Big Data et Santé : une combinaison devenue nécessaire

Dans la santé comme dans d’autres secteurs (les banques, l’automobile, le BTP, etc.), les Big Data jouent un rôle important. Cependant, nous n’avions pas encore abordé ce sujet dans le secteur de la santé où cet usage apporte de sérieux avantages pour ses acteurs.

Les utilisations des Big Data dans le secteur de la santé

Utiliser les Big Data dans la santé est un véritable enjeu pour mieux anticiper et encadrer les activités qui ont lieu dans ce secteur. Les Big Data ont un impact sur plusieurs points : 

Big Data et santé (2)

Il est désormais plus facile de prendre en charge sa santé par le biais de la personnalisation. Les objets connectés sont aujourd’hui au coeur de ce phénomène. En effet, selon une étude menée par Accenture, le nombre d’utilisateurs d’objets connectés a été multiplié par deux en deux ans, passant de 27% à 45% en 2016. Ils permettent de mieux connaître notre propre santé en suivant des indicateurs : de cette façon, nous pouvons adapter nos habitudes pour améliorer notre santé. Les données sont envoyées à des applications de différents usages : usage personnel, prise en charge globale du patient, le dépistage ou encore le coaching. Ils existent un nombre impressionnant d’objets connectés dédiés à la santé : des brosses à dents, des bracelets, des pèse-personnes intelligents ou même des capteurs de sommeil. Cette révolution des objets de santé connectés améliore ainsi la vie de ces usagers tout en permettant une meilleure gestion de leur santé. Lire la suite

Big Data et Santé : une combinaison devenue nécessaire was last modified: septembre 6th, 2016 by Claire Sorel

La voiture connectée roulera au Big Data

Le mot « voiture connectée » n’est pas sans susciter une méfiance voire une certaine angoisse lorsqu’on le prononce. En effet, l’intelligence artificielle embarquée dans les véhicules a toujours été traitée de façon peu optimiste dans les films de science fiction… Une vision du futur un peu sombre bien éloignée des petites Google Car roulant tranquillement sur les routes californiennes. Pourtant, une voiture connectée n’est pas une voiture autonome, bien que l’amalgame soit régulièrement fait. Le principe d’une voiture connectée est simplement de collecter l’information et la traiter pour guider, aider, et apporter plus de sécurité au conducteur. La donnée occupe donc une importance centrale dans ce système : nous avons voulu en savoir plus sur son rôle lors d’une table ronde organisée par CCM Benchmark, réunissant trois experts du secteur, Patrice Slupowski (VP de l’innovation chez Orange), Michael Fernandez (CEO de Drust) et Guillaume Crunelle (Senior Manager chez Deloitte).

Voiture connectée : à quoi sert la donnée ?

Avant de se soucier des problématiques de collecte, de stockage, d’analyse et de traitement de la donnée, il est nécessaire de réfléchir au but de cette donnée, fait remarquer Patrice Slupowski. « L’objet et la connexion prennent toute la place, et on ne pense pas au service rendu au client. L’utilisation des données doit servir à offrir un service à des utilisateurs » avance t-il. Il est nécessaire de penser service, c’est à dire utiliser la donnée dans le but d’apporter une valeur ajoutée. La voiture connectée est donc utile si elle permet d’offrir de nouveaux services, des économies et des améliorations de process. Sinon il ne s’agit que d’un gadget.

Afin de fournir des services, l’information doit remonter à des Cloud. Mais si le système assiste un freinage d’urgence, l’information doit être analysée dans l’immédiat et ne peut remonter au cloud : la voiture doit ainsi traiter elle-même l’information. Voilà pourquoi les services s’articulent autour de deux types de donnée collectées :

  • Le Small Data, qui regroupe les données à l’échelle du conducteur et de sa voiture, et exploitées immédiatement. Cela concerne par exemple sa conduite (écoconduite), le calcul du régime moteur, la masse du véhicule… Le but est de donner des conseils en temps réel, afin de jouer sur le comportement du consommateur pour économiser du carburant, améliorer sa sécurité, etc.
  • Le Big Data, qui concerne l’exploitation statistique de la donnée anonymisée. L’objectif est d’analyser par exemple la consommation globale des véhicules, leur longévité, les flux migratoires de personnes en congés, les préférences des consommations, l’état des voiries grâce à l’analyse de la répartition des freinages, etc.
La voiture connectée roulera au Big Data - Modes de collecte et de traitement des informations d'une voiture connectée
Modes de collecte et de traitement des informations d’une voiture connectée

Et les services délivrés par la collecte et le traitement de ces Small et Big Data devraient être de plus en plus importants selon Guillaume Crunelle. « On va peu à peu évoluer vers un modèle non propriétaire du véhicule, c’est-à-dire que demain, on aura potentiellement le choix entre avoir une voiture et partager un véhicule », explique-t-il, « on passe ainsi du modèle propriétaire au modèle serviciel : et qui dit service dit données ».

