My Blog

Catégorie : Big Data

  • 4 étapes pour engager rapidement les prospects

    Relever le challenge du Marketing et des Ventes :
    4 étapes incontournables avec l’analyse prédictive

    Par Christelle Dhrif, Directrice Marketing & Communication de Sidetrade

    Les méthodes de prospection B2B ont connu un changement significatif ces dernières années. Désormais, les clients n’attendent plus d’être démarchés pour se renseigner sur une entreprise et ses produits. A l’ère de l’hyper-connectivité, il suffit de quelques clics pour connaître un marché et comparer les offres concurrentes. Le processus d’engagement commercial s’en retrouve par conséquent considérablement complexifié.

    Dans ce nouveau contexte, les marketeurs et commerciaux 2.0 sont à la recherche de nouveaux leviers pour engager plus rapidement les prospects et les convertir en clients. Ce contexte met en valeur les solutions avec une approche data-driven. En effet, les algorithmes de machine learning de telles solutions permettent de collecter et traiter la donnée disponible sur un prospect et son organisation et de la transformer en leviers d’action directement exécutables pour savoir qui cibler, avec quelle offre, et à quel moment.

    Si la promesse semble incroyable, l’intelligence artificielle permet aux directions commerciales et marketing d’accéder à ce graal dès aujourd’hui. Zoom sur les étapes indispensables pour y parvenir.

    Etape 1 : la collecte de données en masse

    L’analyse prédictive requiert toutes les données disponibles sur le marché local – ou global –, qu’il s’agisse de données firmographiques ou individuelles, au niveau de chaque contact. Ces données sont collectées à partir de centaines de sources internes et externes, indexées en temps réel  puis confrontées et analysées pour construire un modèle prédictif.

    Etape 2 : la construction de modèles prédictifs

    Cette étape exige que les données soient en amont normalisées (filtrage, arrondi, analyse factorielle, sélection de paramètres…) et modélisées à partir de différentes techniques statistiques suivant le résultat désiré. Ces modèles (modèles Linéaires Généralisés, réseaux neuronaux, Machines Vecteurs Supports…) doivent ensuite être évalués et continuellement comparés et testés, afin de définir quel est le processus qui permet de construire le meilleur modèle prédictif.

    Etape 3 : l’extraction de données business

    Les centaines de scores de propension obtenus par les modèles prédictifs sont traduits en données utilisables par le marketing et les équipes commerciales comme la Customer Lifetime Value (Valeur Vie Client). L’information est largement distribuée et partagée sous la forme de flux continus et actualisés.

    Etape 4 : la transformation des données en actions

     Une fois les données collectées, agrégées et extraites, les utilisateurs finaux sont alors en mesure d’obtenir des insights leur permettant d’accélérer et d’orienter la prise de décision tout au long du cycle client. Les directions métier peuvent accéder à ces données via un outil front end spécifique ou directement à partir des solutions de CRM ou de Marketing Automation, accélérant ainsi la transformation des data en actions. Par exemple, les scénarios d’e-mailing aux prospects et clients peuvent être ajustés en temps réel ; les campagnes, plus rapidement implémentées.

    A l’heure de la Data Science as a Service (DaaS), les entreprises n’ont plus besoin d’investir dans des développements de systèmes d’information spécifiques internes ou des services de consulting sophistiqués. L’émergence d’un nouveau marché de plateformes d’intelligence artificielle B2B exploitant pleinement les capacités de l’analyse prédictive facilite la mise à disposition des données au sein des organisations, ouvrant une nouvelle porte dans l’engagement client via la data.

    L’écrasement de l’organisation hiérarchique et la multiplication des points de prise de décision modifient fondamentalement la gestion de l’information. Forester estime que 89 % des directions commerciales et marketing B2B envisagent de recourir à des modèles prédictifs à court terme pour mieux piloter leur cycle client. Sans surprise, l’analyse prédictive fait partie des tendances à adopter pour rester compétitif dans un monde dominé par la data…

     

     

  • Quand les millenials utilisent un volume considérable de données …

    Baby Boomers vs. Millenials : le gap générationnel des données

    Par Thierry Lottin, Directeur France de Veritas

    Chaque communication, interaction et transaction génère des données qui sont ensuite utilisées pour adapter au mieux les décisions. Elles agissent tel un catalyseur de transition et de croissance. Rien de surprenant à ce que les entreprises souhaitent conserver ces ressources de valeur ! Mais ce qui l’est davantage, c’est le nombre de données sauvegardées et à quel point cette quantité peut fluctuer en fonction des générations.

    Chaque personne sur la planète a une empreinte « digitale ». Mais elle est bien différente entre les Baby Boomers et les Millenials car ils utilisent les technologies, créent des données et conservent les informations de façon totalement différente. Au cours des 7 dernières années, les fichiers de données ont augmenté de 39% année après année[1]. Une croissance exponentielle qui s’explique par le nombre de données stockées : un Millenial stocke en effet près de deux fois plus de données qu’un Baby Boomer, et 30% de plus qu’un membre de la Génération X.

    Les Millenials ont grandi avec les nouvelles technologies au bout des doigts. Chaque mouvement digital est stocké, qu’il s’agisse des texto, des Snapshats, des messages Whatsapp et des emails, aux vidéos de pandas en passant par les historiques d’achats, la liste est sans fin. De plus, il n’a jamais été aussi simple de sauvegarder tout ce que nous faisons digitalement. Sans compter que toutes ces sauvegardes créent de multiples instances de données. Rien que l’écriture de cet article a généré plusieurs versions digitales. Au temps des piles de dossiers et de la rédaction sur papier, le nombre de versions était bien plus limité.  Les placards d’archivage de dossiers ont été remplacés par le cloud, les lettres de remerciement ont laissé place aux emojis et les albums photos ont disparu au profit d’Instagram.

    Les effectifs des entreprises sont multigénérationnels. Ils sont composés de Baby Boomers, nés entre 1946 et le milieu des années 60, de la Génération X (milieu des années 60 au début des années 80) et des Millenials, nés entre le début des années 80 et la fin des années 90. Ces derniers représentent une part de plus en plus importante au sein des entreprises. Leur démographie devrait augmenter de 7% sur les 10 prochaines années alors que celle des Baby Boomers devrait se réduire de 13% et celle de la Génération X devrait rester stable[2].

    Compte tenu de ce contexte de digitalisation, il n’est pas surprenant que les Millenials sauvegardent davantage d’informations, mais la différence est significative par rapport aux autres générations. Alors que les Millenials renforcent leur présence parmi les salariés, les entreprises devraient se préparer au déluge de données et commencer à anticiper comment cela va impacter leurs besoins de stockage et leurs budgets.

