Quand Data Science et Data Engineering préparent l’an 2 de la Data

Après l’ère de l’expérience client, l’an 2 de la Data, centré sur l’hyper-ciblage est en pleine émergence. S’appuyant sur la Data Science et le Data Engineering, il  érige le modèle prédictif en  axiome de base.

En Mars dernier, une enquête du New York Times a révélé que Cambridge Analytica, société américaine d’analyse de données politiques, a siphonné les données de plus 87 millions d’utilisateurs Facebook via une appli « psycho » piégée. Ces données - recueillies sans le consentement des internautes concernés - ont été utilisées pour alimenter un algorithme permettant d’élaborer différents profils psychologiques d’électeurs américains. Utilisées au bénéfice d‘un meilleur ciblage de la campagne de Donald Trump en 2016, ces algorithmes ont ensuite été utilisés pour envoyer à des milliers d’électeurs américains des mails ciblés, de manière stratégique, pour éveiller leur intérêt, susciter une adhésion ou bien les faire changer d’avis quant à leur décision de vote. Cette opération a été possible grâce aux outils actuels de Data Engineering qui sont capables d’analyser de six cents mille à un milliard de données à la nanoseconde, seule option pour exploiter les données de 87 millions de comptes Facebook en quelques mois. Vous pensiez que les milliards de données que vous avez laissées sur votre réseau social préféré depuis des années allaient rester en jachère ? Détrompez-vous ! Elles sont exploitées à 100%... Quelques secondes seulement après que vous les ayez déposées… 

La donnée « always on », le Data Scientist et le Data Engineer

Devenu carburant, l’hyper-ciblage est le nouveau sujet phare pour les annonceurs. Heureusement pour les entreprises, à l’ère de la connexion permanente, la donnée personnelle est « always on ». Elle est disponible en continu et en temps réel. La Data Science est l’expertise qui permet l’exploitation et la manipulation des données afin de  créer des modèles prédictifs utilisables pour accroître les résultats de l’entreprise. Cette dernière est très recherchée par les entreprises. Le Data Engineering, quant à lui, au service des Datascientists, consiste à mettre en place l’infrastructure adaptée pour exploiter au mieux les données recueillies et les mettre en production. Sans Data Engineering, il est impossible d’obtenir des modèles prédictifs ou analytiques, reposant sur des algorithmes, et qui fonctionnant sur la durée.

Data Science et data engineering : au service de l’instantanéité des données

Si ces modèles prédictifs sont tellement précieux, c’est parce qu’ils permettent de comprendre les comportements des consommateurs, en identifiant des corrélations entre certains facteurs. Les entreprises peuvent utiliser ces modèles prédictifs pour anticiper des baisses de chiffre d’affaires, accroître leurs ventes ou bien optimiser des processus logistiques. Par exemple, grâce à des algorithmes et des modèles de scoring, un opérateur peut, quasiment en temps réel, déterminer lesquels de ses abonnés sont susceptibles de mettre fin à leur abonnement pour aller vers la concurrence. Il leur est ainsi possible de contacter les mécontents très rapidement, pour leur proposer un service à valeur ajoutée. Autre exemple, en Angleterre, des modèles prédictifs nés de la corrélation entre météo et achats de glace ont démontré que ces derniers sont liés, non pas la montée de températures, mais aux éclaircies. Tout l’enjeu de la Data Science couplé au Data Engineering consiste donc à mener des analyses jusqu’au moment où la certitude est acquise que le modèle identifié est véritablement prédictif. A cet égard, les développeurs jouent un rôle clé en élaborant les algorithmes adéquats, jusqu’au moment où l’Intelligence Artificielle et les réseaux de neurones prendront le relais avec un langage qui deviendra peut-être naturel.

Un dialogue entre Direction générale, marketing et Data Engineering

Data Science et Data Engineering sont à la croisée des mondes de la data et du marketing. C’est la raison pour laquelle ces disciplines sont dans un dialogue permanent avec le Marketing et la Direction Générale, pour traduire les impératifs business en algorithmes. Le brief peut tenir en quelques mots : « nous constatons que tel segment de consommateur (âge, géolocalisation, CSP) est à risque car nos offres ne sont pas adaptées. Comment les reconquérir ? ». Une liste d’attributs va alors être définie afin de retranscrire la problématique et la solutionner grâce aux données recueillies, à leur analyse et à la formulation de modèles prédictifs ad hoc. Ces modèles peuvent être applicables à tous les domaines. Ils permettent d’éliminer les zones d’ombre dans une situation donnée, de mieux comprendre et de prévoir. Ils peuvent par exemple s’appliquer à des domaines comme le management. Une entreprise peut ainsi redéfinir les choix stratégiques et opérationnels à opérer pour les 5 ou 10 ans à venir. 

L’avenir de la data, entre exigence d’expertise et éthique

Avec le temps, les données recueillies par les entreprises vont être de plus en plus nombreuses et de plus en plus diversifiées. Les objets connectés nécessiteront eux aussi d’accroître et d’étendre les compétences des entreprises en matière de Data Engineering pour stocker et analyser ces données devenues plus qu’exponentielles. Un miroir connecté permettra peut-être par exemple à L’Oréal de recueillir des données sur les différents points du visage de ses clientes, comme le fait Apple avec son dernier iPhone qui capture 500 points d’ancrage. Cette évolution sera facilitée par l’Intelligence Artificielle, les réseaux neuronaux et les machines apprenantes (Deep Learning). Ces technologies permettent déjà de libérer les collaborateurs des tâches fastidieuses. Ce modèle reposant sur la confiance des utilisateurs, l’approvisionnement en données pertinentes restera soumis à une exigence d’éthique de la part de l’entreprise. En Europe, le Règlement Européen pour la Protection des Données (RGPD) a pris les choses en main. Le processus de collecte et de stockage des données est désormais strictement encadré, ouvrant la voie à une pratique de l’hyper ciblage saine et responsable, loin des pratiques occultes de Cambridge Analytica rendues possible par la naïveté et la négligence temporaire de Facebook. 

A PROPOS DE VALTECH 

 

Valtech est une agence digitale internationale spécialisée dans la transformation de l’activité de ses clients. Nous les aidons à anticiper les tendances de demain et à engager leurs consommateurs via les points de contacts digitaux, tout en optimisant le « time-to-market » et le Roi. Fort de notre expertise sur les technologies, le marketing et la conception d’expérience, notre passion est d’accompagner les marques du conseil en stratégie, au design de services et à la mise en œuvre de plateformes digitales, favorisant une expérience multicanale et un engagement marketing en continu.

Présent sur les 5 continents avec des bureaux dans 16 pays (France, Etats-Unis, Royaume-Uni, Canada, Allemagne, Pays-Bas, Suède, Suisse, Danemark, Inde, Australie, Singapour, Argentine, Brésil, Chine, Ukraine), nous sommes aujourd'hui plus de 2 500 collaborateurs innovants : consultants métiers, développeurs, créatifs, spécialistes du marketing digital et de la démarche design thinking...

Contact Presse

La Nouvelle Agence

Yasmina Madafi & Eloïse Provino

06 43 68 96 37 // eloise@lanouvelle-agence.com