Télécharger - Baptiste LANOT

Pôle Paris Alternance
Mémoire de fin d'étude
" RÉSEAUX SOCIAUX & BIG DATA "
Réseaux sociaux et Big Data pour le recrutement et la fidélisation client
Préparé sous la direction de M. MASSON
À la suite d'un contrat en alternance effectué au département Marketing de la société
Qualitysource et Sushi Shop
LANOT Baptiste
HAMIDI Mohamed
Promotion : 2013/2015
Classe : 5MC3 & 5MC5
Remerciements
La réalisation de ce mémoire a été possible grâce à l'aide et aux interventions de
plusieurs personnes à qui nous voudrions témoigner toute notre reconnaissance.
Nous voulons tout d'abord adresser toute notre gratitude à notre maître de mémoire,
Sébastien MASSON, pour sa patience, sa disponibilité et surtout ses judicieux
conseils, qui ont contribué à alimenter notre réflexion.
Nous voulons remercier les professeurs de l'école PPA, qui nous ont fourni les outils
nécessaires à la réussite de nos études et de ce mémoire qui en est l'aboutissement.
Nous remercions également Alain GARNIER, CEO de l'entreprise JAMESPOT et
Alban GACHON de l’entreprise XEBIA pour le temps qu’ils nous ont accordés et les
réponses qu’ils ont apportées à nos questions.
Enfin, nous exprimons notre reconnaissance envers nos amis et collègues respectifs
qui nous ont apporté leur support moral et intellectuel tout au long de la rédaction de
ce mémoire.
Sommaire
Introduction .................................................................................................................. 1 Chapitre I - Le concept de Big Data ............................................................................. 6 1. Définition du terme Big Data ................................................................................. 7 2. Les débuts de l’apparition du phénomène "Big Data" ........................................ 11 3. Les caractéristiques des Big Data : les 3 V + 2 .................................................. 16 3.1 Les caractéristiques théorisées par Doug Laney .......................................... 16 3.2 Les caractéristiques enrichies ....................................................................... 20 Chapitre II - Le rôle des réseaux sociaux .................................................................. 23 1. Le contexte actuel des réseaux sociaux ............................................................. 24 1.1 Définition, caractéristiques et objectifs ......................................................... 24 1.2. Evolutions ..................................................................................................... 28 2. Big Data et Réseaux Sociaux, un lien fort ? ....................................................... 31 2.1. Le Big Data, un moteur du développement des réseaux sociaux ................ 31 2.2 Une révolution technologique apportée par les réseaux sociaux .................. 33 2.3. Les réseaux sociaux, une mine d’informations pour le Big Data.................. 35 2.4. Quid du réseau social en entreprise, faible générateur de données ............ 38 3. Les enjeux du social CRM .................................................................................. 39 3.1 Enjeux et contexte du CRM........................................................................... 39 3.2 Le client au centre de la relation ................................................................... 43 Chapitre III - Intérêt du phénomène « Big Data » ...................................................... 45 1. Les apports ......................................................................................................... 46 1.1 Des moyens marketings de plus en plus inédits ........................................... 47 1.1.1 Percevoir les tendances des marchés qui feront l’avenir ........................... 47 1.1.3 Prédire l’intention d’achat ........................................................................... 51 1.2 La fidélisation et l’attraction de nouveaux consommateurs ........................... 53 1.3 À quelles fins les fonctions marketing s’imprègnent-elles du phénomène ? . 55 2. Une approche "one to one"................................................................................. 56 2.1 Interaction personnalisée .............................................................................. 57 2.2 Nouvelles méthodes ...................................................................................... 59 2.3 Nouveaux métiers ......................................................................................... 61 Chapitre IV - Les limites du Big Data ........................................................................ 63 1. Sécurité, hiérarchisation et éthique .................................................................... 64 2. Les risques juridiques ......................................................................................... 67 3. Le Big Data est-il réellement efficace pour la prise de décisions ....................... 70 Conclusion ................................................................................................................. 73 Annexes ..................................................................................................................... 78 Fiche de lecture I .................................................................................................... 79 Fiche de lecture II ................................................................................................... 82 Interview de l’entreprise JAMESPOT ..................................................................... 86 Interview de l’entreprise XEBIA .............................................................................. 88 Enquête Réseaux Sociaux et Big Data .................................................................. 90 Bibliographie & Webographie ................................................................................. 94 La charte de l’étudiant ............................................................................................ 98 Lexique ................................................................................................................. 100 Introduction
2002, cette année phare a été le commencement de l’ère numérique. C’est aussi
depuis cette année que la capacité de stockage numérique a dépassé la capacité de
stockage analogique. En 2007, soit seulement 5 ans plus tard, 94% de la mémoire
mondiale est devenue numérique et en 2011, la masse totale d’information dans le
monde a été évaluée à 295 exabytes avec un taux de croissance de +50% par an.1
Il s’agit bien d’un bouleversement pour notre société. Une grande partie de ces
données ne sont pas exploitées par les entreprises. En effet, seulement 10% des
données mondiales sont structurées, les autres données sont déstructurées et ne
peuvent être traitées sans une technologie Big Data.
Un enjeu existe bel et bien pour les entreprises qui seront capables de gérer les 90
% restants car les données sont devenues le nouvel or noir de notre temps. En 2013,
Facebook a proposé de racheter la jeune et petite start-up américaine Snapchat pour
3 milliards de dollars. Snapchat a rejeté cette offre de rachat.
Pourquoi une start-up a refusé une telle offre ?
La réponse est que la start-up ayant lancé l’application mobile d'échange de photos
éphémères a compris dès le départ l’importance des données et a réussi à récolter
des milliards de numéros de téléphone. Deux ans plus tard, Snapchat a été
revalorisée à 19 milliards de dollars et a réussi à lever plus de 500 millions de dollars
de fonds. Cet exemple illustre bien l’importance des données et leur capacité à se
transformer en pièces sonnantes et trébuchantes.
Aujourd'hui, miser sur les données c’est miser sur le Big Data. Ce terme vaste
désigne un ensemble volumineux de données structurées et déstructurées qui
s’échangent de manière très rapide voir instantanée. Ces données sont trop
volumineuses, trop rapides et trop hétérogènes pour être traitées par un système
traditionnel de gestion de base de données.
1
Hilbert et López, The World’s Technological Capacity to Store, Communicate, and Compute
Information, 2011.
1
Collecter des données, c’est bien, pouvoir les traiter et les analyser, c’est beaucoup
mieux. Un système de gestion de base de données Big Data permet de traiter des
quantités très volumineuses de données et de gérer des données structurées et
déstructurées qu’elles soient émises en temps-réel ou non.