    Un récent rapport a révélé l’impact de la croissance de ces données sur les entreprises. Premièrement, le cout. Stocker toutes ces données à un prix, et ce prix ne cesse d’augmenter à mesure que les données s’accumulent. Mais les entreprises doivent aussi penser à la sécurité. Plus les données sont créées et stockées, plus il est compliqué de les surveiller. 73% des répondants interrogés dans le cadre du rapport « Data Hoarders » ont admis stocker des données pouvant potentiellement exposer leur entreprise à des risques de sécurité !

    Les habitudes de stockage des Millenials ne sont pas propres à un pays ou une région en particulier, au contraire, elles sont universelles. Quand on leur demande la nature des données stockées sur leurs appareils, les Millenials se montrent 27% plus homogènes entre les différentes nationalités dans leurs réponses que la Génération X et 59% plus homogènes que les Baby Boomers.

    Toutefois, si leurs habitudes de stockage peuvent paraître démesurées, les Millenials ne font rien de mal – en tous les cas, pas intentionnellement. Ils utilisent simplement la technologie qu’ils ont à portée de mains, mais dans un volume considérable.

    Néanmoins, l’accumulation de données est un problème universel ne pouvant être ignoré si les entreprises veulent se protéger, être efficaces et défendre leur marque et leur réputation.

    Ce gap générationnel peut paraître évident, néanmoins, l’impact est considérable pour les entreprises. Alors que les Baby Boomers et la Génération X sont graduellement en train d’être remplacés par les Millenials, la quantité et la variété de données téléchargées va croitre de façon exponentielle, et les infrastructures vont arriver à saturation. Les coûts liés à l’accumulation de données et les risques qui y sont liés vont augmenter si aucune action n’est mise en œuvre pour comprendre ce qui est stocké, qui y a accès et quand et pour décider si les éléments en question doivent être conservés ou non.

    La croissance du volume des données n’est pas prête de ralentir, au contraire ! Il est grand temps pour les entreprises de se confronter au problème et de voir comment y faire face. Il existe des solutions de gestion des données sur les marchés capables de fournir une visibilité complète et de superviser aussi bien les données stockées classiques que la rétention formelle comme l’archivage. Les entreprises peuvent utiliser ces solutions pour s’assurer que les politiques sont bien mises en place et que les bonnes pratiques sont comprises et mises en pratique. Cela va non seulement jouer un rôle central en matière d’archivage mais aussi de conformité réglementaire. Cela va permettre de se débarrasser du stockage inutile en voyant exactement ce qui est stocké et où.

    En attendant l’horloge tourne. Plus vite, les entreprises vont comprendre comment naviguer à travers le déluge de données, mieux elles seront préparées.

     

  • ROOM’n 2017 au cœur de la transformation digitale – Temps forts

    ROOM’n 2017 au cœur de la transformation digitale

    Par Annie Lichtner, journaliste 

    Digital workplace, ChatOps, IoT, ou encore data mobile, ROOMn qui s’est déroulé du 7 au 9 Mars à Monaco organisé par DG Consultants a tenu ses promesses. Retour sur les temps forts de cet événement centré sur la transformation digitale.

    1-CDO/CMO/CITO/DSI : Qui mène la transformation digitale ?

    DSI et Direction Marketing n’ont plus le choix. La montée en puissance du digital leur impose aujourd’hui de travailler main dans la main. Cependant, la mise en place d’une collaboration est plus difficile qu’il n’y paraît. Accepter de travailler sur un projet sous un autre angle que sa vision n’est pas aisé…en particulier au sein d’une organisation en silos. Pour Thomas Husson, Vice-President and Principal Analyst du cabinet d’études Forrester : « Le digital concerne toute l’entreprise. Il est partout. » Dans la révolution digitale, tout le monde rêve de travailler dans une startup qui n’a pas de passif où tout est possible. Pour Thomas Husson cela passe aussi parles ressources humaines qui doivent recruter de nouveaux profils pour accompagner la transformation. «Il faut donner du sens au collaborateur : quel impact digital sur le client ou le métier ? préconise Alexandra Mailliard, responsable accompagnement de al transition digitale.

    De son côté, Ludovic Tassy DSI chez Affelou soutient : « Un CDO tout seul ne fait pas grand-chose. Il faut des relais pour les connexions avec le système d’information ». Il en ressort que l’implication de la DSI dans la fonction marketing peut revêtir deux formes. L’une, plus traditionnelle portée par les DSI, axée sur la gouvernance des infrastructures et des postes de travail. Ses valeurs sont la qualité du service rendu à l’utilisateur, la sécurité, le respect des normes et des règles de gestion. L’autre, préconisée par des CMO, est plus « agile », conçue dans le sillage du numérique, de la culture Internet. « On discute plus avec les métiers. J’arrive à leur faire passer des messages sur la faisabilité des projets. On avance à petits pas, par itérations » déclare Ludovic Tassy. Même approche pour Catherine Lardy Directrice en charge de la Transformation Groupe IMA (Inter Mutuelles Assistance) qui ajoute : Il faut des « relais avec la DSI », même si ce n’est pas naturellement spontané.

    2- Innover avec Google

    Gmail, Android, YouTube, Chrome… Google dispose désormais de 8 produits ayant plus d’un milliard d’utilisateurs actifs dans le monde. Et ce n’est qu’une étape car l’innovation continue d’être le moteur de l’entreprise. Aujourd’hui, l’Intelligence artificielle, le Machine Learning, le Big Data,… sont au cœur des solutions mises à disposition de tous pour innover et répondre aux défis de la transformation digitale. Parmi les grands messages lés de Michael Wyatt, Head of Mobile Platforms, Entreprise , EMEA chez Google :

    • La disparition des datacenters dans les entreprises qui n’ont plus raison d’être et seront désormais dans le cloud
    • De l’intelligence artificielle avec plateforme A.I. Experiments, qui concentre plusieurs exemples de ce que Google sait désormais faire. Ainsi, le service Thing Translator qui permet de reconnaître un objet via la caméra de son smartphone et propose en temps réel une traduction dans la langue souhaitée. Mais aussi dans Google Docs avec des assistants intelligents pour analyser rapidement sa feuille de calculs et comprendre les données utiles
    • Une plateforme de traduction via un système de réseau neuronal pour une meilleure compréhension des textes
    • Au delà de l’analyse de l’image, Google proposer l’analyse de l’émotion liée à cette image. Une innovation pour analyser les blogs comportant par exemple des images violentes.

    3- MICROSOFT AI, ChatBot … les nouvelles interfaces utilisateurs pour votre Transformation Digitale

    Comment passer d’une relation transactionnelle à une relation conversationnelle grâce aux nouvelles interfaces utilisateurs ? Pour Michel Rousseau, Consultant UX/UI/Usages chez Microsoft cela passe par Hololens. La démo est bluffante. Hololens est en effet un casque de réalité augmentée fonctionnant avec des hologrammes. Le casque Microsoft HoloLens embarque un ordinateur qui tourne sous Windows et est doté de 3 processeurs. Il est capable de réaliser la simulation des holographes sans l’obligation d’être connecté à internet. Ce qui est intéressant ceux sont les possibiltiés B2B du casque pour la maintenance d’appareils pour els secteurs automobile, mécanique les techniciens ont la possibilité de se faire accompagner par un assistant virtuel qui les guide pas à pas.

