecture estimé : 3 minutes
Donner du sens à la donnée
Un temps déclarés ennemis, le Big Data et les études de marché ont aujourd’hui démontré leur complémentarité plus que fructueuse.
Il fut un temps, on pensait que le Big Data allait écraser les études de marché, les rendre obsolètes. Un point de vue qui s’est vite avéré erroné. « Ce n’est pas l’existence d’un ensemble particulier de données particulières qui compte, explique William Pink, senior partner chez Creative Analytics. Ce qui compte, c’est notre capacité à répondre à des questions. Le Big Data génère, de fait, des nouvelles questions, qui peuvent être éclairées par des études plus classiques. » C’est une question d’éclairage et de contexte. De fait, le défaut du Big Data est sa qualité : les volumes de données non structurées traités sont tellement gigantesques qu’il est difficile de répondre à des questions très spécifiques, particulièrement quand elles portent sur les motivations – le Big Data donne des faits, mais pas les explications. « L’un des enjeux majeurs du Big Data est de donner du sens à la donnée », rappelle Guillaume Aurine, directeur marketing produit de salesforce en France.
Et c’est là que l’alliance entre Big Data et études de marchés classique entre en jeu. « Bien que l’on puisse avoir une idée générale sur une marque en utilisant des analyses sur des tweets ou des messages Facebook, les questions marketing les plus ciblées ne peuvent être résolues que par des méthodes ciblées, telles que les enquêtes », souligne Michael Liebermann, fondateur et président de Multivariate Solutions.
Les données issues d’études de marché tendent à avoir une taille d’échantillon plus petite, mais elles sont pleines d’informations sur les motivations, les perceptions, le contexte du comportement… Certaines grandes entreprises abritent ainsi un véritable trésor – et elles en sont conscientes -, avec des décennies de données structurées en réserve. Mais pour en faire usage, il faut résoudre des problèmes plus techniques de reformatage ou de traduction des données. Plus facile à dire qu’à faire.
Ce qu’on peut faire aujourd’hui
Mais le jeu en vaut la chandelle. Les outils alliant Big Data et méthodes plus traditionnelles se sont multipliés, par exemple la vision à 360 degrés du client (qui intègre ses interactions avec la concurrence). En cumulant données démographiques, préférences de contenus, achats, etc., le Big Data arrive à des segmentations de marchés fine et évolutives, dont les motivations peuvent être cernées par des études ciblées ; et surtout, les volumes traités et les capacités d’observation des tendances en temps réel permettent de mener des analyses prédictives dont la précision est accrue par l’intégration de données structurées sur les motivations, et qui permettent de décider rapidement sur les actions à mener.
En même temps, « le Big Data nous permet de résoudre l’un de nos plus gros problèmes : les enquêtes trop longues », souligne William Pink. De nombreuses études montrent que trop de questions nuit à la qualité des données récoltées, et pour autant, la pratique perdure – en partie parce que les informations demandées sont perçues comme essentielles. « Avec le Big Data, de nombreux indicateurs, comme par exemple ceux ayant trait à la consommation, peuvent être récoltés par des mesures passives, ce qui permet de ne plus avoir à poser les questions s’y rapportant – et ainsi de réaliser des enquêtes plus courtes », continue William Pink. Or faire court et rapide est une nécessité absolue dans un univers digital.
Et demain ?
« Aujourd’hui, les clients veulent des solutions d’Analytics, qui fournissent des rapports simples à fabriquer, souligne Guillaume Aurine. La nouveauté est que maintenant, nous avons intégré une fonction qui propose de consulter les meilleurs dashboards, ou les plus intéressants. C’est la tendance forte pour les années à venir : l’intelligence artificielle va s’immiscer de plus en plus dans les analyses. » Ce qui est, en fin de compte, inévitable, compte tenu – là encore – de l’effarante quantité de données à considérer. Non content de proposer les dashboards les plus pertinents (grâce au deep learning), les outils de veille et d’étude devraient bientôt pouvoir donner des conseils, y compris d’ordre stratégique.
Les commandes vocales sont une autre avancée attendue. Demain, conduire une étude sera très différent d’aujourd’hui : il pourra suffire de demander au logiciel, à voix haute, de rechercher une donnée et de mener les analyses ad hoc dessus. Enfin, en matière de veille, « la révolution va venir de l’accélération, estime Guillaume Aurine. Aujourd’hui, mener une veille, rassembler et analyser les résultats prend du temps – et dans le domaine digital, cela veut souvent dire que l’information récoltée est déjà obsolète. En la matière, les clients ont besoin de temps réel. » C’est une exigence d’autant plus complexe que les canaux de communication entre une marque et son public se sont multipliés – sans pour autant s’éliminer : papier, web, téléphone, applications diverses… Tous doivent être pris en compte.
Avec de telles perspectives, autant dire que le marché du Big Data Analytics n’est pas prêt de voir sa croissance ralentir dans les années à venir. Mais pour pouvoir profiter de tout cela, il va falloir relever un autre défi : savoir où garder les données. Les grandes entreprises ont le plus souvent des serveurs en local, hérités des architectures précédentes, alors qu’aujourd’hui, débuter directement sur le Cloud semble avoir la préférence des entrepreneurs. Pour autant, si le Big Data a définitivement établi une certitude, c’est que la vraie valeur des données réside dans leur confrontation avec d’autres ; les grandes entreprises devront donc trouver des solutions pour arriver à cette fin avec leurs installations locales – tout en respectant les exigences en matière de cybersécurité. Et outre leur localisation, la question de la propriété des données – entre ceux qui les possèdent, ceux qui les traitent, ceux qui les récoltent, ceux qui les créent – va devoir être résolue. Là encore, plus facile à dire qu’à faire…
Jean-Marie Benoist
