Le big data désigne des ensembles de données si volumineux, si variés ou produits si vite qu’ils exigent des technologies et des méthodes d’analyse spécifiques pour être stockés, traités et exploités.
L’équivalent français officiel est « mégadonnées », publié au Journal officiel du 22 août 2014 et défini comme des « données structurées ou non dont le très grand volume requiert des outils d’analyse adaptés ». L’expression « données massives » est également employée.
Les sources sont multiples : transactions, navigation sur les sites et les applications, objets connectés, capteurs, réseaux sociaux, données de localisation. Leur exploitation repose sur une chaîne technique. Les données sont stockées dans un data lake ou un entrepôt de données, traitées par des calculs répartis sur plusieurs machines, puis analysées par des méthodes statistiques et d’apprentissage automatique. On caractérise souvent le big data par les 3V du big data (volume, variété, vélocité), que certaines approches complètent par la véracité et la valeur, d’où les 5V du big data.
Le big data se distingue du small data, qui porte sur des jeux de données réduits, lisibles directement par une personne. Il se distingue aussi du smart data, qui met l’accent sur la sélection des données utiles à une décision plutôt que sur leur masse. En marketing, il sert à la connaissance client, à la personnalisation, à la prévision de la demande et à la mesure des campagnes.
Pour beaucoup d’entreprises de taille moyenne, les données marketing tiennent dans des outils courants. Selon nous, la question utile n’est donc pas « avons-nous du big data ? ». Elle est plutôt : quelle décision serait meilleure avec plus de données, ou avec des données plus fraîches ? Sans réponse précise, une infrastructure de données massives reste un centre de coût. Elle mobilise du stockage, des compétences rares et une gouvernance exigeante. Un repère simple aide à poser le diagnostic : si vos analystes passent plus de temps à préparer les données qu’à les analyser, votre problème est la qualité, pas le volume.
Le volume ne dispense d’aucune règle : il en déclenche même certaines. Dès que les données se rapportent à des personnes identifiables, ce sont des données personnelles et le RGPD s’applique. Le traitement à grande échelle de certaines données impose en outre une analyse d’impact (article 35) et peut rendre obligatoire la désignation d’un délégué à la protection des données (article 37). Le croisement de nombreuses sources ajoute un risque propre : une donnée sans nom peut redevenir identifiante une fois rapprochée d’autres jeux. Nous recommandons de vérifier la solidité de l’anonymisation des données après chaque croisement, et pas seulement à la collecte.
Le volume stocké est un indicateur de coût, pas de valeur. Pour juger un programme, nous proposons de suivre le nombre de cas d’usage réellement en service et les décisions qu’ils ont modifiées. Ajoutez le gain mesuré contre un groupe témoin et le coût complet de chaque cas d’usage. Un modèle performant en test mais jamais utilisé par les équipes ne rapporte rien. Mesurez aussi le délai entre un événement et la donnée disponible pour décider. Pour le marketing, c’est souvent cette fraîcheur qui crée la valeur, plus que la quantité.
Advalians vérifie vos données, puis identifie les actions qui produisent des contacts ou des ventes, celles qui n’en produisent pas, et où déplacer votre budget.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
Le big data désigne des données dont le volume, la variété ou la vitesse de production exigent des outils spécifiques. Le smart data désigne une démarche de sélection : ne retenir que les données qui servent une décision. Les deux ne s’opposent pas. Le smart data peut s’appliquer à un gisement de données massives pour en extraire l’utile.
Critère pratique : si votre difficulté est de stocker et de traiter, vous êtes face à un sujet de big data. Si elle est de savoir quoi regarder, c’est un sujet de smart data.
Commencez par une décision, pas par une technologie. Listez trois ou quatre décisions marketing que des données plus nombreuses ou plus fraîches amélioreraient, par exemple l’allocation du budget entre canaux ou la prévision des ventes. Retenez-en une, avec un responsable métier.
Faites ensuite l’inventaire des données disponibles et de leur qualité. Construisez un prototype sur un périmètre réduit, avec un indicateur de réussite fixé à l’avance. N’investissez dans l’infrastructure qu’après un premier résultat probant.
Mesurez-le cas d’usage par cas d’usage, jamais globalement. Pour chacun, comparez le résultat obtenu avec et sans le modèle, sur un groupe témoin ou une période de référence. Rapportez ce gain au coût complet : stockage, calcul, licences, temps des équipes et maintenance.
Suivez aussi le taux d’usage réel. Un modèle que les équipes n’utilisent pas a un rendement nul, même s’il est performant en test. Fixez le seuil de rentabilité attendu avant le lancement.
Le principal risque est la réidentification : des données privées du nom permettent parfois de retrouver une personne une fois croisées avec d’autres sources. Si cette identification est raisonnablement possible, ce sont des données personnelles soumises au RGPD, même sans nom. S’y ajoutent l’usage de données pour une finalité différente de celle annoncée à la collecte et le recours à des sources externes dont l’origine n’est pas documentée.
Faites valider chaque nouveau croisement par le délégué à la protection des données, s’il a été désigné, ou par la personne chargée de la conformité. Documentez la finalité, les sources et les mesures de protection retenues.
Le plus souvent, non. Une PME tire davantage de valeur d’une base clients propre, d’une segmentation RFM et d’une mesure rigoureuse de ses campagnes. Les technologies de données massives deviennent pertinentes lorsque l’activité produit des flux continus et importants, comme les clics d’un site marchand ou les relevés de capteurs, et qu’une décision dépend de leur traitement rapide.
Test simple : si vos analyses tournent sans difficulté sur vos outils actuels, investissez d’abord dans la qualité des données et les compétences.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
Ils n’ont pas encore de carte bleue, mais ils influencent déjà le comportement..
En 2024, le paysage des agences de communication et de marketing continue d’évoluer..
