My Blog

Étiquette : analytique

  • Quand l’analytique amplifie l’intelligence humaine

    Combler le “fossé analytique” en développant l’ingéniosité humaine

     

    Selon Raphaël Savy, Directeur Europe du Sud chez Alteryx

    La transformation numérique a été si rapide durant ces dernières années qu’une « fracture analytique » s’est créée. Alors que certains acteurs, parfaitement intégrés dans le numérique, comme Amazon ou Netflix, prospèrent grâce à l’analyse des données et à l’automatisation des processus analytiques qui leur permettent de prévoir les futures demandes des clients, d’autres en sont encore à essayer d’extraire de la valeur de leurs données.

    Pour aller de l’avant, les organisations doivent adopter une vision stratégique qui sera alimentée et pilotée par l’analyse prédictive. Malheureusement, l’idée reçue selon laquelle il est nécessaire d’utiliser des codes complexes pour construire ces modèles prédictifs les freine souvent.

    Cependant, beaucoup de choses ont changé dans ce domaine.

    L’accessibilité des outils d’analyse prédictive et des modèles de scénarios en libre-service signifie que tout type d’organisation peut aujourd’hui progresser stratégiquement. Nous l’observons d’ailleurs au quotidien : ce sont ceux qui possèdent des capacités analytiques et qui les utilisent qui commencent à se positionner en tant que leaders.

    Toute société ou organisation, quelle que soit leur taille, accumule de grandes quantités d’informations, qui, mal utilisées, peuvent potentiellement jouer le rôle inverse de celui que l’on attend, et de cacher alors des données essentielles à la stratégie de l’entreprise. Leur mauvaise utilisation peut en effet finir par enfouir sous une multitude de données celles qui sont réellement nécessaires à la transformation des entreprises.

    La clé ? Les dirigeants doivent entretenir une culture verticale de la science et de l’analyse des données, du haut vers le bas.

     Identifier, investir, évoluer

    Aujourd’hui, les entreprises françaises ont entamé leur transformation numérique. Cependant, elles restent encore à la traîne en termes de compétitivité par rapport au marché mondial, la faute à des stratégies encore trop floues.

    Ce retard et l’absence de compétences à capitaliser sur la donnée a fait perdre aux entreprises françaises près de 9.8 milliards d’euros[1].

    Afin de combler ce « fossé analytique », la France doit impulser des initiatives concrètes afin de pousser ses entreprises à emboiter le pas, à changer d’organisation et à réévaluer leur mode de fonctionnement en intégrant de plus en plus la donnée et son exploitation dans leurs stratégies globales.

    La première étape de la démocratisation de la donnée et de l’analyse consiste à offrir un accès à une plateforme centralisée, qui transformera l’analyse en atout stratégique. Celle-ci est essentielle pour capitaliser sur les données, car elle permet la création et la consommation d’analyses dans toute l’organisation. Chaque employé sera ainsi en mesure de se poser les bonnes questions pour l’entreprise, et d’obtenir des réponses rapides sans devoir faire appel à des professionnels hautement qualifiés.

    En outre, les plateformes d’analyse partagées sont essentielles pour unifier les données, les processus analytiques et les personnes au sein d’une même organisation. En rendant toutes les données fonctionnelles et les informations pertinentes accessibles de manière transparente (et sécurisée) par les parties concernées de l’organisation, chaque entreprise accélérera de fait sa transformation numérique. 

    Ces systèmes sont déjà à la disposition de ceux qui ont eu la perspicacité de les adopter, mais la prochaine étape consiste à démontrer les prouesses que les données et les analyses peuvent faire pour révolutionner les organisations. La prise de conscience découle des initiatives des gouvernements et des entreprises qui font connaître les avantages des technologies émergentes à la prochaine génération.