Les spécialistes d’Internet et des nouvelles technologies se sont accordés pour dire
que le Big Data sera une des armes économiques la plus puissante à l’avenir et que
cette technologie deviendra un atout compétitif pour les entreprises qui choisiront de
se lancer dans un projet Big Data.
D'après IBM, nous générons chaque jour 2,5 trillions d’octets de données (2,5
milliards de milliards données), un chiffre mirobolant qui n’a plus rien à voir avec les
quantités de données générées il y a 10 ans.
En outre, 90% des données dans le monde ont été créées ces deux dernières
années. Les sources de ces données sont multiples et variées. Elles proviennent de
capteurs utilisés pour collecter des informations, des sites de réseaux sociaux, de
photographies numériques, de vidéos, d’enregistrements sonores, de transactions en
ligne et de signaux GPS pour ne citer que les plus importantes sources.
Le constat est donc sans appel : le Big Data fait partie de nos vies. Il faut maintenant
comprendre comment les « mégadonnées » (autre terme donné au Big Data) vont
peu à peu commencer à engendrer une rupture dans notre société.
Les principaux domaines concernés sont la science, la technologie et le marketing.
Ce qui nous intéresse ici, c’est la rupture engendrée dans le marketing même si nous
exposerons également celle engendrée sur la technologie. En effet, la première
rupture étant la technologie utilisée pour gérer les données Big Data, une
technologie qui permet gérer de gros volumes de données d’une grande variété de
vélocité forte (Hadoop pour la plus connue).
Pour les entreprises et dans le domaine du marketing plus particulièrement, le Big
Data peut être utilisé dans un objectif de fidélisation client. Nous savons que pour
mieux conserver un client, il faut le connaître et répondre à ses attentes voir les
prédire.
2
Nous savons également que la fidélisation est un enjeu crucial pour les entreprises
car fidéliser ses clients coûte moins cher qu'en acquérir de nouveaux. Le Big Data
par son avantage à apporter de grandes quantités d’informations, peut permettre de
remplir cet objectif de fidélisation s’il est couplé à une stratégie CRM et SRM (Social
Relationship Management).
Selon une étude récemment publiée par l’éditeur de la plate-forme digitale Turn et
Forbes Insights : "74% des professionnels du marketing considérés comme étant de
fins tacticiens tirant parti de l’analyse de données, ont une longueur d’avance sur la
concurrence du point de vue de l’engagement et de la fidélisation des clients".2
Cette longueur d’avance serait expliquée par le fait que le marketing d’aujourd’hui
n’est plus orienté sur l’offre mais sur le client. C’est le client qui construit l’offre et non
plus l’inverse.
Cette hypothèse ne fonctionne pas avec les grandes marques de consommation
comme Apple ou Coca-Cola mais cette approche est celle qui devrait être adoptée
afin de mieux répondre aux exigences dans un contexte très concurrentiel où le
client est volatile et extrêmement exigeant.
L’idée est donc d’utiliser le Big Data pour connaître davantage sa clientèle existante.
Cette connaissance est basée sur la satisfaction du client et sa relation avec l’offre et
la marque dans son ensemble.
Sans parler de fidélisation client, le Big Data permet de répondre à des objectifs
marketing cruciaux. D’après Thomas Husson du cabinet Forrester, l’enjeu essentiel
est la modélisation des comportements des consommateurs dans une approche
prédictive. Le but est de proposer une offre plus contextuelle et personnalisée.
En bref, l’objectif est de proposer le bon produit au bon moment afin d’améliorer
l’efficience relationnelle et de rationnaliser la valeur de chaque client.
Selon l’étude européenne « Business Intelligence Maturity Audit » de Steria,
seulement 7% des entreprises européennes estiment que l’analyse du Big Data est
aujourd’hui très importante pour leur activité et 10% des entreprises françaises le
2
Data Driven and Digitally Savvy, Forbes Insights/Turn, 2015
3
considèrent comme une réalité. Autant dire qu’en termes de Big Data, tout reste à
faire.
De nombreuses informations peuvent être récoltées et traitées en temps-réel et
permettre à une entreprise d’être plus efficience et d’être plus compétitive. L’une des
plus grandes sources de données pour le Big Data sont les réseaux sociaux.
Les réseaux sociaux sont en effet de grands pourvoyeurs de données. Le réseau
social Facebook pour ne citer que le plus connu, dépasse Google en trafic
hebdomadaire aux Etats-Unis depuis 2011 et génère à lui seul plus de 500 téraoctets
de nouvelles données chaque jour, ce qui représente 300 millions de livres au format
texte.
Ces données procurent des informations sur le comportement des utilisateurs, ce qui
apporte une vision très qualitative et moins axée sur le quantitatif pour les analyses.
Les données issues des réseaux sociaux peuvent être variées (clics, publication de
vidéos, de texte, d’images, commentaires, partages, etc.) et sont générées en tempsréel et en grande quantité. La technologie Big Data est actuellement la seule à
pouvoir les stocker et à les traiter de manière efficace. Les réseaux sociaux ont donc
un lien très fort avec le Big Data et les deux se développent conjointement.
L’utilisation des réseaux sociaux par une marque peut donc être très enrichissante
car cela lui permet d’avoir une météo de la satisfaction de ses clients en temps réel
et de pouvoir proposer le bon produit au bon moment en fonction du profil du client.
Les entreprises souhaitent actuellement avoir la possibilité d’analyser de manière
automatique tout ce que les internautes peuvent dire de leurs marques. L’enjeu des
réseaux sociaux est de savoir comment une entreprise est capable de récupérer les
données des grands groupes comme Facebook et Twitter afin de mieux cerner les
attentes de leurs clients et prospects de manière individuelle et unique.
Les réseaux sociaux, hormis le lien qu’ils ont avec le Big Data, ont peu à peu permis
de mettre en place un social CRM. Ces objectifs sont l’amélioration de la satisfaction
client, l’amélioration des ventes, la réduction des cycles de vente et l’amélioration de
la communication.
4
Le social CRM, est né de la fusion entre les réseaux sociaux et le CRM, et permet
d’améliorer les bases de données du CRM en apportant des données issues des
réseaux sociaux.
Le grand nombre de données échangées et cette révolution technologique nous
amènent à nous poser la question qui va suivre. Elle sera la problématique de notre
mémoire.
Problématique :
En quoi les réseaux sociaux et le Big Data peuvent-ils permettre le recrutement
et la fidélisation du client ?