     » Grâce à HoloSkype, le technicien bénéficie de l’aide d’un ingénieur à distance, tout en gardant les mains libres », explique Michel Rousseau. La maintenance devient non seulement plus rapide, mais aussi plus sûre. » L’expert à distance voit tout ce que voit le technicien, et peut lui indiquer des éléments comme s’il était à côté de lui. Pour expliquer, il peut aussi dessiner ou indiquer quel chemin doit suivre un câble qu’il faut poser.
     »     L’ère du technicien 4.0″ est désormais ouverte.

     

    https://www.youtube.com/watch?v=37HcSPKJk6k

    Un grand merci donc aux organisateurs qui réussissent le tour de force de réunir une fois par an les décideurs du secteur dans un cadre propice aux échanges.

     

     

     

     

     

  • Le datacenter au cœur des transformations numériques

    Entretien avec Olivier Bouzereau, journaliste et responsable de conférences sur le salon Solutions Datacenter Management qui aura lieu du 22 au 23 Mars 2017

    MyDigitalWeek : Que représentent aujourd’hui les datacenters ?

    Olivier Bouzereau : Les datacenters forment la clé de voute des services web, du cloud computing, de l’IoT et de l’informatique mobile, quatre facteurs de transformation numérique de l’entreprise. A lui seul, le marché français du cloud a été multiplié par six en dix ans pour atteindre 5,9 milliards d’Euros en 2016 (source Markess). La construction et l’exploitation du datacenter représentent un investissement qui ne cesse de croître avec les évolutions technologiques, l’automatisation des tâches et la mise aux normes. Certaines entreprises préfèrent néanmoins conserver un centre de données en interne tandis que la plupart font maintenant appel à des spécialistes de la colocation ou aux géants du cloud. Ce choix repose sur la confiance, mais il dépend aussi des compétences disponibles et des capacités à investir dans l’infrastructure de communication. La huitième édition du salon s’inscrit dans cette externalisation croissante qui mène parfois au cloud hybride.

    MyDigitalWeek : Quels sont les temps forts du salon ?

     Olivier Bouzereau : Nous proposons une douzaine de tables rondes mêlant les décideurs en entreprise, utilisateurs, fournisseurs et experts du datacenter et des services hébergés. Le datacenter d’avant garde, l’impact du big data sur l’infrastructure, l’orchestration et l’automatisation à partir de conteneurs, le réseau et le stockage définis par logiciels, l’hyperconvergence, la fibre optique et le très haut débit, le helpdesk, la sécurité et la gouvernance du datacenter sont abordés.

    Parmi les temps forts, la conférence plénière détaille le data center à la pointe de la technologie, ses innovations, défis et opportunités en terme de services cloud, d’environnement et d’efficacité énergétique.

    D’autres panels prestigieux réunissent DSI, startups et géants de l’IT autour des stratégies à retenir pour soutenir les traitements Big Data, superviser les réseaux et satisfaire des utilisateurs et des citoyens de plus en plus exigeants.

    MyDigitalWeek : Quels sont les prochains défis auxquels devront faire face les responsables IT ?

    Olivier Bouzereau : Sans aucun doute la sécurité, même s’il existe de plus en plus de garanties, de solutions de reprise en cas d’incidents et de réglementation. Un empilement de systèmes, même très avancés technologiquement, résout rarement la situation. Les responsables IT doivent prendre en compte le chiffrement des données sensibles qui passent par un cloud public ; ils doivent gérer le cycle de vie des données, protéger les informations privées, tracer les accès et les identités numériques.

    Cela signifie aussi qu’en bout de chaîne, certaines données ne seront plus nécessairement conservées, pour respecter le droit à l’oubli inscrit dans le règlement européen sur la protection des données personnelles.

    MyDigitalWeek : Que faut-il retenir de ce salon ?

    Olivier Bouzereau : Les datacenters sont au service des métiers. Les DSI peuvent reprendre le contrôle en fédérant les services cloud qui sont utiles aux départements de l’entreprise et en faisant un audit, un état des lieux et une supervision de bout-en-bout. Parfois les DSI ignorent ce qui est externalisé dans certaines branches, ce qui complexifie la protection de données précieuses pour l’analyse et le pilotage de l’entreprise. Une vraie question demeure : jusqu’où peut-on externaliser ses données numériques à présent ?

     

    Pour en savoir plus : RDV sur le salon 

     

     

  • Comment Ipsos utilise l’intelligence augmentée ?

    Research.Augmented : bienvenue dans les études amplifiées d’Ipsos !

    Le 28 Février 2017, IPSOS a présenté sa nouvelle approche des études « Research .Augmented » . Voici une synthèse de ce qui a été présenté.

    L’ambition affirmée d’Ipsos, est centrée sur les études amplifiées. Le but est de mieux accompagner les entreprises dans la connaissance des marchés et des consommateurs. Une ambition qui s’appuie sur la disruption numérique, et vise à améliorer la finesse des analyses. Ipsos mise ainsi sur l’intelligence humaine augmentée, concept cher à Douglas Engelbart, l’un des pionniers américains de l’informatique. Ce visionnaire avançait dès 1962 l’idée que la puissance des ordinateurs permettrait de décupler les aptitudes humaines pour résoudre plus vite et mieux des problèmes de plus en plus complexes.

    SCIENCES SOCIALES ET BIG DATA, UN MARIAGE VERTUEUX

    À l’ère des big data, c’est d’abord le pouvoir des consommateurs qui a augmenté. Du web aux applications mobiles, ils génèrent d’autant plus de données qu’ils ont d’usages numériques, et ces usages se démultiplient d’autant plus que ces données s’accroissent. Une dynamique exponentielle alimentée par les algorithmes, en premier lieu, ceux des géants d’Internet. Face à cette extension du domaine du calcul, comment acquérir à partir des méga-données, une meilleure compréhension des individus ?