     Du pratique à l’essentiel

    Rendre les données et les analyses accessibles à tous, c’est donner les moyens de recueillir des informations essentielles afin de favoriser la transformation des entreprises.
    Les équipes qui comprennent à la fois les enjeux de leur entreprise et ce qu’il faut faire pour obtenir les bonnes informations évoluent avec succès et avec leur temps, en gardant une longueur d’avance sur leurs concurrents.
    Nous assistons aujourd’hui à une vague de systèmes de données plus intelligents et plus accessibles, qui peuvent être déployés par n’importe quelle organisation, sans avoir besoin de qualifications ou de compétences spécialisées. À bien des égards, nous avons de la chance : la courbe d’apprentissage sur les derniers outils professionnels est beaucoup moins abrupte que celle des générations précédentes. Ainsi, la collecte, le traitement et l’analyse des données n’ont jamais été aussi simples, et c’est l’occasion rêvée pour les entreprises d’adopter ce processus et de capitaliser sur leurs employés qui auront plus facilement accès aux informations stratégiques, nécessaires au processus décisionnel.

    Amplifier l’intelligence humaine

    L’automatisation des processus analytiques (APA) est là pour soutenir cette mission ; il s’agit d’une technologie qui se différencie des autres en accélérant le rythme auquel les organisations peuvent prendre des décisions cruciales en se basant sur les données. Grâce à ces plateformes, des méthodes nécessitant auparavant un niveau de compétence élevé peuvent désormais être exécutées par tous les employés, grâce à des modules assistés et « sans code » permettant de construire des modèles facilement et rapidement.

    L’utilisation d’une plateforme comprenant des outils en libre-service et permettant aux employés d’automatiser les processus analytiques, leur permet d’éliminer le travail manuel et donc d’accélérer la résolution des problèmes. Sur cette base, ils peuvent obtenir les informations dont ils ont besoin, et ce de la manière la plus efficace possible. Le personnel peut ainsi aller au-delà du raisonnement humain et utiliser l’analyse prédictive pour exploiter au mieux la donnée afin d’éclairer les décisions. 

    Ainsi, encourager la culture de l’analyse de la donnée implique donc la possibilité de recentrer les activités humaines vers une réflexion stratégique et vers une participation plus active des employés à la résolution des problèmes rencontrés par l’organisation. Si les entreprises ne profitent pas de l’automatisation de l’analytique afin de réorienter leur personnel autour d’une réflexion purement stratégique, il leur sera difficile de franchir la fracture numérique et de rester compétitives, quelles que soient les technologies et les données dont elles disposent.

     

  • Quand l’analytique se met au service des villes intelligentes …

    Bâtir les fondations informatiques des villes intelligentes

     Par Marc Royer Expert Scale-out NAS, Datalake and Big Data Analytics chez Dell EMC

    Les Nations Unies prévoient que d’ici à 2050, environ 70 % de la population mondiale sera concentrée dans des zones urbaines, contre 54 % en 2014. Pour les municipalités, cette progression de leur population n’est pas sans conséquence. Des technologies émergentes telles que l’Internet des Objets, les capteurs ou l’analytique sont appelées à jouer un rôle crucial pour le développement durable des environnements urbains, pour affecter ou gérer les ressources de la manière la plus efficace possible. Or, à mesure que ces smart cities deviendront une réalité, il sera essentiel de mettre en place des technologies qui supportent les nouveaux services et répondent à l’évolution des besoins.

    Une question d’échelle 

    Dans une ville intelligente type, on estime que chaque arrêt de bus et lampadaire contiendra en moyenne huit capteurs. Avec quelque 250 000 objets connectés dans un environnement urbain typique, cela peut représenter jusqu’à deux millions de capteurs, produisant tous en temps réel des données qu’il faudra traiter pour en extraire l’essentiel. Par exemple, l’incidence des encombrements de la circulation sur les niveaux de pollution pourrait être utilisée au sein d’un système aiguillant les automobilistes vers des itinéraires bis de façon à réduire cette pollution.