Pour répondre à cette question, nous allons nous baser sur trois hypothèses.
Hypothèse 1 : La première approche est de considérer les réseaux sociaux comme
un levier marketing permettant de mieux connaître ses propres clients et de donner
des informations qualitatives sur ces derniers.
Hypothèse 2 : La seconde approche est de considérer que les réseaux sociaux se
sont développés grâce au Big Data et permettent à ce dernier de se développer.
Hypothèse 3 : La troisième et peut être la plus importante est de voir le Big Data
comme un moyen de mieux comprendre le comportement des clients car il apporte
une analyse comportementale en temps réel des consommateurs.
Partie 1 : Afin d’étudier ces 3 affirmations, nous allons dans un premier lieu exposer
plus en détail la définition du Big Data et comment ce phénomène a vu le jour.
Partie 2 : Nous nous axerons ensuite sur les réseaux sociaux afin de mieux
comprendre leurs liens avec le Big Data et sur le développement du Social CRM
dans les entreprises afin de répondre à des objectifs marketing et commerciaux.
Partie 3 : Pour terminer, nous étudierons les applications du Big Data dans le
domaine du marketing et les limites de cette technologie.
5
Chapitre I - Le concept de Big Data
6
1. Définition du terme Big Data
L’expression « Big data / Ensemble de données » a fait sa première apparition au
début de l'année 1997 dans certains articles scientifiques qui présentaient à l'époque
les défis technologiques qui allaient nous attendre dans les années à venir, comme
celui de « visualiser les grands ensembles de données ».
Le terme exact de Big Data a pour sa part été évoqué pour la première fois par le
cabinet d'études Gartner en 2008 mais des traces de la naissance de ce terme
remontent à 2001 et ont été évoquées par le cabinet Meta Group racheté en 2005
par Gartner. Le terme Big data est ainsi né, et avec lui de nombreux défis.3
Le Big Data, littéralement « grosses données » ou « mégadonnées » suivant les
écoles et les professionnels du secteur, désignent des ensembles de données qui
deviennent tellement importants et volumineux qu'ils en deviennent difficiles à traiter
avec des outils classiques de gestion de base de données. Avec l'apparition de ces
nouveaux ordres de grandeur, le stockage, le partage, l'analyse et la visualisation
des données doivent être redéfinis.
Une idée fausse consiste à penser que le Big Data, comme son nom semble
l'indiquer, a pour problématique le stockage des données puisqu'on en emmagasine
des milliards. Mais non, c'est faux!
La principale problématique, c'est de gérer simultanément un grand nombre de
formats de données provenant de nombreuses sources. Puisque l'objectif premier du
Big Data est de pouvoir traiter et rassembler un nombre infini de données afin d'en
tirer des conclusions.
Mais finalement, qu'est ce que l'analyse du Big data ? Ce sont des solutions de
stockage innovantes couplées avec des logiciels professionnels exploitant des
algorithmes qui vont vous permettre d'analyser de gros volumes de données
numériques.
3
http://www.data-business.fr/big-data-definition-enjeux-etudes-cas
7
Ces outils ont été créés pour détecter les informations pertinentes et établir des
connexions entre elles. Si l’analyse des données, également appelée « Data
Mining »i, existait déjà dans de nombreuses entreprises, cette activité a pris une
nouvelle ampleur avec l’arrivée du Big Data.
On parle aujourd’hui de science de la donnée ou datascience.
Les perspectives du traitement des Big data sont énormes et une grande partie des
possibilités d'utilisation est encore insoupçonnée. On évoque souvent de nouvelles
possibilités en termes d'analyse et de gestion des risques commerciaux, industriels,
naturels, culturels, politiques, mais aussi de nouvelles possibilités pour la médecine,
la météorologie, la gestion de réseaux énergétiques ou encore la sécurité des
citoyens.
Le nombre d'applications déjà existantes et de nouvelles qui apparaissent chaque
jour, laisse penser à un véritable écosystème économique impliquant, d'ores et déjà,
les plus gros acteurs du secteur des technologies de l'information.
Certaines utilisations et applications du Big Data sont déjà en passe d'aider les
entreprises à réduire les risques et faciliter la prise de décision, ou créer la différence
grâce à l'analyse prédictive et une « expérience client » plus personnalisée et
contextualisée, que nous présenterons dans le chapitre trois.
Le développement du Big Data est en accord avec l'augmentation du nombre de
données émises par les utilisateurs et collectées par les entreprises. Pour ne citer
qu'un seul chiffre : 90% des données dans le monde ont été créées au cours des
deux dernières années seulement d’après le cabinet McKinsey Global Institute
(2014).4
La très forte augmentation du nombre de données numériques créées a commencé il
y a maintenant un peu plus de 10 ans. Et les professionnels qui travaillent dans le
4
http://www-01.ibm.com/software/fr/data/bigdata
8
domaine du Big Data savent que ces créations pharaoniques de données ne se
limitent pas aux données créées par exemple par les géants du web comme
Facebook, Google et eBay.
Alors, comment expliquer ces chiffres, et le fait que le nombre de données créées
susceptibles d'être utilisées et analysées ne cesse d'augmenter chaque année ?
Tout d'abord, il faut savoir que l'on dénombre au minimum 250 milliards d'emails
envoyés chaque jour dans le monde mais également plus de 72 heures de vidéos
déposées sur Youtube chaque minute, ce qui nous donne plus de 100.000 heures de
nouvelles vidéos chaque jour et donc plusieurs dizaines de milliers de Giga a
sauvegardé chaque jour, sans compter les commentaires, les likes, les descriptions,
les pages de présentation, les comptes Youtube etc. qui eux aussi sont sauvegardés
en temps réel.5
Attention aussi, ce ne sont pas seulement les particuliers qui créent des données en
naviguant sur internet, les entreprises sont également bien placées en terme de
création de données, par exemple le vol du nouvel Airbus A380 produit en moyenne
20 Téraoctets de données toute les heures, sur un vol Paris - New York de 8 heures
on est donc à 320 Téraoctetsii pour un vol aller-retour, et des vols comme celui-ci il y
en a 4 par jour. Imaginez donc le nombre de Téraoctets que doit stocker Air France
chaque année…
Les données produites proviennent également de l’utilisation de plus en plus
fréquente et importante d’appareils connectés aux réseaux téléphoniques et à
internet. Les téléphones portables, les tablettes et les ordinateurs transmettent aux
opérateurs et aux différents services utilisés des données relatives à leurs utilisateurs
lors de différentes actions, comme le signal GPS des smartphones lors de la
navigation sur internet, l'utilisation des moteurs de recherche comme Google, les
interactions sur les réseaux sociaux comme Twitter, Facebook ou Instagram pour ne
citer que ceux qui créent le plus de données.
