Le big data est devenu le nouvel or noir du marketing : grâce aux énormes quantités de données disponibles, les entreprises vont pouvoir tout connaître de leurs clients, ce qu’ils font, ce qu’ils mangent, ce qu’ils pensent, ce qu’ils cachent, et même ce qu’ils vont faire alors qu’ils ne l’ont pas encore vraiment décidé.

Dans les faits, ce n’est pas aussi simple que cela en a l’air car il faut savoir traiter et analyser ces énormes masses de données. Et avant cela, il faut commencer par structurer l’ensemble des données d’une entreprise pour qu’elles puissent communiquer entre elles, ce qui  est rarement le cas dans les faits.

La simple gestion des stocks d’une entreprise est complexe entre les stocks de son entrepôt, les stocks de ses magasins et les stocks de son site de e-commerce. Alors quand on doit rajouter les données sur les consommateurs, les données des cartes de fidélité, les données d’achats de milliers d’acheteurs, les commentaires de ses clients sur les réseaux sociaux, les données sur les vendeurs ou sur la flotte des véhicules, les données provenant du service client, les données météorologiques, cela commence à devenir compliqué. Et cher aussi, très cher.

Le poc: payer pour voir.

François Rosset, directeur BU Data et Cédric Hervet, analyste en recherche opérationnelle au sein de la société de traitement de données SocioLogiciels sont venus parler de l’intérêt de réaliser un POC ou proof of concept lors d’une conférence au Printemps des études en  avril 2015. Avant de se lancer dans une architecture big data, le POC permet de faire une premier audit pour un budget raisonnable, entre 20 K€ et 100 K€.

Le seul pré-requis est de poser une question à laquelle le POC devra répondre. Le POC consiste à créer une base partielle des données, de faire des tests et d’en tirer des conclusions. Cela permettra donc de valider l’intérêt de la mise en place d’une architecture big data et permet de faire un premier audit sur le travail à réaliser sur les données. Il s’agit véritablement d’éviter un énorme investissement qui se révèlerait inutile.

Quel POC pour quel problème ?

La société SocioLogiciels a partagé quelques exemples de POC. Un POC peut servir à prédire des processus industriels, comme des pannes par exemple. Dans ce cas la donnée provient des multiples capteurs. Un POC peut aussi servir à identifier le potentiel d’une clientèle selon les zones, en partant des adresses des succursales et de données INSEE.

Et en théorie, on pourrait utiliser le big data pour remplacer ou du moins compléter certaines études marketing. Il serait intéressant de réaliser un POC pour réaliser un tracking de marque et voir si les données disponibles sur internet pourraient s’approcher des données fournies via les questionnaires. Il sera peut être un jour tout à fait possible de monitorer de façon précise et juste l’image d’une marque en partant de données disponibles sur internet. Mais comme le rappelle Cédric Hervet, cela reste encore théorique pour le moment. Cela sera peut-être un peu moins théorique au prochain rendez-vous des études marketing en 2016.