    Cependant, pour qu’une ville soit véritablement intelligente, ses systèmes doivent pouvoir accéder à des volumes considérables de données et les traiter. C’est en cela queles « Data Lake » ou « lacs de données » se révèleront précieux, car ils rassemblent des masses de données de différents types et formats, qu’ils rendent immédiatement accessibles aux outils analytiques avancés. Face au volume et à l’éventail des données non structurées que les villes intelligentes vont produire, les « Data Lake » évolutifs offrent le meilleur moyen d’interpréter ces informations, quelle qu’en soit la forme ou la provenance.

    Analyse en temps réel

    Les villes intelligentes doivent toutefois aller au-delà de la collecte de données : il leur faut également les analyser le plus rapidement possible pour permettre aux infrastructures ou aux services d’y réagir.

    C’est particulièrement le cas lorsqu’il s’agit de répondre en urgence à un incident et au nombre de variables qui entrent en jeu.

    Les services d’urgence devront être alertés et recevoir des informations avec un maximum de rapidité afin de venir en aide aux personnes touchées et d’éviter toute aggravation de la situation. En outre, la circulation devra être déviée de manière intelligente pour contourner la zone concernée, les réseaux de communications devront présenter une flexibilité suffisante pour rediriger leur capacité là où elle est nécessaire et les informations être rassemblées pour tenir les citoyens au courant de l’incident.

    Il est donc indispensable que les villes intelligentes fassent appel à des outils de pointe pour le traitement et l’analyse des données, notamment en termes de latence en mémoire pour le stockage externe.

    Le potentiel de l’analytique prédictive

    Les citoyens des villes intelligentes pourront aussi à avoir accès en permanence à des informations et à des services personnalisés. Une méthode essentielle pour répondre aux attentes de ces « citoyens numériques » est l’analytique prédictive, qui permet de prévoir leurs besoins et d’affecter des ressources de manière appropriée en fonction de l’interrogation des lacs de données.

    En cas d’urgence médicale par exemple, l’analytique prédictive pourra diriger un patient vers l’hôpital apte à prendre en charge sa pathologie à ce moment-là, avec un minimum de temps d’attente.

    L’optimisation de la circulation est une autre application intéressante. Les autorités pourraient prévoir les flux de trafic et les conséquences de certains événements, tels que l’ouverture des écoles ou une grande manifestation sportive. Ces informations pourraient alors être exploitées pour augmenter les tarifs du stationnement afin de dissuader les automobilistes de se rendre dans la zone concernée.

    L’analytique prédictive exige la collecte de données sur plusieurs années afin de disposer de la profondeur nécessaire, une autre raison pour laquelle les lacs de données et le stockage évolutif seront des éléments majeurs de l’infrastructure d’une ville intelligente.

    Unifier les capacités informatiques 

    L’échelle, la complexité et l’éventail des exigences qui pèseront sur les infrastructures et les services urbains dans un avenir proche sont considérables.

    Elles nécessiteront des fondations informatiques robustes, agiles, évolutives et sécurisées. Des technologies de stockage et de traitement de données de nouvelle génération seront indispensables.

    Indubitablement, les derniers progrès des systèmes hautement évolutifs, à faible latence, dotés de capacités analytiques avancées, servent les besoins fondamentaux des villes intelligentes. Lorsque ces capacités seront réunies dans le cadre d’une plate-forme, alors la création de villes intelligentes pourra véritablement s’accélérer.

     

  • 1,9 milliards d’euros : le poids du marché français des solutions d’analytique, de big data et de gestion des données

    Analytique, big data & gestion des données
    Un marché de 1,9 milliards d’euros en France

    1,9 milliards d’euros… c’est le poids fin 2015 du marché français des solutions d’analytique, de big data et de gestion des données ainsi que des services associés.

    Selon MARKESS, ce marché devrait croître à un rythme annuel de plus de 12% entre 2016 et 2018.
    Tous les segments de ce marché ne sont cependant pas  logés à la même enseigne. Si certains stagnent ou progressent plus faiblement, d’autres sont au contraire en très forte demande et devraient même connaître des croissances encore plus soutenue sur cette période ! C’est entre autres le cas des solutions de     visualisation de données, de big data ou encore d’analyse prédictive.