5
http://www.blogdumoderateur.com/60-secondes-internet-2014
9
En plus des objets connectés, les données du Big Data peuvent provenir de sources
très différentes comme des données démographiques, des données scientifiques et
médicales, des données de consommation énergétique ou issues de l’utilisation des
réseaux de transports, etc.
Avec l’augmentation permanente du nombre d’utilisateurs d’internet et de téléphones
mobiles, le volume des données numériques augmente chaque année, aujourd'hui
nous sommes plus de 3 milliards (42% de la population mondiale) à surfer sur
internet.6
Toutes ces données collectées vont ainsi pouvoir fournir aux acteurs commerciaux
comme Amazon et Google mais aussi aux institutions, aux partis politiques et aux
hôpitaux par exemple des informations très détaillées sur la localisation, les
déplacements, les centres d’intérêt, les habitudes de consommation, les loisirs, les
projets, et bien d'autres choses tout aussi personnelles.
Les grands spécialistes d'Internet et des nouvelles technologies s'accordent tous
pour dire aujourd'hui que le Big Data sera une des armes économiques les plus
puissantes de demain aussi bien pour les grandes entreprises que pour les petites
qui pourront ainsi se créer un véritable axe de différenciation et donc de
compétitivité.
L’étude menée en 2012 par le CCWTR (Cisco Connected World Technology Report)
au sein de 18 pays et auprès de 1800 professionnels démontre que "plus de 60%
des professionnels sont d'accord pour dire que le Big Data sera un outil capital à la
fois pour la prise de décisions mais aussi pour l'optimisation de la compétitivité au
sein des entreprises".7
6
7
http://www.blogdumoderateur.com/chiffres-2014-mobile-internet-medias-sociaux
https://www.lcl.com/guides-pratiques/zooms-economiques/big-data-banque.jsp
10
2. Les débuts de l’apparition du phénomène "Big Data"
Le Big Data s'annonce donc comme le plus grand challenge économique et
technologique des années à venir. Il suscite un vif et réel intérêt auprès des
entreprises aussi bien de produits que de services, mais aussi des scientifiques du
monde entier et des politiciens de tous horizons. Le Big Data, ses enjeux et ses
possibilités touchent donc le monde entier et tous les secteurs d'activités.
En France, plusieurs études ont déjà été réalisées autour de ce secteur et du marché
potentiel qu'il pourrait créer. Au milieu de l'année 2012, IDC a réalisé une enquête
auprès de 100 grandes et très grandes entreprises françaises (Danone, Airbus,
Vente Privée et Bouygues), et le résultat était assez mitigé. Le concept de Big Data
était donc encore assez flou auprès des décisionnaires français puisque 36% des
entreprises l'estimaient moyennement compréhensible et 32% le jugeaient même
imprécis. La France était donc à l'époque malheureusement encore peu sensible et
motivée par l'introduction du Big Data dans ses bureaux.8
Aux États-Unis, le ton était déjà totalement différent dans les grandes et petites
entreprises. Sans négliger bien sûr les problèmes techniques, on parle surtout
d’opportunités pour le business mais aussi pour l'homme en général, ses conditions
de vie et la simplicité que cela peut apporter aux consommateurs. D'ailleurs, c'est
pour cela que les business angels et les actionnaires de fonds d'investissements
acceptent les libertés d’action dont devront disposer les pionniers qui décideront de
s'attaquer à ce nouveau marché et le taux élevé d’échecs qui s'en suivra
immanquablement.
Nous constatons d’ors et déjà les différences de réactions lors de l'émergence du Big
Data des deux cotés de l’Atlantique.
8
http://www.idc.com/getdoc.jsp?containerId=prUS25329114
11
Pendant que sur notre territoire et plus généralement dans toute l'Europe, on doutait
du retour sur investissement rapide, on évoquait la complexité de mise en œuvre de
tels projets et on insistait sur la préservation de l’existant. On voyait de l'autre coté du
globe de réelles opportunités se créer et on ressentait vraiment la nécessité et
presque l'obligation d’investir dans l’avenir et de créer dès maintenant de nouvelles
technologies et de nouvelles compétences.
Aujourd'hui, en France, cette véritable manne économique et technologique n'est pas
toujours exploitée comme elle devrait l'être.
Le cabinet EY (anciennement Ernest & Young) a mené une enquête fin 2013 afin de
mesurer l'avancement des entreprises françaises en terme de collecte et
d'exploitation des données, et à ce jour 17% des entreprises sont "matures" pour
utiliser réellement le Big Data d'après eux. On voit également que les secteurs les
plus performants sont les grands médias, les télécoms et la grande consommation.9
La bonne nouvelle, c'est que la France a de nombreux atouts pour se créer une
véritable place dans le secteur du Big Data au niveau mondial.
Elle peut véritablement se construire un sérieux avantage concurrentiel lui
permettant d'encourager et d'accélérer le développement de start-ups françaises
comme Critéo, fondée par des français en 2008, et aujourd'hui cotée en bourse au
Nasdaqiii et leader du reciblage publicitaire devant le géant Google.10
Mais afin de relever ce grand défi et ainsi essayer de transformer les risques en
opportunités, il va falloir que les différents acteurs se mobilisent tous ensemble
autour de ce projet. Et que l'État Français lui-même, soit l'un des acteurs phare de ce
dispositif.
9
www.ey.com/FR/fr/Services/Advisory/EY-etude-Big-data-2014
www.franceinfo.fr/emission/nouveau-monde/2014-2015/le-big-data-nouvel-or-noir
10
12
La France peut gagner cette bataille technologique si elle prend en compte et corrige
les deux contraintes principales qui pèsent aujourd'hui sur son développement : la
disponibilité de nouvelles compétences et les règles juridiques de croisement des
données provenant d'une époque où les réseaux sociaux n'existaient pas. C'est
l'objectif principal des actions rédigées dans le plan "Big Data" de la Nouvelle France
Industrielle propulsé sur le devant de la scène par Arnaud Montebourg en 2013 avec
un marché estimé à 9 Milliards d'euros en 2020 et la création ou la consolidation de
137 000 emplois.11
Parmi les quatorze grandes actions inscrites dans le plan on retrouve par exemple :
§
"Un travail avec la CNIL pour faire évoluer la mise en œuvre de la Loi
Informatique et Libertés vers une logique de certification de processus
industriels, dans le cadre d’éco-systèmes complets."