    « Les sciences sociales sont indispensables pour faire parler les big data. Nous, spécialistes des études, apportons du sens à ces données pour qu’elles ne soient pas juste des traces comportementales, mais des traces humaines prenant en compte les motivations, les représentations et les valeurs des consommateurs. Ipsos est en train d’opérer un virage stratégique. Avant, nous produisions des données via nos enquêtes. Aujourd’hui, nous transformons les données, celles du web qui viennent compléter les nôtres, en une valeur utile aux entreprises. »

    Dominique Lévy-Saragossi, Directrice générale France d’Ipsos

    UNE OFFRE COMBINÉE

    Pour répondre avec davantage de rapidité et de simplicité aux besoins de ses clients, Ipsos propose une offre de solutions, qui combinent sciences humaines et data science. Ces études augmentées hybrident les sources, les méthodes et les expertises. « Notre force réside en notre capacité à trouver les bonnes données dans l’océan des big data, à les certifier, à les structurer et à les rendre intelligibles, souligne Dominique Lévy-Saragossi. Ce qui change, c’est que nous devenons source agnostic : nous constituons des corpus de données pertinents, en posant de moins en moins de questions, et en utilisant de plus en plus habilement les données produites spontanément par les consommateurs, dans leurs usages numériques. »

    Cette mutation du métier des études, Ipsos s’y est d’autant plus adapté, que le groupe est animé depuis toujours, par un esprit entrepreneurial fort, et qu’il installe une démarche de co-construction avec ses clients.

    « C’est dans notre culture d’être curieux et d’oser. Nous sommes assez structurés dans nos disciplines, pour nous lancer sans nous perdre. Et grâce à la collaboration entre nos différentes spécialités, nous trouvons les réponses pertinentes aux besoins de nos clients. »Dominique Lévy-Saragossi, Directrice générale France d’Ipsos.

    DES ALGORITHMES TOUT-PUISSANTS

    Chaque jour dans le monde, 144 milliards* d’e-mails sont échangés entre 3 milliards* d’internautes. Sur les 30 000 milliards* de pages indexées par Google, 3,3 milliards* de recherches sont effectuées. Et sur Facebook, 350 millions* de photos et 4,5 milliards* de likes sont distribués. Des données gigantesques et en flux continu, que quatre grandes familles d’algorithmes traitent, selon qu’ils mesurent la popularité des sites (les clics), l’autorité des sites (les liens hypertextes), la réputation des marques, des produits et des personnes (les likes), ou la prédiction des comportements des internautes (les traces).

    « La prédiction comportementale commence à donner des résultats intéressants »

    Dominique Cardon, enseignant-chercheur à Sciences-Po Paris et auteur de l’ouvrage « À quoi rêvent les algorithmes –Nos vies à l’heure des big data »*.

    « Le profil de l’utilisateur est calculé à partir de ses activités tracées par les cookies. Et son futur est prédit par le passé de ceux qui lui ressemblent. » De la capacité des calculateurs du web à prédire les conduites des internautes, est né le ciblage publicitaire : les utilisateurs se voient adresser des publicités au plus près de leurs attentes.

    DES CONSOMMATEURS « CALCULÉS » PLUS OU MOINS BIEN

    Depuis l’essor du numérique qui a favorisé leur expression individuelle, les consommateurs ne veulent plus être enfermés dans les catégories pré-établies des études de marché. « Le paradoxe, observe le sociologue, c’est qu’ils se retrouvent guidés par les algorithmes prédictifs, vers leurs conduites les plus régulières, selon les traces les singularisant. » Les consommateurs se sont crus émancipés des déterminations, ils se retrouvent « calculés » en une suite de traces. Et réduits à la régularité de leurs comportements… sans aucune dimension sociale. « On a besoin des études qualitatives, pour interpréter les comportements et les replacer dans un contexte social », insiste Dominique Cardon. Et Dominique Lévy-Saragossi de rebondir : « Les traces comportementales ou l’expression spontanée des consommateurs sur le web ne suffisent pas à définir leurs attentes.  Nous nous attaquons au mur de réponses des big data, en posant les bonnes questions. Car cette dialectique au cœur de notre métier permet de trouver le point d’équilibre entre l’offre et la demande. »

    C’est aux entreprises, à travers leurs offres de produits et de services, de choisir leur contribution à la société. Se contentent-elles d’enfermer les consommateurs dans leurs habitudes et la répétition de leur passé ? Ou au contraire, aspirent-elles à les rendre plus curieux, à leur donner les moyens de se surprendre eux-mêmes et d’élargir leurs horizons ?

    « Chez Ipsos, notre devoir est aussi de dire aux entreprises : “Vous pouvez décider de ne pas faire ce que vous croyez que vos clients vous demandent.” Nous les aidons à trouver leur identité et leur intégrité. » Dominique Lévy-Saragossi, Directrice générale France d’Ipsos

    SIX EXEMPLES D’ÉTUDES AMPLIFIÉES

    Comment Ipsos utilise l’intelligence augmentée, en optimisant les nouveaux possibles des big data (cliquez sur les titres pour accéder à l’article complet)

    WATCH / UNE BELLE IMAGE VAUT MIEUX QU’UN LONG QUESTIONNAIRE !

    Les répondants aux enquêtes se lassent des questionnaires. Ils souhaitent pouvoir s’exprimer librement, comme ils le font sur le web social. Ipsos propose de nouvelles solutions d’études administrées via mobiles ou encore la reconnaissance d’image automatique, faisant la part belle aux photos et aux écrits libres, permettant d’obtenir des réponses sans poser de questions. Bénéfices : gain de temps, échantillons agrandis, résultats approfondis.

    ACCELERATE / NO PRODUCT REQUIRED! VOUS AVEZ TOUT SOUS LA MAIN !

    Afin de gagner du temps dans l’évaluation des produits, Ipsos a mis au point des études… sans produits, en analysant l’expression spontanée des consommateurs sur Internet. Certains marchés s’y prêtent volontiers (hygiène et beauté, tourisme, transports, automobile…), car les internautes se révèlent naturellement loquaces sur ces sujets.

    DIVE / DONNÉES MASSIVES POUR MÉMOIRE COURTE !

    Ipsos a innové dans l’exploitation de la mesure passive de l’audience des médias. Avec son partenaire Weborama, le groupe a élaboré un dispositif inédit, à la fois single-source et cross-device, pour le compte de l’ACPM. Il mesure l’audience presse de la population Premium (cadres et hauts revenus) sur tous les supports de diffusion : papier, PC, tablette et mobile. Ce dispositif permet ainsi d’augmenter la fiabilité en ne s’appuyant plus uniquement sur la mémoire, le souvenir des individus interrogés, mais sur les parcours effectifs de ces derniers (et de ceux qui leurs ressemblent).

    FEEL / EN IMMERSION AU CŒUR DES ÉMOTIONS

    Lors de l’Euro 2016, Ipsos a accompagné Orange dans l’exploitation des données de sa plateforme de sponsoring Orange Sponsors You. Objectif : étudier les comportements et les émotions des fans de football durant les matchs. Avec à la clé, une vue globale du « fan »… et des enseignements inattendus…

    LISTEN / DE L’ÉCOUTE À L’ACTION… EN TEMPS RÉEL !

