Que les données soient structurées ou non, elles n’ont autant de valeur que les résultats commerciaux qu’elles rendent possibles. Cependant, les données elles-mêmes ne sont pas le seul facteur responsable de ces résultats. La façon dont vous mesurez ces données, d’un point de vue commercial, vous aide à lier la valeur des données à leur potentiel et à soutenir les décisions qui conduisent à des résultats commerciaux positifs. Pour y arriver, vous avez besoin d’une plate-forme d’analyse de big Data.
Une fois que vous disposez d’une plate—forme capable de mesurer les quatre V (volume, vitesse, variété et véracité), vous pouvez ensuite étendre les résultats des données pour avoir un impact sur l’acquisition de clients, l’intégration, la rétention, la vente incitative, la vente croisée et d’autres indicateurs générateurs de revenus. Vous pouvez également considérer ces informations comme une stratégie concurrentielle qui apporte des améliorations correspondantes de l’efficacité opérationnelle et vous aide à exploiter les données de l’entreprise pour d’autres initiatives.
Au cours de la dernière décennie, les entreprises ont investi beaucoup d’argent dans la construction d’entrepôts de données et de systèmes d’informatique décisionnelle pour sécuriser le rôle essentiel des données dans l’amélioration des capacités de prise de décision. J’appelle cela la « valeur définitive des données. » Il traite de l’importance associée à chaque élément de données qui entre dans ces systèmes et à chaque rapport que vous générez à partir des données qui sont, pour la plupart, des données structurées.
D’autre part, le big data avec son volume, sa vitesse, sa variété et sa véracité fournit la « valeur perçue des données”. En regardant les quatre V, il y a trop d’informations et la plupart sont vaguement définies. Par conséquent, les experts estiment qu’un grand potentiel réside dans ces données, mais n’a pas encore été exploré. Explorer le big Data consiste à établir des corrélations entre des choses que vous ne connaissez pas et qui peuvent conduire à de nouvelles possibilités, contrairement aux systèmes de BI où vous savez quelles informations vous voulez et concevez des systèmes pour fournir ces types d’informations spécifiques.
Par exemple, en créant une solution d’entreposage et d’analyse de données dans le cloud stable, rentable et hautement réactive, une entreprise pharmaceutique et de biens de consommation de premier plan a obtenu plusieurs avantages inattendus qui ont mis en évidence la valeur perçue des données. La solution a non seulement amélioré la gestion des opérations quotidiennes de l’entreprise dans les domaines des ventes, de la planification et des promotions, mais elle a également permis l’exploration de données de nouvelle génération, y compris des capacités de traitement et d’analyse de Big Data qui ont éclairé une meilleure prise de décision. En conséquence, la société a utilisé les connaissances acquises grâce à l’analyse des mégadonnées pour développer de nouvelles promotions stratégiques, tirer parti des changements inattendus du marché et rester en avance sur ses concurrents plus agiles.
Cette profondeur d’analyse peut bénéficier aux entreprises de n’importe quel secteur. Les fabricants mondiaux produisent des quantités sans cesse croissantes de données qui doivent être triées et analysées pour obtenir des informations commerciales et des exigences de reporting. Une incapacité à gérer efficacement ces données peut entraver une prise de décision efficace, réduire l’efficacité et entraîner des problèmes de conformité. Avec une plate-forme d’analyse de Big Data, les fabricants peuvent obtenir des rapports robustes et rapides qui garantissent des audits de conformité réussis. Et en tenant compte du volume, de la vitesse, de la variété et de la véracité, le big Data fournit aux décideurs les informations dont ils ont besoin pour suivre l’évolution des tendances de consommation.
Dans le monde numérique, cela signifie que la compréhension du client est d’une importance primordiale. Compte tenu de cette hypothèse, appliquons certains critères de mesure à la valeur de durée de vie du client (CLV) pour améliorer et améliorer la gestion de la relation client:
- Valeur basée sur le volume: Plus votre vision intégrée du client est complète et plus vous disposez de données historiques sur lui, plus vous pouvez en extraire des informations. À votre tour, vous prenez de meilleures décisions lorsqu’il s’agit d’acquérir, de conserver, de développer et de gérer ces relations clients.