§
"Le soutien aux projets d’accélérateurs et fonds d’amorçage Big Data qui
pourraient voir le jour dans le cadre de l’initiative French Tech."
Fleur Pellerin, ancienne ministre de l’Économie Numérique avait également annoncé
la création d’un plan "Big Data" en Juillet 2013. Celui-ci était destiné à favoriser le
développement de ce secteur et était très simple, il prévoyait la mise en place de
formations « Data Scientists », ces spécialistes de l’analyse des données, dont le
profil est activement recherché dans le monde entier mais aussi la création d’un
incubateur dédié aux start-up qui souhaiteraient se lancer sur ce marché.12
Le gouvernement n’a pas communiqué de chiffres exacts sur les investissements
effectués mais l’AFDEL (Association française des éditeurs de logiciels et solutions
internet) avait recommandé la création d’un fonds de 300 millions d’euros pour cinq
ans.
11
12
www.economie.gouv.fr/big-data-feuille-route-en-action
www.journaldunet.com/solutions/emploi-rh/plan-numerique-big-data-0713.shtml
13
Aujourd'hui, le Big Data est présent au niveau français et mondial dans deux grands
secteurs : gouvernemental et scientifique.
- C’est un élément important au niveau politique et gouvernemental puisque le
gouvernement français a investi près de 12 millions d'euros dans un portail
interministériel. Une plateforme unique qui permet l'ouverture des données publiques
et une réelle transparence.13
Cet outil est destiné à "rassembler et à mettre à disposition librement l'ensemble des
informations publiques de l'État, de ses établissements publics et, si elles le
souhaitent, des collectivités territoriales et des personnes de droit public ou de droit
privé chargées d'une mission de service public".
Ce premier Open Dataiv 100% français est géré par un service interministériel créé
en 2011 qui est chargé de l'ouverture des données au public et du développement de
la plateforme.
A l'étranger, le Big Data est utilisé pour des raisons beaucoup plus précises, comme
aux États-Unis avec la prévision du nombre de votes, mais aussi le type de message
qu'il faut divulgué dans chaque État afin de satisfaire un plus grand nombre de
personnes. Le Big Data a été un élément clé des différentes campagnes du
président Barack Obama.
- Le Big Data est aussi présent dans les univers techniques et scientifiques. Par
exemple, la NASA (National Aeronautics and Space Administration) a développé en
interne un projet du nom de "Open Data Movement" qui a pour objectif unique de
rendre accessibles des bases de données sur des centaines de sujets et thèmes
différents aux internautes du monde entier.
Ce modèle s'appuie sur le mode participatif et la transparence.
13
http://proxy-pubminefi.diffusion.finances.gouv.fr/pub/document/18/17721.pdf
14
Pour la communauté scientifique, le Big Data représente toujours un challenge hors
du commun, comme l’énonce Mr Calvat, ingénieur à l'IN2P3 et au CNRS "Notre
challenge est de mettre à votre disposition nos pétaoctets de données".
Rappel : 1 péta-octet = 1 million de milliard d’octet = 1000 tera-octet
Aujourd'hui, le Big Data commence à être bien implanté en France, mais son usage
reste très encadré contrairement à d'autres pays comme les États-Unis ou la Chine.
Les opérateurs intervenant dans la collecte et l’analyse des données, c'est-à-dire
quasiment toutes les entreprises présentes sur Internet, car aujourd'hui tout est
analysé, même les choses les plus simples comme les connexions à nos comptes
clients (Carrefour, Auchan, Décathlon, Gaumont Pathé etc.), les paniers non validés,
les articles vus etc. toutes ces données créées et enregistrées sont soumises à la
surveillance de la Commission nationale de l’informatique et des libertés (CNIL).
L’usage des données à caractère personnel étant réglementé par la loi Informatique
et Libertés. Cette loi précise que les données personnelles ne doivent être collectées
et traitées qu'avec un objectif très précis : seules les données pertinentes pour un
usage défini à l'avance peuvent être collectées.
La loi donne aussi le droit à toute personne d’être informée de la collecte et de
l’utilisation de ses données personnelles. En principe, chaque personne peut donc
décider d'elle-même de l'utilisation ultérieure des données la concernant.
Le Big Data est donc naturellement soumis aux exigences de la CNIL et ses usages
directement concernés par le cadre législatif en vigueur ce qui devient un frein pour
les entreprises en France mais un avantage pour les consommateurs et internautes
qui vont pouvoir contrôler leurs données transmises aux entreprises.
15
3. Les caractéristiques des Big Data : les 3 V + 2
3.1 Les caractéristiques théorisées par Doug Laney
Doug Laney est vice-président chez Gartner Research, le cabinet qui a été le premier
à parler de Big Data et à introduire ce terme dans les milieux professionnels. Il est
considéré comme un pionnier dans le domaine du Big Data puisqu'il fut le premier à
le théoriser et à l'expliquer à ses pairs lors de grandes conférences avec trois
caractéristiques : Volume, Vitesse et Variété.14
3.1.1 Volume
C’est la caractéristique la plus importante car aujourd'hui les entreprises sont
submergées de données de tous types qui se comptent en téraoctets voir en
pétaoctets pour les plus grosses d'entre elles.15
Aujourd'hui, la multiplication des capteurs de données, l'augmentation des
conversations, des commentaires, des likes et de toutes les interactions sur Internet
et les réseaux sociaux, mais aussi la baisse des coûts de stockage et la présence du
Cloudv sont autant de coefficients qui font croître les volumes de données de façon
colossale.
Mais, contrairement aux autres « V » qui servent à définir le Big Data, la
problématique du volume est purement technologique, et l’évolution constante des
outils tant matériels que logiciels démontre bien qu’il n’y a pas de limite de ce coté là.
14
15
http://www-01.ibm.com/software/fr/data/bigdata/
http://fr.wikipedia.org/wiki/Big_data#Volume
16
L’analyse d'un grand volume de données est souvent à l’origine de diverses erreurs
et défauts, car le nombre de paramètres qui peuvent influencer les résultats d'une
analyse est purement quantitatif.
En voici quelques exemples :16
– selon les systèmes utilisés, le nombre de documents exploités et analysés est
extrêmement variable : la récupération des données varie d’un système à l’autre, par
exemple : l’APIvi de Twitter ne renvoie pas l’ensemble des résultats de recherche,
sauf pour certaines entreprises qui ont un accord avec Twitter leur donnant un accès
total.
– les modules de search n’analysent pas les recherches Google de la même manière
en fonction de l'orthographe, du singulier ou du pluriel, du temps des verbes, etc.
