Mon compte Devenir membre Newsletters

[En pratique] 7 applications concrètes de la data

Publié le par

En quelques années, la data s'est imposée au coeur de la transformation numérique des entreprises. Les chiffres parlent d'eux-mêmes : son marché est estimé à 1000 milliards d'euros d'ici à 2020 selon Gartner. Focus sur différentes cas d'usage.

[En pratique] 7 applications concrètes de la data

Les applications concrètes se multiplient dans tous les domaines, du ciblage de campagne marketing à la création de parfums par exemple. Ainsi, il est possible aujourd'hui d'augmenter l'efficacité d'actions marketing par trois par des contacts ciblées par la science des données en prescrivant le levier précis pour engager le segment client visé. Ou de déterminer la combinaison d'ingrédients permettant d'augmenter de 200% une perception sensorielle en parfumerie.

1. Pour créer des oeuvres

Google a peint des tableaux d'art. Des oeuvres qui sont nées de l'imagination de ses ordinateurs... influencées par les milliards et milliards de datas qu'ils ont en stock. Cela aboutit à des oeuvres étonnantes... qui ont trouvé preneurs (moyennant 8000 dollars même pour l'un d'entre-eux !) Autre exemple, celui d'House of Cards : le scénario de la série à succès, produite par Netflix, a été réalisée en combinant les résultats de nombreuses autres séries et les données collectées sur les historiques des utilisateurs de la Vidéo à la Demande afin de coller au mieux aux attentes des consommateurs. Une réussite. ?On le voit, le big data éclaire ici le créatif et permet d'explorer des pistes nouvelles pour aboutir à des oeuvres promises au succès, commente Marc Atallah, co-fondateur de Zettafox, une start-up spécialisée dans l'extraction de connaissances à partir de grandes masses de données en utilisant des technologies de machine learning.

2. Pour résoudre les problèmes d'attrition

Chez les opérateurs télécoms par exemple, c'est une vraie problématique aujourd'hui. Les clients ne sont plus fidèles. "Donc il faut travailler sur l'ensemble des données (environnement, contexte, informations clients (CSP, travail..), son type de forfait, ses usages, ...) pour déterminer de manière dynamique des micro-segments et cibler des comportements", explique Patrick Zerbib, co-fondateur de Zettafox. Ceci afin de comprendre la manière d'agir du client pour anticiper ses choix et savoir comment il faut agir pour le retenir : quel message, quelle promotion, quelle offre...

3. Pour optimiser les taux de transformation

Le taux de transformation magasin correspond au nombre de visiteurs convertis en acheteurs, il est d'ailleurs également appelé taux de conversion. Comment l'optimiser? "Par exemple pour les magasins duty free en aéroport, nous avons récupéré leurs données de trafic et nous avons travaillé sur les synergies marques/produits, de manière à maximiser leurs ventes, témoigne Marc Atallah, l'autre co-fondateur de Zettafox. Cela se concrétise dans un point de vente, en positionnant par exemple une marque précise à côté d'un type de produit prestige. Avec cette approche, cette marque multiplie les ventes par quatre sur un segment de voyageurs précis."

4. Pour définir les bons assortiments en boutiques

Une enseigne possède souvent un réseau disparate, composé de magasins de différentes tailles. Quels produits placer dans un petit magasin? Comment opérer cette sélection? En fonction des appétences clients du secteur bien sur. Mais comment la connaître? En travaillant la data, afin d'identifier leurs préférences pour proposer le bon assortiment au bon endroit. "En procédant de la sorte, les distributeurs réduisent leurs coûts logistiques et maximisent leurs ventes, souligne Marc Atallah. Pour un magasin situé dans un quartier au loyer très élevé, nous pouvons déterminer en fonction des ventes les produits à mettre en avant dans le magasin et les produits à éviter. Cela maximise les ventes par m2 utiles dans le magasin".

5. Pour réduire la démarque inconnue

La démarque inconnue constitue un véritable poison pour la rentabilité des professionnels du commerce et de la distribution dont les marges sont extrêmement faibles. En moyenne, les enseignes françaises enregistrent entre 4 et 5 milliards d'euros de manque à gagner en raison de ces fameux "écarts de stock" inconnus, dont 60% proviennent des vols à l'étalage. "En récupérant de la donnée clients et en procédant à des recoupements, nous sommes capables de repérer les magasins impliqués (on peut même affiner jusqu'à la caisse), de cerner les heures concernées, les produits visés et donc de réduire au final le risque de vol, en mettant en place, en fonction du résultat de " l'enquête data ", des actions correctives", témoigne Patrick Zerbib.

6. Pour réorienter les budgets médias

"Nous intervenons en complément des agences de publicité", indique Patrick Zerbib. Le but : optimiser les campagnes publicitaires. Ce qui suppose d'avoir au préalable combiné des séries de données au sein d'une plateforme de gestion de données centralisée (Data Management Platform, DMP). L'utilisation d'une DMP est essentielle pour identifier la bonne cible mais aussi pour révéler des tendances sur cette cible, selon les activités, les préférences et le comportement d'achat. Dès lors, il est plus facile de décider du canal de communication pour cibler son public et identifier le meilleur moment pour le toucher. De même, sur une catégorie de produit, il est possible de déterminer les combinaisons media, le meilleur moment pour investir et les seuils d'investissement optimaux pour maximiser les ventes.

7. Pour faire de la maintenance préventive

Comment procéder à la gestion anticipée des pannes? Le big data, qui ouvre les portes de la maintenance prédictive, permet d'anticiper les aléas pour ne plus les subir. Autrement dit, anticiper les pannes afin de limiter l'immobilisation des appareils pour réparation, véritable bête noire des compagnies aériennes. Celles-ci perdent 10 000 dollars par heure d'immobilisation forcée d'un engin au sol ! D'où l'intérêt de déployer des modèles prévisionnels afin d'optimiser et de personnaliser les opérations de maintenance. Les constructeurs et les équipementiers l'ont bien compris.

Cette liste des scénarios possible est loin d'être exhaustive. Le champ d'intervention des big data apparaît en effet illimité et très prometteur. Pourtant, bien souvent, lorsque les sociétés spécialisées dans ce domaine comme Zettafox interviennent, c'est que les entreprises ont commencé à recueillir des données et qu'elles se trouvent submergées par les flux et la nécessité de les structurer. Mieux vaudrait y penser avant.