    Pour PSA Peugeot Citroën, Ipsos a conçu un dispositif sur-mesure d’écoute de la satisfaction client. Déployé auprès de 14 700 concessions dans le monde, ce portail dynamique permet de gérer l’expérience client et d’agir en temps réel, en cas de motifs d’insatisfaction, pour construire la resatisfaction.

    THINK / PENSER INTUITIF ET CO-CRÉER AUTREMENT AVEC L’UTILISATEUR FINAL

    SoftBank Robotics Europe, l’inventeur des robots humanoïdes Nao, Romeo et Pepper, a souhaité mieux structurer sa démarche marketing, pilotée dans les faits par son département R & D. Ipsos l’a accompagné dans un dispositif de design thinking avec ses clients, pour confronter sa vision de marque à la leur. Cette approche a révélé de riches pistes de développement.

     

  • Data centers : 5 prédictions pour 2017 autour des infrastructures hyperconvergées

    Data centers : 5 prédictions pour 2017 autour des infrastructures hyperconvergées

    par Madgaleine Bourgoin, Directrice Technique, VMware France

    En 2016, les infrastructures hyperconvergées (HCI) se sont démarquées en mettant en avant de nouvelles solutions révolutionnaires. Solutions essentielles pour les software-defined data center (SDDC), les HCI devraient occuper le devant de la scène en 2017, notamment tirées par la migration des données du stockage physique au cloud, qui affecte la gestion au quotidien des data centers.  Quelles sont les autres prévisions pour cette année ?

    1) La prise de pouvoir des informaticiens généralistes dans le monde du stockage

    Avec l’émergence des HCI et des logiciels connexes, l’achat et la gestion du stockage ne sont plus réservés aux spécialistes, et sont désormais à la portée des informaticiens généralistes. Ces derniers peuvent ainsi gérer l’intégralité de leur infrastructure avec leurs outils existants. Les HCI limitent également les risques d’erreurs grâce aux prix plus avantageux des offres de base. En outre, elles permettent aux services informatiques d’adopter une approche de déploiement progressive, en ajoutant plus de capacité de stockage et de calcul en fonction des besoins de leurs organisations. Face à cette tendance, les professionnels du stockage d’entreprise se focaliseront sur les scénarios et les applications nécessitant des performances optimales. Compte tenu de l’allocation plus efficace des ressources et du personnel, les débats devraient moins tourner autour de la maintenance quotidienne des infrastructures, et davantage autour de la capacité des équipes informatiques à offrir une réelle valeur ajoutée.

    2) L’Ethernet remplacera le Fibre Channel 

    Les analystes annoncent depuis longtemps la mort du stockage basé sur le protocole Fibre Channel. Ce déclin devrait encore s’accélérer en 2017 compte tenu de la rapidité croissante de l’Ethernet standard, qui enlève toute légitimité au besoin de connexions SAN propriétaires. Ce constat vaudra même pour les entreprises où le Fibre Channel est prédominant. L’acquisition du fournisseur de solutions Fibre Channel Brocade by Broadcom est d’ailleurs le dernier indice en date pointant vers la baisse de popularité des offres spécialisées sur le marché. Avec l’avènement du stockage hyperconvergé et « scale-out » (évolutif), les serveurs et périphériques dédiés résideront de plus en plus souvent sur le même réseau, tandis que le Fibre Channel apparaîtra progressivement comme une technologie appartenant au passé. 

    3) Les appliances de stockage spécialisées et coûteuses cèderont la place à des solutions basées sur des serveurs 

    Dans le passé, le provisionnement du stockage en entreprise impliquait souvent des investissements importants (à hauteur de dizaines, voire de centaines de milliers d’euros) sur une appliance propriétaire difficile à configurer et à entretenir. Les HCI sont en train de changer la donne. Les opérateurs de data centers réellement hyperscale (AWS, Baidu et autres Alibaba) montrent en effet la voie : chacun d’eux a créé sa gigantesque infrastructure de stockage en suivant un modèle scale-out basé sur des serveurs x86. Tout comme le Fibre Channel devrait laisser place à l’Ethernet, de plus en plus d’organisations (y compris de grandes entreprises) devraient être séduites par les avantages de ce modèle. 2017 sera également l’année où l’industrie du stockage traditionnel d’entreprise commencera réellement à sentir le vent tourner, à mesure que les organisations se rendront compte de l’agilité, de l’évolutivité et des réductions de coûts offertes par les HCI.

    4) Les HCI banaliseront les solutions de stockage, permettant aux entreprises de tirer parti de leurs systèmes d’information pour faire face à la concurrence 

    Les fabricants de serveurs connaissent des difficultés depuis quelque temps. Leurs ventes se sont en effet effondrées en 2016. Cette tendance devrait cependant s’inverser en 2017. L’arrivée des fameuses puces Intel Skylake de nouvelle génération pour serveurs (prévues pour le milieu d’année) devrait initier un cycle de renouvellement des data centers comme on n’en a pas vu depuis longtemps. Beaucoup d’entreprises du monde entier y verront une opportunité de passer à des infrastructures hyperconvergées. Ainsi, même des entreprises sur des marchés émergents n’ayant jamais réellement investi dans des offres de stockage traditionnel d’entreprise commenceront à voir leurs infrastructures et applications d’un œil nouveau. Et grâce aux compétences informatiques de nos 500 000 clients en matière de serveurs, d’Ethernet et d’applications, 2017 marquera le début d’une transformation radicale de la gestion des data centers au sein des organisations de toutes tailles.

     5) Le stockage entièrement flash deviendra la référence 

    Les supports flash présentent aujourd’hui des avantages économiques tels, que les performances et la flexibilité du stockage à l’état solide (SSD) ne peuvent plus être ignorées, même par les entreprises disposant d’une marge de manœuvre réduite sur le plan financier. Compte tenu de l’évolutivité des HCI, l’adoption généralisée du flash réduit les coûts d’assistance des clients. Et avec l’effondrement des prix, les ventes dans ce secteur arriveront à un stade où même les clients disposant de budgets informatiques limités devront justifier leurs choix des disques durs au détriment de solutions entièrement flash (soit l’exact opposé de ce qui se passe aujourd’hui).

    RENDEZ-VOUS au salon Cloud Computing Expo et Solutions DataCenterManagement  Porte de Versailles de Paris le 22 et 23 mars 

  • Comment l’adoption de l’analyse des données va exploser dans les trois années à venir ?

    90 % des entreprises utiliseront l’analyse des données d’ici à 2020

    Atos, a missionné Forrester Consulting pour mener une étude visant à analyser le niveau d’adoption de l’analyse de données dans les entreprises du monde entier. L’étude révèle que 40 % d’entre elles utilisent déjà l’analyse des données dans leurs activités clés telles que la vente, le développement de produits et le marketing, et 23 % comptent la mettre en œuvre dans les 12 prochains mois. Et ce, malgré le fait qu’un tiers des entreprises signalent plusieurs obstacles à son adoption.