    Pour Emmanuelle Olivié-Paul, Directrice Associée de MARKESS, “un renouveau complet est en train de s’opérer sur ce marché avec des solutions “traditionnelles” (décisionnelles, de reporting et de tableaux de bord…) en perte de vitesse au profit de l’arrivée de nouvelles générations de solutions, plus en phase avec les enjeux actuels auxquels sont confrontées les entreprises avec la digitalisation de leurs activités”. Les grandes annonces de ces derniers mois corroborent cette tendance de fond (acquisition de Roambi par SAP, BIME par Zendesk, Truven Health Analytics et The Weather Company par IBM, PredictionIO par Salesforce…).

    Cette nouvelle génération de solutions combine tout ou partie des éléments suivants :

    • Elles intègrent la mobilité et les usages sur tout type de terminaux mobiles (smartphones, tablettes…).

    Elles sont accessibles en mode SaaS/Cloud afin non seulement de répondre à la mobilité et aux enjeux de déploiement agile mais aussi de mieux tirer parti des apports du cloud computing dans l’allocation flexible et rapide de ressources pour le traitement en temps réel ou à la demande de gros volumes de données. Le cloud computing est notamment de plus en plus utilisé dans le cadre de projets big data.

    • Elles proposent de plus en plus des micro-services via des APIs et/ou des services web pour faciliter leur intégration à des solutions tierces et permettre ainsi de créer des écosystèmes de données.
    • Elles sont “user friendly” ce qui permet à tout profil de collaborateurs d’en faire un premier niveau d’usage sans être pour autant un spécialiste de l’analyse de données. Les solutions de visualisation de données les plus récentes du marché vont résolument dans ce sens.
    • Elles ne traitent plus uniquement des données structurées mais s’ouvrent aux données non structurées (web, réseaux sociaux, conversations vocales, messagerie, documents numérisés…) avec l’intégration de fonctionnalités avancées d’indexation, recherche, analyse sémantique…
    • Elles investissent les métiers (RH, marketing, vente, distribution…).
    • Elles se doivent d’anticiper et d’intégrer, sous une forme ou une autre, les grands changements à venir favorisés par l’essor des objets connectés, du machine learning, de l’usage des algorithmes… dans les activités et les métiers des entreprises.

    Il ne faut pas perdre de vue que, in fine, ces solutions ont avant tout comme objectif d’aider les entreprises à valoriser les données à leur disposition pour accroître leur business en prenant les bonnes décisions au bon moment, améliorer les relations avec leurs clients, employés et tout leur écosystème, anticiper les risques (sécuritaires, humains, de fraude…) ou encore mieux prévoir certaines tendances à court terme.

  • 2016 : l’année de la remise en question des organisations

    L’impact des Big Data et de l’analytique sur les entreprises en 2016

    Selon Laurent Bride, CTO de Talend 

    Talend, le leader mondial des logiciels d’intégration des Big Data, qui a fêté ses dix ans en 2015 , par la voix de Laurent Bride, son CTO, annonce ses prévisions pour 2016, qui estime qu’un certain nombre technologies émergentes et la multiplication des objets connectés devraient avoir un impact profond sur les entreprises

    L’analytique en temps réel occupera une place centrale

    De toutes les innovations technologiques émergentes, l’analyse des Big Data en temps réel sera clairement le principal facteur de changement en 2016. L’analyse rétrospective de données n’est plus une option pour les entreprises, qui doivent absolument pouvoir profiter d’informations exploitables dans l’immédiat, en particulier vu le rythme auquel évoluent les consommateurs comme le marché. Il est essentiel de disposer des informations personnalisées immédiatement !  De telles capacités d’intégration et de traitement de données sont désormais courantes. En 2016, les entreprises de toutes tailles et de tous les secteurs seront en mesure de saisir des opportunités précédemment inimaginables, comme d’améliorer la qualité des soins aux patients, d’accroître leurs récoltes à des fins d’alimentation ; et surtout, de prendre des décisions mieux informées. 

