Les 5V du big data sont une grille de lecture des données massives qui ajoute aux trois dimensions techniques d’origine, volume, vélocité et variété, deux critères d’usage : la véracité des données et la valeur qu’elles produisent.
Les trois premiers V décrivent les données elles-mêmes : leur quantité, la vitesse à laquelle elles sont produites et traitées, la diversité de leurs formats et de leurs sources. La véracité (veracity) se rapporte à la fiabilité des données, c’est-à-dire à leur exactitude : erreurs de saisie, doublons, sources incertaines, biais de collecte. La valeur (value) se rapporte à l’utilité et au potentiel économique des données exploitées, par exemple une décision mieux informée, une dépense évitée ou un revenu supplémentaire.
La grille n’a pas de texte fondateur unique. Elle prolonge les 3V du big data, formulés en 2001. Le NIST, agence fédérale américaine des normes et de la technologie, définit la véracité comme l’exactitude des données et la valeur comme la richesse économique et sociale contenue dans un jeu de données. Il les range parmi les questions d’analyse, et non parmi les caractéristiques qui imposent une architecture. D’autres listes ajoutent la variabilité, la validité ou la volatilité, ce qui explique l’existence de grilles plus longues.
Les 5V se distinguent du smart data, qui désigne des données déjà sélectionnées et préparées pour un usage précis. Ils se distinguent aussi du data quality management, qui organise concrètement la fiabilité que la véracité se contente de nommer. En marketing, la grille sert de liste de contrôle pour évaluer un projet de données, une source achetée à un tiers ou une plateforme.
Les 3V décrivent un problème d’ingénieur. Les deux V ajoutés posent la question du décideur : peut-on se fier à ces données, et à quoi servent-elles ? Notre position : pour une direction marketing, la véracité et la valeur sont les deux critères qui justifient un investissement. Un grand volume de données douteuses produit des segmentations fausses, présentées avec assurance.
Ce n’est pas un consensus sur la définition. Doug Laney, auteur de la grille d’origine, juge la véracité, la valeur ou la variabilité importantes, mais refuse d’en faire des éléments de définition du big data (billet « Deja VVVu », 2012). Le NIST les traite comme des enjeux d’analyse (SP 1500-1, version 3, 2019). Les deux lectures se concilient : les 3V qualifient l’outil, les deux V suivants qualifient l’usage.
La véracité se mesure, à condition de la décomposer. Nous recommandons cinq contrôles sur un échantillon de chaque source :
La valeur ne se lit pas dans l’entrepôt de données, mais dans les décisions. Nous recommandons de rattacher chaque jeu de données à un usage nommé et à un indicateur d’effet. Ce peut être la hausse du taux de conversion d’une campagne ciblée par rapport à un groupe témoin, la baisse du coût d’acquisition ou la réduction du taux d’attrition.
Une donnée personnelle qui n’alimente aucun usage n’est pas un actif. Elle représente un coût de stockage et une exposition au regard du RGPD.
Le livre blanc gratuit d’Advalians recense onze erreurs de mesure courantes et propose un test de fiabilité en 12 points, pour savoir si vos chiffres méritent votre confiance.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La véracité est un critère de la grille ; le data quality management est la discipline qui la rend mesurable. Le NIST définit la véracité comme l’exactitude des données. La gestion de la qualité la décompose en critères suivis dans le temps et en attribue la responsabilité.
En pratique, la véracité sert au cadrage d’un projet : peut-on se fier à cette source ? La gestion de la qualité y répond par des contrôles réguliers, un responsable par source et des seuils d’alerte. Sans ces contrôles, la véracité reste une intention.
Rédigez une fiche d’une page par source. Volume : nombre d’enregistrements et croissance annuelle. Vélocité : fréquence de mise à jour. Variété : formats et identifiants disponibles. Véracité : taux de complétude, de doublons et date de dernière mise à jour, mesurés sur un échantillon.
Valeur : listez les usages actuels de la source et ceux envisagés, avec un indicateur d’effet pour chacun. Une source sans usage identifié est candidate à l’archivage ou à la suppression. Comparez ensuite les fiches pour prioriser les chantiers de qualité.
Pour la véracité, suivez quelques taux simples sur un échantillon : champs complets, doublons, enregistrements mis à jour depuis moins d’un an, données vérifiées à la source. Comparez aussi deux sources qui mesurent la même chose et relevez les écarts.
Pour la valeur, mesurez l’effet d’un usage, pas la donnée elle-même. Comparez une campagne ciblée grâce aux données à un groupe témoin non ciblé, et retenez l’écart de conversion ou de chiffre d’affaires. Sans groupe témoin, vous mesurez de l’activité, pas de la valeur.
Supposer la valeur au lieu de la démontrer. Beaucoup de projets collectent d’abord, en pariant que les données serviront plus tard. Le stockage grossit, la qualité se dégrade faute d’usage, et les données personnelles conservées sans finalité claire deviennent un risque au regard du RGPD.
Inversez la logique : partez d’un cas d’usage, identifiez les données qu’il exige, vérifiez leur véracité, puis mesurez l’effet. N’élargissez la collecte que lorsqu’un nouvel usage la justifie.
Utilisez les 5V pour sensibiliser une direction ou cadrer une discussion : la grille est connue et rappelle que la quantité ne suffit pas. Elle reste toutefois trop générale pour piloter la qualité au quotidien.
Pour l’opérationnel, préférez des critères mesurables et propres à votre usage : complétude, exactitude, fraîcheur, cohérence, unicité, chacun assorti d’un seuil d’alerte. Pour décider d’un investissement, partez de la valeur attendue de chaque cas d’usage. Renoncez aux grilles plus longues : au-delà de cinq critères, elles servent rarement à trancher.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
