DossierLes enjeux du data marketing

2 - Définir les objectifs de l'analyse des données

La donnée représente une véritable richesse pour les entreprises. De nouveaux enjeux émergent : pour améliorer la performance des entreprises grâce à l'exploitation du big data, encore faut-il disposer des ressources humaines et des techniques nécessaires.

Une étude mondiale publiée par Capgemini, en juin 2012, sur l'utilisation du big data dans le processus décisionnel, "The Deciding Factor: big data & decision making" (Le facteur décisif : big data et prise de décision), révèle que pour neuf dirigeants sur dix, les données représentent le quatrième facteur de production et qu'elles sont tout aussi importantes pour leur entreprise que la propriété, la main-d'oeuvre et le capital. Les enjeux sont donc immenses. L'étude montre que les entreprises qui utilisent des outils d'analyse pour les grands volumes de données ont amélioré leurs performances de 26 % en moyenne et s'attendent à ce que cette amélioration atteigne même 41 % au cours des trois prochaines années.

Analyser et exploiter le big data, un enjeu pour les entreprises

La majorité des entreprises (58 %) affirment qu'elles investiront davantage dans l'analyse des grands volumes de données au cours des années à venir. La pertinence et la qualité des données restent des aspects importants. 42 % des dirigeants déplorent que l'analyse des données ait ralenti la prise de décision, mais 85 % d'entre eux estiment que l'augmentation du volume des données n'est pas le principal problème. La difficulté réside plutôt dans la capacité à les analyser et les exploiter en temps réel. Étant donné que les entreprises cherchent de plus en plus à sortir de l'analyse pour automatiser la prise de décision, la qualité des données est considérée comme un obstacle majeur : 67 % d'entre elles déclarent être confrontées à l'imprécision des données au quotidien. " Les entreprises réellement pilotées par les données sont en mesure d'examiner les comportements des clients et l'évolution du marché avec plus de certitude, et peuvent réagir rapidement et efficacement pour se distinguer de la concurrence ", commente Paul Nannetti, directeur des ventes et du portefeuille d'offres du groupe Capgemini.

Une pénurie de spécialistes pour gérer et exploiter les données

Au niveau organisationnel, il semble que le problème le plus important, pour 51 % des entreprises, est peut-être celui de la pénurie de spécialistes. L'écart entre l'offre et la demande d'analystes expérimentés est plus important dans les secteurs de la vente au détail et des biens de grande consommation. Les organisations ont donc besoin de ressources humaines dédiées pour gérer les données, d'outils technologiques pour les traiter et les exploiter. Elles doivent préalablement se fixer des objectifs en termes de structuration et d'architecture de leur base de données. Dans un communiqué dédié au big data paru en septembre 2012, Didier Gaultier, directeur du développement Spad et datamining de Coheris, l'affirme : " L'enjeu pour les entreprises face au big data ne se situe pas tant dans la capacité d'analyse elle-même qu'autour de deux problématiques qui ont tendance à être trop souvent ignorées : le mode de collecte des données, [qui] doit rester connu et maîtrisé pour être certain qu'une analyse de datamining ne produise pas d'effets contre-productifs pour l'entreprise, et l'analyse de grandes quantités de données, [qui] ne doit pas se faire au détriment de leur qualité. " Toutes n'ont pas la même utilité et ne permettent pas à l'entreprise de dégager de la valeur. Les quantités doivent donc être maîtrisées. " Introduire une quantité astronomique de nouvelles données dans un modèle qui fonctionne n'ajoute que très rarement de l'information réellement actionnable pour alimenter le modèle. Pire encore, certains modèles de datamining fonctionnent bien mieux, sont plus robustes et précis lorsqu'on évite de les alimenter avec des données supplémentaires ", ajoute Didier Gaultier.