    De nouvelles menaces émergeront de zones imprévues, augmentant ainsi la nécessité de se focaliser sur les clients

    À l’heure de l’analyse en temps réel des Big Data, des opportunités jusqu’ici inaccessibles deviendront tangibles, et avec elles apparaîtront également de nouveaux challenges. Des menaces de premier ordre vont se manifester par le biais de la concurrence, les plus critiques pouvant d’ailleurs provenir d’entreprises de secteurs totalement différents. Ainsi, des organisations qui n’avaient auparavant aucun lien entre elles pourront venir concurrencer d’autres secteurs et grignoter les parts de marché des acteurs traditionnels. 2015 a été sans aucun doute l’année de « l’ubérisation » qui a eu un effet d’électrochoc sur les marchés. La transformation numérique, au cœur duquel se situe la gestion des Big Data, en est également une des conséquences. Non seulement l’arrivée d’acteurs plus agiles constituent un défi mais aussi les stratégies enclenchées par les grandes entreprise : l’exemple du rachat de Groupama Banque par Orange en est la parfaite illustration. Les organisations doivent donc être en mesure d’analyser des données, d’anticiper les menaces émergentes et de concevoir des méthodes afin non seulement de les neutraliser, mais aussi de réévaluer et redynamiser leurs processus d’engagement client pour s’assurer de leur fidélité. 

    Pendant des années, les entreprises ont cherché à axer leurs activités sur leurs clients. Cependant, la plupart de ces clients ne voient jamais le résultat de ces investissements. À l’heure où l’on peut désormais traiter des Big Data en temps réel et en matière d’expérience client, les entreprises ne peuvent plus rester sur leurs acquis. Avec l’arrivée de nouvelles technologies d’analyse des Big Data en temps réel, de plus en plus d’entreprises seront en mesure d’avoir un impact sur l’expérience client au bon endroit et au moment opportun. Elles pourront tirer parti des technologies à leur disposition afin de fournir des informations personnalisées, des avantages et des services enrichissant l’expérience client. Toute entreprise devrait s’efforcer de traiter chacun de ses clients comme une célébrité, et avec l’utilisation des Big Data en temps réel, les clients remarqueront pour la première fois la différence. 

     La rotation des DSI va s’accélérer 

    L’écart entre les DSI « fournisseurs de services » et DSI traditionnels va considérablement se creuser en 2016. Les pionniers de la migration vers le Cloud et les Big Data passeront du pilotage des activités à la production, et génèreront des connaissances d’une valeur sans précédent pour les métiers. Les autres seront exposés et évincés tandis que leur entreprise se fera distancer par la concurrence. Les organisations ayant déjà conçu leur plateforme d’intégration des Big Data partiront avec une avance considérable dans la course aux Big Data en 2016. Avec l’avènement de Spark et de Spark Streaming, elles devront exploiter pleinement le potentiel de leurs investissements visant à créer des « lakes » et des « data warehouses » sur Hadoop. Les pionniers de l’exploitation des Big Data récolteront les fruits de leurs investissements en 2016, et l’écart entre DSI à succès et perdants va considérablement s’agrandir. 

    Dans ce contexte, la demande en matière de DSI talentueux et de nouvelles compétences va augmenter, ce qui donnera lieu à une réorganisation des structures mais aussi déboucheront à de nouvelles formes de collaboration. Lors de la conférence Talend Connect, les organisations exemplaires abordant l’année 2016 en étant à l’avant-garde en matière d’intégration innovante de données, ont été mises à l’honneur. Ces leaders ont en effet introduit de nouvelles méthodes permettant de transformer des volumes croissants de données en des informations décisionnelles, profitant ainsi à leur entreprise et souvent aussi à la population en général. Heureusement pour ceux qui s’estiment aujourd’hui dans une situation difficile, des technologies d’intégration de données existent afin de simplifier le déploiement rapide des fonctionnalités de Spark (dans la mesure où il est encore temps de rattraper la concurrence).