    L’étude mandatée, réalisée par des analystes indépendants de Forrester Consulting au nom d’Atos, a interrogé un échantillon international de plus de 580 décideurs informatiques dans 11 secteurs de l’industrie, sur trois continents.

    Forrester prédit que cette tendance vers l’adoption de l’analyse de données va s’amplifier d’ici à 2020 jusqu’à voir près de 90 % des entreprises utiliser d’ici 2020 des informations issues de données analysées. En termes d’obstacles, 44 % des entreprises interrogées voient l’augmentation des différents types de données non structurées comme un défi important, alors que 35 % s’inquiètent des pratiques relatives aux données cloisonnées, ainsi que du manque d’alignement entre le service informatique et les activités commerciales.

    Toutefois, la plupart des entreprises prennent des mesures visant à pallier ces problèmes. La majorité des sociétés interrogées ont ainsi mis en évidence la priorité essentielle que représente la mise en œuvre des initiatives suivantes au cours des 12 prochains mois : l’amélioration de la relation entre le service informatique et les activités commerciales (71 %) et la réorganisation du service informatique en vue de mieux l’aligner sur les activités commerciales (66 %).

    Ursula Morgenstern, Responsable monde Business & Platform Solutions chez Atos, explique : « Le rythme auquel une entreprise bénéficie de l’analyse des données est déterminé tant par les enjeux commerciaux que par la technologie. C’est la raison pour laquelle, nous insistons sur une approche orientée métier avec Atos Codex, l’offre analytics d’Atos qui s’appuie sur l’expertise du groupe en matière d’IoT et de solutions cognitives.

    L’étude a analysé les ambitions et priorités de 11 secteurs industriels.  Elle a ainsi révélé différentes priorités spécifiques au marché en fonction du secteur. Par exemple, dans les services publics, l’analyse des données est considérée comme une condition préalable au développement de réseaux intelligents, alors que dans le secteur manufacturier, elle est étroitement liée à la notion d’usine du futur, notamment en ce qui concerne la maintenance prédictive. L’étude a également fourni des profils sectoriels pertinents en matière de pratiques et comportements d’analyse sur différents secteurs industriels, dont les énergies et les services publics, les finances, l’administration, la production, la vente au détail et les télécommunications.

    Conclusions

    Parmi les résultats de l’étude, Forrester a mis en évidence la nécessité pour les organisations de se montrer rigoureuses dans la définition d’objectifs commerciaux clairs et quantifiables dans toutes les initiatives d’analyse des données : ce changement concerne autant les processus et la culture de l’entreprise que les technologies.

    Téléchargez l’étude complète « The Future Belongs to Those Who Monetize and Maximize their Data » ici.

  • 80% des DSI planifient un projet Big Data en 2017

    Enquête réalisée par Talend

    Talend, leader mondial des solutions d’intégration big data et cloud, dévoile les résultat d’une enquête* menée auprès de décideurs informatiques afin de déterminer leurs priorités pour 2017. Il en résulte que le big data, l’analytique et la gouvernance se distinguent tout particulièrement parmi les projets prioritaires. Ainsi, l’analytique en temps réel, la gestion des métadonnées et l’accès aux données en libre-service constituent près de 70 % des projets envisagés en 2017, tandis que les technologies basées sur l’intelligence artificielle et l’apprentissage automatique (machine learning) connaissent un certain intérêt.

    La transformation numérique, de la théorie à la réalité
    Selon les conclusions de cette enquête, même si les initiatives de transformation numérique restent parmi leurs priorités, les DSI sont également mis au défi de consacrer du temps et du budget à la poursuite de leurs activités quotidiennes. En conséquence, 2017 demeure donc une année de transition entre stabilité des systèmes et investissements technologiques.

    « Même les responsables informatiques les plus technophiles savent qu’il ne suffit pas de mettre en place de nouveaux outils pour être en mesure de tirer le meilleur parti de leurs données », déclare Ashley Stirrup, directeur marketing de Talend. « Ils sont conscients qu’il leur sera difficile d’accroître la valeur stratégique de leurs données sans la combinaison adéquate d’individus, de processus et de technologies. Seule une culture d’entreprise érigeant les données au rang de ressources essentielles à chacune des étapes des processus décisionnels offrira l’agilité nécessaire pour rester aujourd’hui compétitif sur leur marché. »

    Des tendances clés qui influencent la transformation numérique
    L’enquête démontre que les projets big data sont en plein essor, avec une priorité accordée à l’analytique en temps réel :

    Un peu plus de 80 % des répondants affirment avoir au moins une initiative big data prévue en 2017, soit presque le double du nombre de projets achevés en 2016. Ces projets big data tourneront notamment autour de l’analytique et de la vision à 360° de leurs clients. Les grandes entreprises ont donc atteint un niveau de maturité sans précédent sur le plan du traitement de leurs données.
    Ainsi, 26 % des personnes interrogées font de l’analytique en temps réel leur priorité pour 2017. Viennent ensuite la gestion des métadonnées et la préparation de données en libre-service, avec respectivement 20 et 18 % des répondants. Les projets liés à l’intelligence artificielle/apprentissage automatique et à l’internet des objets (IoT) rentrent également dans le périmètre des priorités des DSI (10 % et 5 % d’entre eux, respectivement).

    Cependant, la relation entre équipes informatiques et métiers est le principal obstacle à une stratégie orientée données. En effet, les big data sont essentiellement utilisés pour améliorer les processus internes et le service client, entraînant parfois des pratiques décolérées de l’IT. Aussi, la gouvernance, la qualité et l’accès en libre-service des données deviennent sources de préoccupation pour les équipes informatiques :

    35% des personnes interrogées estiment que le principal frein à l’adoption d’une approche orientée données est la relation entre leurs équipes informatiques et les utilisateurs métiers. Cet obstacle est même considéré comme plus préoccupant que les budgets disponibles (23 % des répondants) ou l’absence de personnel suffisamment qualifié (seulement 16 % des répondants).

    27 % des répondants affirment que l’impact des big data s’est principalement fait ressentir au niveau des processus internes de leurs organisations. Le deuxième secteur qui bénéficie d’une stratégie big data est le service client (20 % des personnes interrogées). Viennent enfin la réduction des coûts opérationnels et la création de nouvelles sources de revenus (17 % chacun). Ainsi, les principales missions des décideurs informatiques se répartissent de façon à trouver l’équilibre entre introduire de nouvelles technologies pour améliorer l’efficacité de leurs activités, et s’assurer que l’ensemble des systèmes fonctionnent de façon sécurisée et à moindre coût.
    Interrogés sur la priorité principale pour leur entreprise, les décideurs informatiques ont démontré une répartition assez égale entre les trois choix qui leurs étaient proposés, quant aux priorités à accorder à la gouvernance (37 %), à la qualité (33 %) et à l’accès en libre-service (31 %) des données. Ces résultats témoignent de la nécessité pour les entreprises de s’assurer que leurs données soient suffisamment propres, gérées et accessibles au plus grand nombre, afin que les employés puissent en tirer parti pour contribuer à leur réussite.

