Retournons aux fondamentaux des Big Data avec cet article de l’expert belge Pierre Nicolas Schwab sur les Big Data, basé sur son expérience terrain issue de missions récentes. Lorsque j’ai découvert la prose de Pierre Nicolas, je dois avouer que je me suis senti mieux et surtout moins seul, en découvrant que le problème des « small data« , n’est pas limité à l’Hexagone.
Retour aux Fondamentaux des Big Data
Selon lui, il y a 3 erreurs communes que les entreprises commettent dans leurs initiatives big data :
- la première est de ne pas que savoir où les données se trouvent (en fait, j’ajouterai même que parfois, elles le savent, mais que l’entité à laquelle vous vous adressez n’a pas le droit de les utiliser. Très souvent, un département d’entreprise met la main sur les données et interdit à quiconque d’autre de les utiliser. Ceci est surtout vrai des donnés clients, notamment dans le B2BEn réalisant ce glossaire Visionary Marketing s'est heurtée de front à un problème de taille : faut-il écrire BtoB ou B2B ?, et j’ai même vécu ce cas dans des entreprises de taille moyenne, ce n’est pas seulement une question de grands comptes) ;
- la 2e c’est qu’elles ne savent pas quoi faire de leur données : cela peut aussi sembler ridicule, mais il est vrai que les big data requièrent à la fois des connaissances en business/marketing et des connaissances techniques, il est facile pour beaucoup de se noyer dans les données sans savoir quoi en faire ;
- enfin, beaucoup croient encore, après tant d’années, que les données se traitent et s’améliore de façon magique, car l’informatique garde ce caractère mystérieux et miraculeux pour beaucoup. Ces personnes pensent donc qu’il n’y a rien à faire et que les systèmes le feront pour eux. Bien entendu, ce n’est pas vrai, et manipuler des données demande beaucoup de travail et d’implication, des essais des erreurs, et surtout de raffiner les données sans cesse. Dans certains cas (dans le domaine de la distribution par exemple) il est vrai que beaucoup de données de très bonne qualité sortent des systèmes automatisés de caisse et qu’il n’y a pas grand-chose à faire sur la données brutes… Sauf qu’il vous faudra quand même maîtriser les techniques de datamining et d’analyse complexe des systèmes que seuls les data scientists connaissent, or, il est très difficile d’internaliser ces compétences.
Une dernière chose que je voudrais ajouter est la piètre qualité des données elles-mêmes, quand elles ont été entrées manuellement au départ et, rarement ou jamais mise à jour correctement. J’ai connu une personne, avec laquelle j’ai travaillé pendant longtemps, qui a passé toute sa carrière à maintenir des bases de clients pour une grande compagnie d’informatique car cela est un job sans fin… Même si de grandes bases de données existent, dont certaines qu’on peut acheter, si vous possédez la donnée, vous aurez besoin sans cesse de la nettoyer et de la mettre à jour, c’est une tâche énorme.
Lire l’article de Pierre Nicolas Schwab
How and why data analysis can help increase your profitability and fuel your growth
————————————————————
Yann Gourvennec a créé visionarymarketing.com en 1996. Il est conférencier et auteur de 6 livres. En 2014, il est passé d'intrapreneur à entrepreneur en créant son agence de marketing numériqueDéfinition marketing digital, un terme utilisé en permanence et pourtant bien mal compris car mal défini.
- Drive to Zero 2024, des nouvelles mobilités à la démobilité - 18/04/2024
- Web crash : le web va-t-il disparaître ? - 17/04/2024
- Marketing B2B et B2C : différences et similitudes - 11/04/2024