    Les entreprises vont se réorganiser 

    L’avènement des Big Data oblige les entreprises à revoir leur structure organisationnelle. Leur analyse en temps réel remet en question les meilleures pratiques et structures traditionnelles des entreprises, et l’opposition habituelle entre équipes métiers et informatiques va laisser place à une nouvelle dynamique : « équipes métiers + équipes informatiques = puissance d’innovation ». Les entreprises à succès seront celles qui sauront faire collaborer et réussir leurs équipes métiers et informatiques. 

    Des centres d’innovation composés d’équipes transverses doivent être créés et dirigés par des PDG, DSI, directeurs des services numériques et directeurs des technologies de marketing travaillant ensemble afin de fusionner leurs compétences. Ces équipes de choc focalisées sur l’acquisition de connaissances seront ainsi en mesure de transformer des informations en revenus et de pénétrer de nouveaux marchés auparavant inaccessibles, tout en restant en conformité vis-à-vis des réglementations en matière de sécurité et de confidentialité. Pour passer la seconde en matière d’analyse des Big Data en temps réel et faire de 2016 une année à succès pour les organisations. Dès lors, il est crucial d’abattre les murs cloisonnant et créant des silos au sein de votre entreprise. 

    2016 sera l’année de la remise en question tant des modèles économiques, de la structure même des organisations, de l’innovation que celle de la révolution des objets connectés. Les bouleversements seront de taille ainsi que les interactions croisées se multiplieront et les Big Data seront au centre des préoccupations pour relever les défis !

     

  • Quand l’analytique envahit les Clouds sectoriels

    3 tendances du marché européen de l’IT pour 2016

    Par Emmanuel Serrurier, Directeur Général Informatica France

     

    1.  L’analytique envahit les Clouds sectoriels

    Nous assistons à une augmentation considérable des nouveaux types de données avec l’intégration des périphériques connectés qui s’est intensifiée cours de l’année écoulée. Les entreprises cherchent donc à savoir comment tirer le meilleur parti des informations qui en découlent. En 2016, plutôt que de construire une nouvelle infrastructure d’analyse des données, elles adopteront de plus en plus des « Clouds sectoriels » pour l’analyse. Ce sont des infrastructures d’analyse spécifiques hébergées dans le Cloud qui peuvent être utilisées par les entreprises pour résoudre certains problèmes communs à leur secteur. Cette tendance s’avère particulièrement utile pour les secteurs, riches en données, qui utilisent les périphériques connectés, tels que les télécommunications, les « utilities », le transport, la logistique et la distribution.

    Par exemple, en matière d’analyse des données, les entreprises du secteur des « utilities » ont des besoins similaires. Qu’elles distribuent de l’électricité, du gaz, ou encore de l’eau ces entreprises doivent contrôler et traiter d’énormes volumes de données. Un Cloud sectoriel pour l’analyse leur permet d’y parvenir à moindre coût et le plus efficacement possible. Aujourd’hui, dans le secteur du transport et de la logistique, la plupart des véhicules sont équipés d’au moins un capteur de surveillance qui produit des données. Si chaque moteur appartenant à une entreprise est doté d’un capteur supplémentaire, des dizaines de milliers de données supplémentaires doivent être traitées, ce que les entreprises ne sont pas encore en mesure de faire. Cependant, la disponibilité d’un Cloud sectoriel rend l’analytique accessible à toute entreprise qui souhaite tirer parti de la valeur ajoutée apportée par les données connectées.

    1. Données pour le plus grand nombre

    En 2016, l’analyse des données va vraiment se démocratiser pour les entreprises. Jusqu’à maintenant, seules « quelques entreprises privilégiées » disposaient des ressources et des compétences requises pour exploiter pleinement les données. Désormais, grâce aux innovations technologiques, toutes les entreprises peuvent accéder aux données dont elles ont besoin.