    « L’alignement des priorités en matière de consommation et de gestion des données peut être la source de débats constructifs au sein des entreprises », déclare Toph Whitmore, analyste en chef en charge des solutions big data et analytiques chez Blue Hill Research. « Les dirigeants doivent s’assurer que leurs responsables informatiques et métiers puissent tour à tour proposer et utiliser ces ressources avec succès. Mais cela est plus facile à dire qu’à faire, en particulier lorsque certaines attentes irréalistes en termes d’accessibilité des données en libre-service dépassent les limites fixées dans les mandats de gouvernance de la donnée. En revanche, lorsque le libre-service est délivré à temps, de façon transparente et avec une bonne gouvernance, les responsables informatiques peuvent alors veiller à la sécurité des systèmes, proposer des services fiables, et fournir des informations favorisant la prise de décision en aval dans le cadre du flux DataOps. »

    Vous aimez cette histoire ? Partagez-la sur Twitter : La nouvelle enquête de @Talend montre que 80% des DSI planifient un projet #bigdata en 2017, et plus encore… bit.ly/1L7jEVV

  • Quelles sont les 5 tendances majeures de l’analyse de données pour le commerce de détail en 2017 ?

    5 tendances des analyses du commerce de détail pour 2017

    Jeff Huckaby, Directeur Global – Commerce de détail et biens de consommation, Tableau

    Pour le commerce de détail, les normes de l’aide à la décision évoluent constamment, ce qui encourage les principaux acteurs à s’orienter vers l’analyse. Les organisations de commerce de détail et de la grande consommation partagent plus aisément leurs données avec les collaborateurs et dirigeants de première ligne. Alors que les outils à la fois plus naturels et plus agiles – et compatibles avec les terminaux mobiles – sont de plus en plus présents, 5 tendances des analyses du commerce de détail pour 2017 ressortent :

    1.  Les analyses complexes ne sont plus forcément propres aux experts
    Avec l’essor du libre-service, tous les collaborateurs des enseignes de distribution exploitent de plus en plus leurs données, même ceux sans connaissance particulière en analyse. Les gérants de magasin, tout comme les comptables, poussent leurs recherches plus loin grâce à des visualisations interactives qui leur permettent de trouver instantanément des réponses à leurs questions.

    La plupart des grandes surfaces tirent également parti des analyses prédictives complexes pour répartir les tâches lors des pics d’activité et pour améliorer la qualité du service à la clientèle.

    Les fonctions d’analyse complexe, telles que les clusters et la détection de valeurs atypiques, permettent aux collaborateurs de prendre facilement des décisions basées sur les données. Grâce aux informations exploitables ainsi obtenues, les équipes choisissent l’agencement du magasin le plus pertinent et optimisent l’expérience d’achat, ce qui, au final, augmente le chiffre d’affaires.

    2.  L’arrivée des analyses mobiles 
    Pour les détaillants, la recherche d’informations exploitables sur le terrain via un terminal mobile n’est plus un rêve illusoire. Au lieu de passer par les anciens systèmes d’aide à la décision, les analyses mobiles modernes jouent un rôle central dans le processus de décision des magasins physiques et de leurs centres de distribution.

    Plus que jamais, les détaillants exploitent les installations Wi-Fi disponibles dans leurs commerces pour permettre aux caissiers et aux magasiniers de tirer instantanément parti des analyses. Par exemple, lorsqu’un client recherche un produit qui n’est pas en stock, un salarié dispose de beaucoup plus d’informations exploitables lorsqu’il accède à une application d’analyse mobile. Ces informations lui permettent de répondre bien plus rapidement à la demande du client.

    Aujourd’hui, les collaborateurs du commerce de détail et de la grande consommation
    peuvent désormais accéder à des données mobiles en direct tous les jours, voire toutes les heures, grâce à leur tablette. Les commerçants, les directeurs régionaux, les salariés chargés de la prévention des pertes et même les fournisseurs ont tous abandonné leurs feuilles de calcul au profit de visualisations interactives facilitant la collaboration sur leurs terminaux mobiles. Ce modèle favorise la réactivité lors de la prise de décisions concernant les stocks, la chaîne d’approvisionnement omnicanal et l’efficacité opérationnelle.

    Par exemple, voici comment Coca Cola Bottling Company simplifie la gestion des rapports avec l’analyse mobile : « La mobilité est essentielle. Notre responsabilité première est de vendre. C’est pourquoi nous faisons notre possible pour que nos commerciaux ne soient pas bloqués au bureau. Ils en profitent également lorsqu’ils vont chez le client. Pour les questions, ils n’ont pas besoin de sortir une feuille de calcul Excel ou tout autre document. Ils allument leur tablette, trouvent le tableau de bord requis et répondent tout de suite. » explique Shawn Crenshaw, analyste principal chez Coca-Cola Bottling Co. Consolidated (CCBCC).

    3. Le fait d’intégrer des données omnicanales devient important
    La flexibilité des analyses est non seulement utile, mais également nécessaire pour les commerces de détail. Le facteur temps est crucial. C’est pourquoi il est essentiel de fournir aux utilisateurs les données pertinentes au moment même où ils en ont besoin. C’est un défi de taille, étant donné que les données sont désormais stockées à différents emplacements, que ce soit dans des anciens systèmes ou sur des plates-formes de bases de données distinctes hébergées sur site et dans le Cloud.

    Pour prospérer, les enseignes doivent donc être en mesure de voir et de comprendre, de manière globale, les données relatives aux canaux de distribution, à la chaîne d’approvisionnement et aux clients. Telle est la promesse qu’offre l’omnicanal.

    Le recours à différents canaux et différentes sources de données peut se révéler fastidieux, voire impossible. En 2017, de nouveaux acteurs feront leur apparition dans le domaine de l’intégration des données. Face à la montée en puissance d’outils sophistiqués et l’ajout de nouvelles sources de données, les entreprises cesseront de vouloir à tout prix centraliser leurs données en un emplacement unique. Les détaillants pourront se connecter aux ensembles de données où ils sont stockés. Ils pourront explorer, combiner et fusionner d’autres ensembles de données à l’aide d’outils et de méthodes plus agiles.