Au final, deux systèmes qui devraient interroger le web ou les réseaux sociaux sur
un sujet identique remonteront dans une très grande majorité des cas des résultats
sensiblement différents.
Le volume va permettre par exemple de :
•
Transformer les 12 téraoctets de Tweets créés chaque jour en une analyse
poussée des opinions sur un produit précis (par exemple lors du lancement de
l'Apple Watch).
•
Convertir la totalité des relevés annuels de compteurs électriques en France
afin de mieux prédire la consommation d'énergie pour l'année suivante.
16
www.forbes.com/sites/oreillymedia/2012/01/19/volume-velocity-variety-what-you-need-to-knowabout-big-data
17
3.1.2 Vitesse
Dans la définition du Big Data, la vitesse définit la fréquence à laquelle les données
sont générées puis capturées et ensuite partagées. Grâce aux évolutions
technologiques, les consommateurs et les entreprises génèrent de plus en plus de
données (Volume) dans des temps beaucoup plus courts (Vitesse).
À ce niveau de vitesse, les entreprises ne peuvent assembler et tirer des conclusions
de ces données que si elles sont collectées et analysées en temps réel.
Un exemple intéressant est celui de La Redoute qui utilise en temps réel les données
fournies par Météo France pour choisir les publicités sélectionnées sur ses tableaux
d’affichage dynamiques.17
Les données ne sont pas trop « Big », mais la prise en compte de la météo est bien
un cas où la masse de données collectées, analysées et mise à disposition
immédiatement répond à la définition de « big data ».
Cette exigence de temps réel, renforcée par l’utilisation massive des réseaux sociaux
par les internautes du monde entier, conduit souvent à de véritables problèmes.
Pour ne donner qu’un exemple, lors des attentats de Boston, on a vu des médias du
monde entier relayer des informations circulant en temps réel sur Twitter, qui se sont
rapidement avérées fausses.
17
www.journaldunet.com/solutions/les-3-v-du-big-data-volume-vitesse-variete.html
18
3.1.3 Variété
Un très grand nombre de types de données circulent sur internet.
Des données structurées, plus ou moins faciles à prendre en compte.
Mais surtout une multitude de données non structurées, c'est-à-dire en différentes
langues, voir avec des combinaisons de plusieurs langues, des textes bien écrits
comme des articles de presse mais aussi des conversations sur les forums, des
tweets écrits en abrégés, des enregistrements audio et des vidéos, etc.
Toutes ces données provenant également de sources diverses et variées comme
des sites internet, tous les réseaux sociaux, les téléphones mobiles, les puces GPS,
RFIDvii , NFCviii etc.18
Au delà de ces différences de formes, toutes ces données sont hétérogènes, c'est à
dire qu'elles se rapportent à des faits, des expériences, des évènements, des
opinions, des recommandations et des avis réels ou fictifs, pour un ami ou un
ennemi.
La qualité du traitement des données est très variable selon le type de données.
D'un côté on peut penser qu’elle sera correcte sur des données structurées. Mais
dès que l’on touche aux données non structurées ce sera beaucoup plus compliqué
de certifier la fiabilité des résultats.
18
http://www.soft-concept.com/surveymag/big-data-fin-des-etudes-marketing.html
19
3.2 Les caractéristiques enrichies
3.2.1 Véracité
La véracité et la précision des données collectées sont des éléments clés du Big
Data.
Si les entreprises ont aujourd'hui concrétisé de réelles avancées dans la structuration
et l'analyse des données collectées en interne comme les connexions, les pages
vues etc., les informations externes comme les commentaires postés sur les réseaux
sociaux, les pages partagées etc. qu’elles soient structurées ou non, constituent
toujours un énorme défi.
Pourtant le Big data se caractérise également par toutes les données externes et
non structurées issues principalement d'internet et des réseaux sociaux.19
Ces données en majorité produites par les consommateurs permettent de retracer
toutes leurs interventions avec une marque ou un produit précis en grande partie
grâce à internet et aux réseaux sociaux : les clients ont la parole et produisent ainsi
de plus en plus d'informations utiles aux entreprises.
Et c'est parce qu'elles sont créées directement par les clients qu'elles nécessitent un
travail sur la qualité et la pertinence. Ces données externes ont une vraie dimension
comportementale. En effet, toutes les données créées n'ont pas la même valeur et
certaines peuvent même s'avérer peu voire non pertinente ou même totalement
fausses.
Raison pour laquelle une majorité d'entreprises se méfie des résultats provenant
d'analyses Big Data, comme le montre le rapport The real-world use of Big data
réalisé par IBM en 2012 avec la Saïd Business School de l’université d’Oxford.20
19
20
http://pro.01net.com/editorial/620954/les-6v-du-big-data-sur-les-medias-sociaux/
http://www-03.ibm.com/systems/hu/resources/the_real_word_use_of_big_data.pdf
20
3.2.2 Visibilité
Les réseaux sociaux offrent un remarquable environnement de diffusion virale des
moindres informations, qu'elles soient véridiques ou totalement fausses, pourvu
qu’on arrive à toucher la sensibilité du public auquel on les destine.
Par exemple, la marque américaine Blendtec, spécialisée dans la vente de mixers
pour les particuliers mais avec une qualité digne des plus grands chefs cuisiniers, est
sortie de l’anonymat le plus complet pour se retrouver en tête des ventes avec une
incroyable campagne de vidéos sur Youtube.
Celle-ci a été réalisée avec des moyens financiers extrêmement réduits, simplement
avec de la volonté, et une analyse complète réalisée au préalable grâce à un outil
Big Data permettant d'analyser et de comprendre ce que les consommateurs
potentiels et internautes attendaient des vidéos diffusées sur Internet, tout
simplement en analysant les likes, les partages et la valeur des commentaires sur
chaque vidéo.21
C’est la force des réseaux sociaux d’assurer aux producteurs de contenus de la
visibilité, aussi bien pour les célèbres que pour tous les anonymes.
Cette visibilité accrue n’est pas forcément vue comme une chose positive par tout le
monde. Les réseaux sociaux ont également un côté bien plus obscur, et les
entreprises et produits victimes d’un "bad buzz" s’en seraient vraisemblablement bien
passées. Comme la SNCF qui a commandé en 2014 des rames de métro trop larges
de quelques centimètres pour ses quais et a ainsi dû raboter plus de la moitié de ses
quais et subir un nombre incalculable de moqueries et d'images satiriques...22
Les messages et interactions les plus virales ne sont pas forcément les plus
détestables, mais elles attirent souvent une audience surdimensionnée.