    Le secteur de la distribution illustre bien ce concept de démocratisation. Par exemple, les employés des magasins peuvent désormais accéder à des données pertinentes qui facilitent leur travail, cela reste essentiel pour les employés de première ligne, qui sont en contact direct avec les clients en magasin. La représentation physique de cette évolution est caractérisée par un plus grand nombre de clients dans les magasins avec des appareils mobiles tels que des iPads, qui utilisent des applications pouvant leur fournir directement des informations. Le processus d’analyse ainsi démocratisé permet désormais à un employé qui ne connaissait pas le client se trouvant devant lui d’établir immédiatement une bonne relation avec lui et d’améliorer son expérience.

    Cette disponibilité des données en temps réel pour le plus grand nombre signifie également que les entreprises peuvent désormais prévoir très finement les tendances futures. Ce niveau de connaissance en temps réel sera un véritable avantage des données pour le plus grand nombre.

    1. « L’expérience de la relation » devient primordiale

    L’année 2016 marquera une évolution des habitudes d’achat des consommateurs. Avec des produits et des services de plus en plus homogènes, les consommateurs feront des choix reposant plus que jamais sur la confiance et l’expérience client. Bien sûr, la sécurité des données est un facteur de différenciation important pour fidéliser les clients et nouer des relations basées sur la confiance, mais, bientôt, un vol de données ne sera plus nécessaire pour écorner la fidélité des consommateurs cyniques d’aujourd’hui : leur nom mal orthographié ou une adresse de livraison incorrecte suffira pour perdre leur confiance.

    Selon une étude réalisée récemment au Royaume-Uni par YouGov, le principal facteur qui motiverait la perte de confiance des consommateurs vis-à-vis d’une marque n’est pas le vol de données en tant que tel, mais un manque de communication suite à au vol. Cette étude révèle également que les entreprises sont aujourd’hui obligées de gagner la confiance des clients. La transparence sur l’utilisation des informations personnelles (50%), l’application d’une politique de confidentialité (43%) et la résolution rapide des problèmes (38%) sont les trois principales mesures que les entreprises peuvent prendre pour gagner leur confiance.

    En 2016, les marques qui exploiteront les données pour obtenir une vue à 360 degrés du client et personnaliser au maximum la relation client se démarqueront rapidement de la concurrence. Des stratégies de tarification précises ont déjà été mises en place dans la plupart des secteurs d’activité, mais, l’année prochaine, les entreprises se concentreront davantage sur la « valeur ajoutée » pour que ces stratégies soient plus personnalisées et favorables pour les clients.

    Prenons le secteur du tourisme, par exemple. Aujourd’hui, la technologie permet aux compagnies aériennes qui utilisent intelligemment les données de renforcer les relations avec les clients afin d’améliorer leurs voyages, notamment en personnalisant l’enregistrement à l’aéroport, ainsi que les divertissements et le service de restauration proposés à bord de l’avion. Les données peuvent également favoriser un certain nombre de choix une fois que le client s’est éloigné du site Web. Par exemple, si les données indiquent que vous êtes un conducteur, la compagnie aérienne peut vous proposer un service de voiture pour le même prix qu’une place de stationnement. Si les données font ressortir vos marques préférées, elle peut vous proposer des offres au sein de l’aérogare. Si elle est connectée à vos réseaux sociaux, elle peut savoir si vous voyagez avec vos amis et vous proposer des offres de groupe.

    Pour conclure, côté marchés et clients, selon les prestataires, le Big Data et donc l’évolution des données devraient s’étendre vers de nouveaux secteurs d’activité et de nouveaux métiers, touchant également le grand public via les personal devices (tablettes, portables…). C’est dans ce contexte également que de nouveaux modèles de commercialisation devraient émerger, posant notamment la question de la monétisation des données.