Lire la suite

La voiture connectée roulera au Big Data was last modified: mai 23rd, 2016 by Cédric Jeanblanc

3 grands défis des Big Data pour le marketing B2B

Nous vous parlions récemment sur ce blog de la façon dont un marketeur B2B peut utiliser les Big Data dans sa stratégie de data-driven marketing (ou de marketing tiré par les données), à l’occasion de la sortie du livre blanc de Sparklane, que vous pouvez consulter gratuitement en suivant ce lien. Si dans ce livre blanc, il est surtout question de mise en place de cette stratégie à travers plusieurs étapes présentées sous forme de cases dans une marelle, il nous semblait important de revenir plus globalement sur les grands défis auxquels font face les marketeurs B2B lorsqu’ils projettent d’utiliser les Big Data, dans un article publié sur le blog de notre client Sparklane (anciennement Zebaz). Nous résumerons ici les 3 principaux défis qui nécessitent d’être pris en compte et surmontés, sous peine d’échouer dans son data-driven marketing :

1- La rigueur et l’éthique

Ce premier point est primordial : le non respect de l’éthique risque de briser le lien de confiance établi entre vous et le prospect/client. Si ce lien peut être facilement rompu, il nécessite des mois, voire des années à se construire, et « trahir » sa communauté peut ainsi réduire à néant des années d’efforts :

« Il pourra paraître surprenant au lecteur que je mette ce point en tête de ma liste, mais ce n’est pas une erreur. Le premier point de vigilance du marketeur est bien l’éthique, le respect du client et de sa donnée. Le marketeur doit s’obliger – et aussi contraindre son organisation – à ne divulguer ni utiliser les données d’un client à son insu, et à ne collecter la donnée qu’à titre anonyme. Ceci par respect du client, mais aussi par souci d’efficacité, et enfin de conformité à la loi.

Les défis marketing du big data

Je me souviens par exemple de ce grand client qui m’appela un jour pour me dévoiler son nouveau projet de collecte et de revente de données. Le projet, mal ficelé, mettait tout de suite l’accent sur la revente, sans jamais préciser de bénéfice net pour le client final. Notre premier conseil était de rassurer celui-ci et d’adopter une posture, naturelle pour nous, de marketing de la permission.

Le client en question n’entendit pas ce conseil et son projet fut vite mis au centre d’un mauvais buzz organisé par un groupe de lanceurs d’alerte, avant d’être enterré définitivement par la direction.

Ce que j’ai apprécié lors de la présentation du projet dan–on.com, durant une récente conférence, c’est le rappel permanent de l’éthique, de la collecte anonyme et de la conformité à la loi. Mais plus que tout, le chef de projet insistait sur le but premier de son initiative : rendre service au consommateur en lui apportant des informations pertinentes (qui à terme seulement, bénéficieraient à la marque). Voilà un vrai projet de marketing.

A l’opposé, enfreindre la règle d’or du marketing de la permission peut coûter cher. Mais c’est surtout grossièrement inefficace. »

bouton-spark

Lire la suite

3 grands défis des Big Data pour le marketing B2B was last modified: avril 21st, 2016 by Cédric Jeanblanc

Banque et Big Data : une révolution à l’horizon

Nous avons régulièrement abordé sur ce blog le thème de la transformation digitale des banques. Mais nous n’avons toutefois pas encore abordé le lien entre la banque et les Big Data. Le 16 mars dernier se tenait une conférence CCM Benchmark sur les Big Data et la valorisation des données bancaires. Les Big Data ont fait couler beaucoup d’encre, mais il est encore tôt pour les voir révolutionner les usages des entreprises. Gartner les avait d’ailleurs placés il y a quelques années au stade du « gouffre des désillusions » dans son « Hype Cycle ». Toutefois, cela n’empêche pas les banques de s’intéresser à l’exploitation de la masse de données bancaires qu’elles possèdent, avec évidemment beaucoup de précaution concernant la sécurité et l’ « anonymisation » de ces données, réflexe ultra important dans un secteur aussi sensible. En effet, les amateurs d’innovation que nous sommes verront malheureusement les nombreuses possibilités offertes par les Big Data se heurter aux réalités du terrain. Légalement contraintes, la prudence fait partie de l’ADN des banques et il est souvent difficiles pour elles d’innover sans la crainte de sortir du cadre légal, contrairement aux géants du Web s’approchant de ce domaine avec beaucoup moins de frilosité (et de préoccupations concernant cadre légal). Voici une approche sur la problématique avec nos trois intervenants, Bruno Van Haetsdaele, Gilles Nectoux et Benoit Gruet.