- Valeur basée sur la vélocité: Plus vous pouvez traiter rapidement les informations dans votre plate-forme de données et d’analyse, plus vous obtenez de flexibilité pour trouver des réponses à vos questions via des requêtes, des rapports, des tableaux de bord, etc. Une capacité d’ingestion rapide de données et d’analyse rapide vous permet de prendre une décision opportune et correcte pour atteindre vos objectifs de gestion de la relation client.
- Valeur basée sur la variété: Les données clients les plus variées que vous avez – du système CRM, des médias sociaux, des journaux de centre d’appels, etc. – la vue plus multiforme que vous développez sur vos clients, vous permettant ainsi de développer des cartes de parcours client et de la personnalisation pour interagir davantage avec les clients.
- Valeur basée sur la véracité: Amasser beaucoup de données ne signifie pas que les données deviennent propres et précises. Les données sur les clients doivent rester consolidées, nettoyées, cohérentes et à jour pour prendre les bonnes décisions.
Alors, comment attachez-vous une valeur monétaire à tout cela? Parfois, la bonne information générée à partir de petites données au bon moment peut faire toute la différence. Par exemple, une solution de Big Data et d’analyse pour le plus grand programme d’identification des citoyens au monde a capturé 150 To de données. Depuis le déploiement de la solution, plus de 3500 cas de fraude parmi 1.5 millions d’inscriptions ont été trouvées — un aperçu précieux qui n’aurait peut-être pas été découvert sans les capacités d’analyse de Big Data.
Dans un autre exemple, un grand FAI a utilisé une solution d’analyse Web pour identifier les canaux les plus performants et améliorer l’engagement des clients et les opportunités de rétention. La solution traitait des données non structurées avec une latence d’information réduite. Armé d’analyses en temps réel, le FAI a obtenu des informations qui se sont traduites par une augmentation des revenus et une plus grande fidélisation de la clientèle. Ce genre d’argent va droit au fond. Et de plus en plus d’entreprises commencent à en prendre acte.
Il n’y a pas si longtemps, la grande majorité des cas d’utilisation du Big Data concernaient un coût total de possession (TCO) inférieur, mais à mesure que la technologie continue de mûrir, de plus en plus de cas d’utilisation ciblent la croissance des revenus ou de nouvelles opportunités de création de marché. Pour ces organisations, les initiatives de Big Data peuvent commencer par le CIO et le CTO pour établir un concept de ”Big Data en tant que plate-forme », mais ont rapidement été mises à profit dans toute l’entreprise pour fournir des valeurs commerciales.
Que les analyses de données volumineuses prennent en charge l’informatique ou l’entreprise, le chemin vers une plus grande valeur des données volumineuses commence par décider des problèmes que vous essayez de résoudre. Si les plus grands défis se trouvent dans l’informatique, les cas d’utilisation seront en grande partie axés sur des thèmes tels que l’efficacité opérationnelle et l’augmentation des performances.
Cependant, s’il y a un problème commercial qui doit être résolu, les thèmes prendront une perspective différente, comme la cartographie du parcours client. Quoi qu’il en soit, en appliquant des valeurs basées sur le volume, la vitesse, la variété et la véracité à la mesure du Big Data, les entreprises transforment désormais l’analyse du Big Data d’un centre de coûts à un centre de profit.
Suivez @DataconomyMedia
Soumendra Mohanty est un leader d’opinion et une autorité dans le domaine de la gestion de l’information, de la business intelligence (BI), du big data et de l’analytique, ayant écrit plusieurs livres et publié des articles dans des revues de premier plan dans le domaine des données et de l’analytique. Il a dirigé des équipes tout au long du cycle de vie du projet et a aidé avec succès à vendre et à livrer des projets de données et d’analyse dans de nombreux secteurs, notamment le commerce de détail, les biens de consommation, le courtage, les banques, la fabrication, le gouvernement, les télécommunications, la vente en ligne et les sciences de la vie.
Crédit d’image : Marc Smith / Web Mobile Afrique 2010 / CC BY 2.0