Connexion
8 330 Livres Blancs | | |
> Accueil / Dossiers / Le data-driven, ou comment utiliser les données intelligemment

Le data-driven, ou comment utiliser les données intelligemment


Ce n'est aucunement un secret que la donnée est l'or noir de l'âge numérique. Pourtant, a contrario de l'or noir d'antan, la donnée est encore mal-exploitée par de nombreuses entreprises. Ces dernières comptent donc sur l'expérience professionnelle et l'intuition pour prendre leurs décisions. Quel est le mal à utiliser son intuition et son expérience professionnelle, nous vous entendons dire ? Aucun, nous répondons, si ce n'est qu'il existe toujours un facteur de risque plus ou moins considérable lorsqu'une décision est prise en utilisant ces méthodes hautement subjectives. La donnée, quant à elle, est objective et neutre. Elle parle un seul langage, et ce sans la subjectivité humaine qui vient empiéter et déformer les faits.

Ne nous méprenons pas, il y aura toujours une place pour l'intuition et l'expérience professionnelle dans la prise de décisions ; sans quoi, l'innovation ne serait plus qu’un lointain souvenir. Toutefois, la donnée siège aujourd’hui au même niveau que ces deux méthodes, et les entreprises qui le comprennent sont celles qui bâtiront le monde de demain. Bienvenue dans le monde du data-driven.


Définition

Nous commencerons par un petit cours d'anglais : que veut dire data-driven, exactement ? Bien évidemment, nous connaissons déjà la data, mais driven est peut-être un brin plus compliqué pour ceux qui ne suivaient pas en cours d'anglais à l'école. Driven est le participe passé de drive, qui, dans un contexte classique, veut dire conduire. Drive peut toutefois aussi se traduire en entraîner, pousser, commander, actionner (pour ne citer que quelques exemples) ce qui laisse entendre une définition un peu plus subtile à data-driven.

Dans un contexte professionnel, lorsqu'on parle de data-driven, on fait allusion à quelque chose qui est basée, axée sur les données. Cette notion de data-driven s'applique à de nombreux secteurs que nous allons examiner de plus près ci-dessous. Avant cela néanmoins, il est important de faire un petit récapitulatif sur ce que peut être une donnée, car on peut parfois - à tort - simplifier la donnée à une valeur numérique.

Il existe deux types de données : les données quantitatives et les données catégorielles. Les données quantitatives sont tout simplement les données auxquelles on applique une valeur numérique (sauf exception, comme les numéros de téléphone ou codes postaux qui sont catégoriels). Quant aux données catégorielles, ce sont les données qui prennent en compte des niveaux (par exemple les études), des catégories (le sexe d'une personne), ou encore des modalités.

Se rajoutent à ces deux types de données d'innombrables sous-catégories que nous n'allons pas examiner, de par le fait que cela devient très rapidement technique et n'intéressera que les statisticiens parmi vous (qui normalement connaissent déjà ces sous-catégories de données).

Revenons donc au sujet du data-driven, et comme convenu, de ses applications dans le monde du business.

 

LES APPLICATIONS DU DATA-DRIVEN

Cette liste des différentes applications du data-driven n'a pas pour objectif d'être aussi exhaustive que possible ; il existe un grand nombre d'applications du data-driven, dont certains sont particulièrement complexes et spécifiques à certaines industries. Toutefois, cette liste recouvre les principales catégories.