21
22
http://pro.01net.com/editorial/620954/les-6v-du-big-data-sur-les-medias-sociaux/
http://www.dynatrace.com/fr/initiatives/big-data.html
21
3.2.3 Valeur
Ce qui est vraiment intéressant pour les entreprises dans la démarche Big data, c’est
que des données qui n’ont pas grand intérêt quand on les regarde une à une,
peuvent trouver une réelle signification et devenir d'une grande valeur quand on les
analyse de façon globale.
Cette valeur peut prendre plusieurs formes, il peut s'agir tout d'abord d’une donnée
sensible publiée sur un site internet ayant un accès public, ou par exemple d’une
information concernant une entreprise privée qui une fois propagée sur les réseaux
sociaux va engendrer un bouleversement dans l’équilibre financier et la cotation en
bourse de l'entreprise.
Dans le premier cas, on peut citer par exemple la publication avec géolocalisation
par un célèbre chanteur français de photos sur Instagram, qui ont ensuite conduit à
se poser d'importantes questions sur son lieu de résidence fiscale.23
Dans le second cas, on peut prendre le tweet publié par le compte Twitter officiel de
l’agence AP (Associated Press), qui avait été piraté au préalable par l’Armée
Syrienne Electronique, qui a annoncé une explosion à la Maison Blanche et que le
président Obama était blessé de manière importante: l’impact sur les marchés
financiers mondiaux fut immédiat et mit sept jours à revenir à la normale.24
23
24
www.lesechos.fr/idees-debats/cercle/cercle-82135-big-data-ou-est-la-valeur.php
www.fr.capgemini.com/etudes/la-valeur-du-big-data
22
Chapitre II - Le rôle des réseaux sociaux
23
1. Le contexte actuel des réseaux sociaux
1.1 Définition, caractéristiques et objectifs
Inventé par l'anthropologue britannique John A. Barnes en 1954, le sens large du
terme réseau social désigne une structure sociale représentée par des nœuds qui
interagissent entre eux. Ces nœuds sont généralement des individus ou des
organisations. L'ensemble représentant un maillage de relations complexes entre les
individus, les groupes et les organisations.
Voici une définition plus précise proposée par Boyd et Ellison en 2008, les deux lui
donnent le nom de sites de réseaux sociaux :
"We define social network sites as web-based services that allow individuals to (1)
construct a public or semi-public profile within a bounded system, (2) articulate a list
of other users with whom they share a connection, and (3) view and traverse their list
of connections and those made by others within the system. The nature and
nomenclature of these connections may vary from site to site." 25
Le terme réseau social ne doit pas être confondu avec le terme médias sociaux. En
effet, les réseaux sociaux font partis des médias sociaux. Ils sont une macrocatégorie qui contient la catégorie des réseaux sociaux numériques qui contient ellemême les sites de réseaux sociaux.
Le terme médias sociaux désigne en effet un ensemble de services qui intègrent la
technologie, l’interaction sociale, et la création de contenu. Ces médias sociaux sont
constitués des réseaux sociaux, des blogs, des forums, les wikis, des sites de
bookmarking collaboratif, des mondes virtuels, des services de partage, des jeux
sociaux etc.
Le terme médias sociaux regroupe donc un large éventail de sites différents et se
trouve donc souvent assimilé à celui du Web 2.0.
25
Nicole B. Ellison, Danah Boyd, "Social Network Sites: Definition, History, and Scholarship", Journal
of Computer-Mediated Communication, 2007, p.2.
24
Les réseaux sociaux numériques sont quant à eux des réseaux sociaux mais on
ajoute à cette catégorie les outils wikis qui permettent de publier du contenu.
Le site Wikipédia en est l’exemple le plus connu. Ce site ne possédant pas de liste
d’amis, il ne rentre donc pas dans la catégorie des sites de réseaux sociaux ou
réseaux sociaux (voir la définition de Boyd et Ellison).
Voici ci-dessous, l’illustration de cette catégorisation :
Figure 1. Catégorisation des médias sociaux
Selon Mike Thelwall, grand professeur en science de l'information, nous pouvons
catégoriser les réseaux sociaux (ou sites de réseaux sociaux) à travers 3 objectifs.
Ces objectifs sont la socialisation, le réseautage et la navigation.
Les réseaux sociaux de socialisation sont conçus pour les loisirs récréatifs et la
communication entre les membres. Lorsque l’on se connecte à ces services, on est
en relation avec des listes d’amis déjà existants.
Ces réseaux sociaux de socialisation sont constitués des réseaux sociaux
généralistes (Facebook, Myspace, Okurt, Cyworld), des univers virtuels (Secondlife)
et des plateformes de jeux multi-joueurs (World of Warcraft).
Les réseaux sociaux de réseautage sont utilisés pour trouver de nouveaux contacts.
Nous pouvons citer l’exemple du site de réseautage professionnel LinkedIn. Ces
réseaux sociaux sont constitués exclusivement des réseaux sociaux professionnels
(LinkedIn, Video, Xing).
Les réseaux sociaux de navigation sont utilisés pour trouver un type d’information en
particulier. Dans ces réseaux, les listes de contacts permettent de déployer les
informations rapidement. Les sites de bookmarkingix qui font partis de cette catégorie
en sont un bon exemple : les internautes peuvent voir les informations postées par
leurs amis.
25
Ces réseaux sociaux de navigation regroupent les outils de publication et de micropublication (Twitter, Digg, Skyblog), les outils de partage (YouTube, FlickR,
Del.icio.us, Deezer, Slideshare), les outils de discussions (Seesmic) et les livecasting
(justin.tv).
Toujours d’après Thelwall, un réseau social peut avoir plusieurs objectifs et peut
également être classé selon son degré de fonctionnalités inhérentes aux réseaux
sociaux (principal ou secondaire). Facebook a par exemple principalement des
fonctionnalités de réseaux sociaux contrairement à Youtube ou Deezer.
Les objectifs des réseaux sociaux sont nombreux. Pour un particulier, les réseaux
sociaux sont un moyen de retrouver des amis, créer des relations avec les autres et
d'élargir son réseau personnel ou professionnel.
D’après notre enquête menée auprès de 100 personnes, les réseaux sociaux servent
surtout à se divertir (72%), consolider des liens avec des proches (69%) et s’informer
(58%). Ils sont également un moyen permettant le partage de l'information de
manière rapide et à un grand nombre de personne.
Une entreprise peut les utiliser pour augmenter sa visibilité, écouter les besoins et les
problèmes des clients et communiquer avec eux. Elle peut aussi les utiliser
pour avoir un contact avec ses prospects ou recruter de nouveaux collaborateurs.