    Metro est un groupe progressiste avec une valeur estimée à plus de 194 millions de dollars en 2014. Il gère une chaîne de grands magasins à Singapour. L’équipe de Metro collecte constamment diverses données dans ses magasins afin de mieux comprendre les pics d’activité et les périodes d’accalmie, les flux de stock et le comportement d’achat des clients. « Les données relatives aux ventes se trouvaient à un point A, tandis que celles concernant les transactions et les clients se trouvaient respectivement à un point B et à un point C. Pour exploiter ces informations, nous devions donc extraire des données de plusieurs sources. Cela nous prenait des semaines, mais aujourd’hui, il ne nous faut plus que quelques secondes. » explique Erwin Oei, analyste principal, GRC et contrôle des marchandises chez Metro.

    L’analyse des tendances basée sur des données provenant de diverses sources permet à l’équipe de définir des stratégies opérationnelles et promotionnelles tout en continuant à améliorer l’efficacité et les performances.

    4. Grâce aux robots, de nouvelles opportunités arrivent pour les données du commerce de détail 
    Si la robotique était déjà présente depuis des années dans les centres de distribution des grands détaillants, elle jouera en 2017 une place centrale dans l’expérience en magasin.  Les machines, les robots et l’intelligence artificielle seront intégrés aux tâches quotidiennes des détaillants, par exemple pour dresser un inventaire physique, offrir des promotions, voire réaliser des enquêtes et enregistrer des commandes. Ces robots serviront dans un premier temps de nouveau point de contact en matière de données. Ils rassembleront d’importantes informations concernant les comportements et les interactions des clients que les entreprises pourraient exploiter.

    Les détaillants poursuivront leurs efforts pour encourager la fidélité client au-delà de l’achat. Les données sur le service à la clientèle recueillies par les robots joueront un rôle essentiel dans leur succès.

    Les robots sociaux offrent une véritable valeur ajoutée aux détaillants à la recherche d’une relation client plus authentique, en cela qu’ils interagissent avec les clients, leur prodiguant conseils et recommandations, évaluations et informations en temps réel.

    5. La réalité virtuelle et augmentée provoquent plus d’informations exploitables pour les analyses des détaillants
    Vous êtes-vous déjà demandé si tel modèle de canapé irait bien avec votre salon ? En 2017, la réalité augmentée (RA) et la réalité virtuelle (RV) offriront aux consommateurs la possibilité d’expérimenter un article avant de l’acheter. Moins le cycle d’achat comporte d’inconnues, plus les ventes et le taux de satisfaction client sont susceptibles d’augmenter, et les retours coûteux de se raréfier. Si l’on ajoute les analyses à l’équation, les détaillants ont la possibilité d’exploiter leurs données pour indiquer à leurs clients les stocks en temps réel en représentant sur une carte le magasin dans lequel le produit est disponible.

    Les professionnels du merchandising tireront également parti de la RA et de la RV pour visualiser des scénarios en magasin. Par exemple, plutôt que de perdre du temps et de l’argent à développer des plans produit physiques pour les rayons et l’agencement du magasin, les détaillants pourront visualiser différentes dispositions grâce à la réalité virtuelle.

    L’entreprise sera en mesure d’associer les résultats obtenus aux analyses de données intégrées pour accroître son chiffre d’affaires et sa rentabilité. Les détaillants s’essaieront à placer des articles virtuels sur les étagères et se serviront de leurs données pour prédire le résultat de chaque scénario.

    « La réalité virtuelle est le fruit de décennies d’innovations technologiques. Au cours des prochaines années, cette technologie transformera tous les secteurs d’activités. Les consommateurs et les détaillants sont toujours émerveillés de découvrir la réalité virtuelle pour la première fois. Grâce aux produits de RA et de RV abordables, cette expérience se démocratise aujourd’hui. » explique John Wright, PDG de STRATA.​

  • Plateformes prédictives : le challenge de la data

    Plateformes prédictives: comment arbitrer entre mutualisation et rétention des données ?

    Par Jean-Cyril Schütterlé, Directeur Produit et Data Science de Sidetrade

    Les technologies de Machine Learning ne tiennent leurs promesses d’automatisation des traitements que lorsqu’elles disposent de données suffisamment représentatives du domaine auquel elles s’appliquent. La détection des spams est d’autant plus efficace que l’algorithme d’apprentissage a été alimenté de nombreux exemples. Un système de pilotage de voiture autonome ne sera opérationnel que s’il a appris à reconnaître les autres véhicules et la signalisation routière à partir d’images prises dans la circulation. Une application d’aide au diagnostic nécessitera l’accès à des banques d’images médicales, un moteur de traduction automatique s’appuiera sur des bibliothèques de textes déjà traduits etc.

    Ce principe ne se dément pas lorsque le Machine Learning est mis en œuvre dans le monde de la gestion. Les entreprises l’ont bien perçu. Elles ont ainsi fait émerger des rôles de Chief Data Officers avec pour objectif de décloisonner les données qui dorment dans des silos organisationnels.

    Cependant, puisque la performance dépend de l’accumulation rapide de données représentatives, ne faut-il pas aussi faire tomber les murs séparant chaque organisation du monde extérieur ?

    Plateformes prédictives : le challenge de la data

    L’émergence de plateformes prédictives SaaS (ou DaaS, Data as a Service) proposant d’appliquer le Machine Learning à des thématiques variées (détection d’opportunités commerciales, optimisation des processus de vente, modélisation et planification financière, détection des risques de défaut, prévision des délais de paiement, etc.) soulève la question avec une acuité particulière. Chaque plateforme héberge en effet les données confiées par ses clients sur une infrastructure commune. Il est donc techniquement très simple de les mutualiser afin d’augmenter la profondeur du champ d’investigation des algorithmes et, par conséquent, la qualité de l’information restituée à l’utilisateur.

    Prenons l’exemple d’une plateforme d’évaluation de leads commerciaux. La mise en commun des informations détenues dans l’ensemble des bases CRM des sociétés utilisant ce logiciel permettrait d’analyser les comportements d’achat de leurs clients sur un spectre beaucoup plus large et d’anticiper leurs besoins beaucoup plus précisément qu’en exploitant séparément chaque source de données. Cependant, des concurrents peuvent figurer parmi les utilisateurs de la plateforme. Les sociétés sont donc assurément réticentes à voir leurs données exploitées au bénéfice de possibles rivaux.

    Mutualisation versus rétention de l’information

    Le dilemme est ainsi posé : personne ne souhaite partager ses données mais chacun bénéficierait d’un accès à celles des autres. Il s’agit par conséquent pour le décideur de naviguer entre deux écueils tout aussi dangereux : brider des technologies qui s’avèrent cruciales pour la performance future de son organisation ou laisser des tiers bénéficier de ses informations propriétaires qui, comme le proverbial dentifrice, ne pourront être remises dans le tube une fois divulguées.

    Faute de pouvoir jouer les passagers clandestins, l’organisation doit établir un bilan coût-avantage qui permette d’opter au cas par cas entre rétention et mutualisation des données.