  • Marketing data-driven
  • Le marketing data-driven - data-driven marketing aussi, les deux termes sont acceptés - est très certainement l'application la plus connue du data-driven. C'est une stratégie issue du monde du digital marketing qui consiste à utiliser les données pour prendre des décisions informées autour du client. Cette stratégie passe par la récolte, l'analyse et l'application de données (la big data, notamment) des consommateurs afin de créer un modèle présent aussi précis que possible qui peut ensuite prédire plus ou moins précisément les actions à venir de ce même consommateur. Le marketing data-driven facilite également le ciblage du consommateur, un aspect du marketing de plus en plus important dans le monde de l'hyperpersonnalisation.
  •  
  • Entreprise data-driven
  • Autre terme connu du monde du data-driven : l'entreprise data-driven. Alors que le marketing data-driven concerne uniquement un service, l'entreprise data-driven intégre la donnée dans toutes les strates de l'entreprise. Tous les services analysent et exploitent en temps réel les données récoltées afin de faciliter la prise de décisions. Bien entendu, la mise en place d'une entreprise data-driven demande un certain savoir-faire et beaucoup de travail en amont. Au-delà des outils et de la technologie nécessaires pour faire d'un tel projet une réalité, c'est bien souvent le manque de formation et d'engagement au niveau des collaborateurs qui fait qu'un pareil projet peut échouer.
  •  
  • Afin de garantir le succès de votre projet, il faut entre autres mettre en place une stratégie de gouvernance des données solide, permettant d'assurer la qualité des données exploitées. En parallèle, il est essentiel d'avoir une gestion d’architecture de données fiable (à savoir, la maîtrise des données de leur état brute à l'état où ils sont exploitables). S'ajoute à ces stratégies des outils de Master Data Management, de Business Intelligence, de gestion des métadonnées, et d'extraction de données. 
  •  
  • Journalisme data-driven 
  • Le journalisme data-driven, ou datajournalisme, exploite les données (notamment la big data) de la même manière que le ferait une entreprise data-driven, mais avec l'objectif d'identifier des informations qui seraient autrement omises par un journaliste "classique". Cette forme de journalisme est considérée par certains comme un mouvement à part entière et se rapproche du journalisme investigatif traditionnel.
  •  
  • Apprentissage data-driven
  • L'apprentissage data-driven est quelque peu plus technique que les entrées précédentes de cette liste. Cette forme d'apprentissage s'applique exclusivement aux langues étrangères, et considère les mots en eux-mêmes comme une forme de donnée. Au lieu d'essayer de comprendre comment vocaliser une phrase dans son entièreté (la forme classique d'enseignement), l'apprentissage data-driven pousse l'étudiant à analyser les manières qu'une phrase est utilisée. Cette analyse pousse l'étudiant par la suite à comprendre de lui-même comment appliquer le ou les mots au sein de sa propre parole.
  •  
  • Sécurité data-driven
  • La sécurité data-driven est une méthodologie dérivée (de loin) de l'ingénierie dirigée par les modèles. Cette forme d'ingénierie est, en quelques mots, une méthodologie pour automatiser la production, la maintenance ou l'utilisation de systèmes logiciels. Par extension, la sécurité data-driven a le même objectif, utilisant la donnée et appliqué au domaine de la sécurité informatique.
  •  
  • Programmation data-driven
  • La programmation data-driven est un paradigme de programmation (en français simple, une méthode de classification des langues d'ordinateur). Pour rester simple, il change notamment la manière que s'exécute un programme en utilisant la donnée.
  •  
  • Testing data-driven
  • Le testing data-driven est une méthodologie de test logiciel (oui, nous sommes toujours dans le monde de l'informatique), qui emploie les données d'une manière particulière pour effectuer ledit test.
  •  
  • Science des données
  • La science des données (que nous ne commencerons même pas à vous expliquer tant le sujet est complexe) est incluse dans cette liste car dans la langue de Shakespeare, la science des données (ou data science) fut décrite par Jim Gray, un éminent informaticien américain, comme étant une science "data-driven".

Quelques chiffres

  • > Dans le data-driven marketing, 45 % des marketeurs espèrent obtenir plus de clients grâce à cette stratégie (source : Invesp)
  • > 87% des marketeurs pensent que les données ne sont pas exploitées de manière optimale au sein de leurs entreprises (source : Adobe)
  • > 34 % de ces mêmes marketeurs ont aussi pour objectif de s'en servir pour mieux segmenter leurs bases de données (source : Invesp)
  • > Aux États-Unis, près de 20% du budget marketing est désormais dépensé dans le data-driven, soi $1.3 billion en 2016 (source : Adobe)
  • > Le plus gros défi pour implémenter le data-driven au sein d'une entreprise ? Une technologie insuffisante selon 44,6 % des marketeurs interviewés (source : Invesp)

Les principaux acteurs à suivre

Le monde des données est particulièrement vaste, et comprend de nombreux acteurs. Tous sont plus ou moins liés aujourd'hui au data-driven, de près ou de loin.

Vous trouverez ci-après quelques exemples : IBM, Dell, Hitachi, Fujitsu, et Oracle dans le secteur du stockage ; SAP dans le secteur des bases de données ; Microsoft, Coheris et Google dans le monde de l'analytique ; Accenture, Deloitte et PWC dans le conseil ; enfin, on retrouve Tableau dans le monde de la dataviz.


Les livres blancs à consulter


Qui sont les Data Bakers ?

Livre blanc de Datagalaxy

Data Scientist, Data Steward, Data Protection Officer, Data Architect... Qui sont les utilisateurs de la data au quotidien ?

Développer une cuture "Data driven" : mode d'emploi

Livre blanc de PingFlow

Concrètement, qu’est ce qu’une culture "data driven" ? Pourquoi est-il nécessaire de donner du sens à la donnée ? Comment animer ses équipes autour de ces data ? Autant de questions auxquelles Pingflow répond dans ce nouveau Livre Blanc.

Data Driven Marketing - Quels KPI adopter pour atteindre ses objectifs business ?

Livre blanc de Synchrone

Définition des KPI, typologie et utilisation : Synchrone vous accompagne dans votre choix grâce à une étude en 3 volets des meilleurs indicateurs marketing.

Quel(s) avenir(s) pour l'analytique ?

Livre blanc de Indexima

Dans ce livre blanc, Indexima fait un tour d'horizon de ce que nous réserve l'analytique demain.

Brick and Data chapitre 3 - De nouveaux avant-postes

Livre blanc de Ysance

Le retail data-driven : Ysance vous explique tout dans son livre blanc.

La qualité des données Digital Analytics : évaluer, contrôler et optimiser la fiabilité

Livre blanc de AT Internet

La qualité des données est un facteur essentiel mais parfois négligé : comment s'assurer de la fiabilité ? Elément de réponse avec le livre blanc d'AT Internet.