Banque et Big Data : des données internes et externes

Pour commencer, il est important de savoir de quelles données nous parlons et de connaître leur provenance. Selon Bruno Van Haetsdaele, CEO de Linxo, les données dont disposent les banques proviennent de deux types de sources :

  • Les données internes, qui sont les données classiques possédées par la banque: dès la transaction, la banque collecte le montant, la date, l’heure, et le point de vente. Cela permet par exemple de mieux connaître une zone de chalandise. La banque possède en outre les données de transactions du client, son solde, l’évolution de son compte, son épargne… Ces données internes sont selon Gilles Nectoux, CEO de Plebicom, à la fois riches et pauvres :
  •  Riches, car il s’agit de données dont personne d’autre que la banque ne dispose
  • Pauvres, car elles ne sont pas détaillées : on ne peut par exemple pas connaître le contenu d’un panier acheté par un client.
  • Les données externes, provenant de prestataires : on raccroche par exemple les transactions à un commerçant physique via un croisement de données (SIRET, objet social, etc.). L’intérêt de ces données est ainsi de les recroiser avec les données internes pour mieux « coller au monde physique ».
Banque et Big data : Un passage dangereux sur une falaise
Le chemin reliant la banque et les Big Data est difficile à prendre et demande beaucoup de précaution.

A quoi servent ces données ?

A cette question, les intervenants de la table ronde expriment la même idée : le but est avant tout d’offrir un service utile au client.

Selon Bruno Van Haesdaele, « les données permettent à l’utilisateur de mieux comprendre ce qui se passe sur son compte ».  Les dépenses sont catégorisées (supermarché, loyer…) et des algorithmes prédictifs sont mis en place pour anticiper l’évolution du solde : un client recevra ainsi un message du type « vous avez 800 euros sur le compte, mais il y a un risque de découvert dans 5 mois ».

Grâce à ces algorithmes, la banque peut voir là où l’utilisateur dépense le plus et ainsi proposer des offres pertinentes qui se déclinent en deux catégories :

  • Les offres de fidélisation : Par exemple un client de Castorama se voit offrir via son compte un coupon de réduction ;
  • Les offres de conquête : Ici, le but est de faire changer le client de fournisseur. Par exemple, Leroy Merlin offre un coupon à un client de Castorama.

Selon Benoît Gruet, CEO de CDLK, ces données permettent d’accomplir le rêve de tout marketeur : analyser le comportement du client par rapport à ses attentes. Ce comportement est généralement fondé sur du déclaratif (sondages, questionnaires…) : ici, on peut le vérifier par les transactions.

Ces données ont donc une valeur exceptionnelle par rapport aux autres car elles offrent une vue objective. Lire la suite

Banque et Big Data : une révolution à l’horizon was last modified: avril 11th, 2016 by Cédric Jeanblanc

Livre Blanc des Big Data : comment réussir son projet ? (exclu @flashtweet)

La semaine dernière, nous vous avons présenté le Livre Noir des Big Data publié par JEMS datafactory. (Note : JEMS Groupe est client de Visionary Marketing). Normalement, vous savez désormais comment rater votre projet Big Data en vous reposant sur l’utilisation de POC (preuves de faisabilité).
Si toutefois vous avez l’ambition de réussir votre projet Big Data, réjouissez-vous : le Livre Blanc des Big Data, publié lui aussi par JEMS datafactory, vous donne toutes les clés pour y parvenir.
Ainsi, après avoir vu le côté sombre des Big Data, nous allons aborder cette technologie sous son meilleur angle, en vous livrant quelques conseils pour réussir. Et le premier conseil, c’est de renoncer aux POC et de mettre en place un véritable projet pilote.

Qu’est-ce qu’un projet pilote ?

Contrairement à un POC, qui est déployé dans un environnement à part, un projet pilote utilise de vraies données, en situation réelle. Le projet pilote peut être imparfait et voué à évoluer, mais il rend déjà un service fonctionnel. Alors que le POC valide un concept, le projet pilote valide une solution qui sera ensuite étendue et généralisée. Tout ceci est exposé en détail dans le Livre Blanc des Big Data, qui livre également de précieux conseils sur la manière de réussir son projet pilote.

Voici les premières pages du livre blanc des Big Data :

Pour en savoir plus, téléchargez la version complète du livre blanc des Big Data en cliquant sur le lien ou le bouton ci-dessous :

bouton-lb-jems

Quelques facteurs clés de succès d’un projet pilote Big Data

Lire la suite

Livre Blanc des Big Data : comment réussir son projet ? (exclu @flashtweet) was last modified: mars 14th, 2016 by Jérôme Delacroix