Si 90% des entreprises françaises sont conscientes de l’importance de la donnée pour produire mieux, plus vite et de façon optimale, seules 48% ont recours au big data et 9% aux outils prédictifs (étude d’IDC, 2018). Pourtant les directions métiers et notamment les directions marketing et commerciales réclament l’intégration de ces technologies dans leur process pour identifier les leads, repérer les opportunités, personnaliser les offres, anticiper la consommation, le churn, optimiser le cross ou le up selling. Pourquoi, si ces outils sont tant attendus par les métiers, sont-ils si peu déployés dans les entreprises notamment les ETI et PME ? La raison est simple : toutes ces entreprises pensent que leur déploiement est réservé aux Gafa et aux entreprises du CAC 40. Elles n’osent franchir le pas estimant qu’elles n’en n’ont ni les compétences, ni les moyens financiers. Mais c’est une erreur. Faire du marketing 3.0 est aujourd’hui à la portée de toutes les structures. Il suffit à l’entreprise de se mettre dans une configuration data driven c’est-à-dire s’organiser et s’équiper d’outils pour collecter, centraliser et exploiter la donnée.
La donnée au cœur de l’entreprise
La première étape de la mise en oeuvre d’une stratégie data driven consiste à récupérer les données issues de nombreuses sources internes (sites internet, mobile, réseaux sociaux, bases de données, tableaux excel, ERP, CRM..) et externes à l’entreprise (open data, partenaires, fournisseurs, études, sondages, etc) et à casser les silos pour mettre en œuvre une organisation inclusive et pluridisciplinaire de la donnée. Ainsi, qu’ils soient dans le service marketing, commercial, IT, digital, qu’ils soient data scientists, data analysts ou côté métiers, tous les profils doivent collaborer. Les data analyst et data scientist enrichissent la donnée grâce aux algorithmes, les métiers en dégagent de l’information utile à leurs missions. Grâce au Big data, au machine learning et à l’IA, les professionnels de la donnée peuvent analyser les signaux comportementaux laissés par les consommateurs, éléments permettant aux métiers de déployer différentes stratégies marketing et commerciales.
Ainsi, des données collectées sur la fréquence d’utilisation d’une ligne téléphonique, le profil du client, ses échanges avec le support client, ou sa recherche d’informations sur des produits ou services sur site le internet de l’opérateur associées à des data issues de l’exterieur de l’entreprise (offres concurrentes, études comportementales saisonnalité, météo..) délivrent aux métiers des éléments leur permettant d’anticiper un churn, d’identifier un potentiel client, ou de transformer un prospect en client en lui proposant une offre ciblée.
Démocratisation de l’analytics grâce aux plateformes de self-services
Si de prime abord, les ETI et PME peuvent être intimidées par tout le bouleversement imposé par une stratégie data driven, qu’elles se rassurent. Aujourd’hui des outils de self services analytics permettent aux métiers de travailler sur de grands volumes de données issus de sources variées, et d’en déduire des informations exploitables dans leurs missions. Simples de déploiement et d’utilisation, ces plateformes leur permettent de se familiariser avec la donnée et d’identifier des cas d’usage qui pourront donner lieu à de l’industrialisation et de l’automatisation de process d’entreprise.
Considérée jusqu’à récemment comme une discipline réservée aux experts, l’analytics se démocratise avec l’arrivée de plateformes centralisatrices de données structurées et non structurées et intégrant des algorithmes de machine learning et d’IA.
Aujourd’hui toutes les entreprises peuvent devenir data driven dès lors qu’elles font tomber les silos et qu’elles incitent chaque collaborateur à partager et à utiliser les données. A l’instar de Mr Jourdain et de sa prose, les collaborateurs peuvent désormais faire de l’analytics sans le savoir !
La donnée au cœur de l’entreprise
La première étape de la mise en oeuvre d’une stratégie data driven consiste à récupérer les données issues de nombreuses sources internes (sites internet, mobile, réseaux sociaux, bases de données, tableaux excel, ERP, CRM..) et externes à l’entreprise (open data, partenaires, fournisseurs, études, sondages, etc) et à casser les silos pour mettre en œuvre une organisation inclusive et pluridisciplinaire de la donnée. Ainsi, qu’ils soient dans le service marketing, commercial, IT, digital, qu’ils soient data scientists, data analysts ou côté métiers, tous les profils doivent collaborer. Les data analyst et data scientist enrichissent la donnée grâce aux algorithmes, les métiers en dégagent de l’information utile à leurs missions. Grâce au Big data, au machine learning et à l’IA, les professionnels de la donnée peuvent analyser les signaux comportementaux laissés par les consommateurs, éléments permettant aux métiers de déployer différentes stratégies marketing et commerciales.
Ainsi, des données collectées sur la fréquence d’utilisation d’une ligne téléphonique, le profil du client, ses échanges avec le support client, ou sa recherche d’informations sur des produits ou services sur site le internet de l’opérateur associées à des data issues de l’exterieur de l’entreprise (offres concurrentes, études comportementales saisonnalité, météo..) délivrent aux métiers des éléments leur permettant d’anticiper un churn, d’identifier un potentiel client, ou de transformer un prospect en client en lui proposant une offre ciblée.
Démocratisation de l’analytics grâce aux plateformes de self-services
Si de prime abord, les ETI et PME peuvent être intimidées par tout le bouleversement imposé par une stratégie data driven, qu’elles se rassurent. Aujourd’hui des outils de self services analytics permettent aux métiers de travailler sur de grands volumes de données issus de sources variées, et d’en déduire des informations exploitables dans leurs missions. Simples de déploiement et d’utilisation, ces plateformes leur permettent de se familiariser avec la donnée et d’identifier des cas d’usage qui pourront donner lieu à de l’industrialisation et de l’automatisation de process d’entreprise.
Considérée jusqu’à récemment comme une discipline réservée aux experts, l’analytics se démocratise avec l’arrivée de plateformes centralisatrices de données structurées et non structurées et intégrant des algorithmes de machine learning et d’IA.
Aujourd’hui toutes les entreprises peuvent devenir data driven dès lors qu’elles font tomber les silos et qu’elles incitent chaque collaborateur à partager et à utiliser les données. A l’instar de Mr Jourdain et de sa prose, les collaborateurs peuvent désormais faire de l’analytics sans le savoir !
A propos de Grégory Herbert, VP France, Dataiku
Grégory est Vice-Président en charge de la France chez Dataiku. Il fait bénéficier ses clients d’une longue expérience de conduite de projets de transformation digitale auprès d’organisations françaises et internationales. Aujourd’hui, il accompagne aux côtés des équipes de Dataiku, ses clients dans leur croissance autour de la donnée et leur fournit ainsi les moyens d'infuser plus largement la culture data par le biais de la collaboration à grande échelle. L’objectif de Dataiku est de proposer aux entreprises une plateforme permettant de centraliser le développement d'applications, d'outils de data science et de Machine Learning.
Autres articles
-
Dataiku met l’IA générative au service de la préparation des données
-
Dataiku 12 : une IA puissante et contrôlée au service des entreprises
-
Teradata et Dataiku renforcent leur intégration pour déployer l’IA à grande échelle
-
Artefact et Dataiku démocratisent l’adoption de solutions IA pour faciliter les prises de décisions des entreprises au quotidien
-
Dataiku obtient la désignation Google Cloud Ready – AlloyDB