Une entreprise ou une marque peut aussi utiliser les réseaux sociaux dans le but de
surveiller sa e-réputation, créer une communauté engagée et fidèle ou augmenter
son exposition.
Les objectifs sont par principe différents suivant le réseau social utilisé : les réseaux
sociaux ne ciblent pas le même type d’utilisateur, ni le même comportement. Chaque
réseau social induit des usages et des publics bien définis.
Facebook est utilisé pour construire l’univers d’une marque et créer un lien avec la
cible en lui permettant de s’identifier. Le but est de miser sur la proximité. Nous
parlons ici d’un réseau social affectif.
Twitter a pour objectif de construire une image, mais le contenu sera plus un contenu
d’information ‘à chaud’. L’idée est d’utilisé Twitter pour diffuser des informations en
26
avant-première. Les utilisateurs l’utilisent le plus souvent pour être au courant de ce
qu’il se passe et être informé sur n’importe quel sujet en temps réel.
Selon Cyril Bladier, auteur de l’ouvrage La boîte à outils des réseaux sociaux (2014),
ce réseau social auparavant destiné aux geeks et aux journalistes s’est d’ailleurs
beaucoup développé auprès du grand public grâce à la télévision. De nombreuses
télévisions en effet ont leurs hashtags pour permettre aux internautes d’interagir avec
elles.
Le réseau professionnel LinkedIn sert plus à rester en phase avec le marché de
l’emploi et de repérer des possibles opportunités professionnelles. LinkedIn sert
également à gérer son image (personal branding) comme une marque pourrait gérer
la sienne. L'utilisation est plus orientée dans une optique de prospection.
Cependant, le spécialiste Cyril Bladier considère que cet outil ne doit pas être un CV
mais doit permettre de parler de soi et non de son job.
L’outil est selon lui, un outil de recrutement, mais c’est aussi un outil de visibilité, de
réseautage (comme nous l’avons décrit grâce au spécialiste Thelwall) et un outil de
marketing, de communication et de vente. Nous pouvons même aller jusqu’à dire
que Facebook cible le BtoC et que LinkedIn cible le BtoB.
Parlons de Google+, cet outil est moins développé auprès du grand public que
Facebook. D’après notre enquête, ce réseau social est très peu cité dans les
utilisations. L’outil est plus intéressant à utiliser pour publier du contenu via un blog
pour que Google le référence plus efficacement. Il peut également être utilisé pour
organiser des vidéos-chat (hangouts) de 10 personnes maximums.
Quant à Youtube, c’est le paradis des tutoriaux, des démos et peut permettre d’être
un support pour le client. Il a pour objectif de rassurer et/ou de divertir un client. Il
peut rassurer car une marque peut utiliser ce medium pour publier du contenu
informatif permettant de l’aider ou de renforcer la relation client dans l’ensemble.
Quant à Instagram, cet outil vecteur d’émotion et axé sur l’image. Il a pour objectif de
renforcer la visibilité et faire de la promotion produit. Il peut également permettre
d’inviter une communauté autour d’un univers. Nous sommes plus ici dans une
optique de partage de bons moments et de belles images.
27
1.2. Evolutions
Les réseaux sociaux sont arrivés avec l’avènement du Web 2.0. Avant les années
2000, on parlait de Web 1.0, un web statique et centré sur la distribution
d’information du haut vers le bas, des éditeurs de contenus vers les utilisateurs et où
l’utilisation des services était complexe et nécessitait des compétences techniques
indispensables notamment pour la publication de contenu.
Le Web 2.0 a permis d’ajouter un aspect nouveau et capital au web : celui de
l’interaction. Cette interaction permet à chaque individu de publier du contenu et de
partager des informations avec les autres.
Le Web 2.0 a également permis de rendre accessible la publication de contenu pour
les individus n’ayant pas de connaissances techniques et a permis de réduire
considérablement les difficultés d'utilisation.
L’émergence des réseaux sociaux comme celui du Web 2.0 est en grande partie liée
aux révolutions technologiques et techniques. L’arrivée de la technologie Ajax
(mélange de codage JavaScript et XML) a permis de rendre les pages plus rapides
au chargement et de développer les interactions et le dynamisme des pages.
La technologie RSS a également permis le développement du Web 2.0 car elle a
permis aux utilisateurs d’utiliser les données d’un site dans un autre contexte (flux
d’actualité par exemple).
Contrairement à ce que l’on pourrait penser, les premiers réseaux sociaux sont nés
avant l’arrivée du Web 2.0. Le premier réseau social à avoir vu le jour était le site
classemates.com en 1995. Ce site dont le but était de permettre aux utilisateurs de
retrouver leurs camarades de classe n’avait néanmoins pas toutes les fonctionnalités
d’un réseau social.
Deux ans plus tard, Sixdegrees.com est né. Ce site a réussi à réunir une
communauté de millions d’utilisateurs mais n’a pas été assez économiquement
viable pour survivre à la bulle internet qui a éclaté en 2000.
Un an plus tard, le réseau social d’affaire Ryze.com voit le jour mais ne réussit pas à
occuper la place qu’occupera LinkedIn qui naitra deux ans plus tard en 2003.
28
L’année 2003 voit également naitre Hi5, un site qui permet à un utilisateur de diffuser
des informations comme ses centres d’intérêts, son âge et sa ville.
Le site Myspace comme une multitude de sites de réseaux sociaux verront
également le jour cette année. Le terme YASNS est né, il signifie «Yet Another
Social Networking Service» (« Encore un autre réseau social »).
Le réseau social Facebook a quant à lui été fondé en 2004, suivi par Twitter (2006),
et de Pinterest et Instagram (2010). Arrivent enfin Google+ et Snapchat en 2011.
Aujourd’hui, les réseaux sociaux sont incontournables et alimentent le marché de la
donnée. Un marché qui ne cesse de croitre et qui est sujet à des spéculations de
plus en plus fortes.
Les sites de réseaux sociaux détiennent en effet une quantité astronomique
d’informations sur leurs utilisateurs, des informations qui valent de l’or.
Facebook propose par exemple à ses clients annonceurs la solution FacebookAds,
une solution qui permet à d’afficher une bannière publicitaire en fonction du profil de
l’utilisateur (âge, sexe, situation géographique, contenus likés ou visionné, etc.).
En 2011, les réseaux sociaux ont détrôné l’email aux Etats-Unis et Facebook a
détrôné dès MySpace dès 2008.
Les réseaux sociaux évoluent donc rapidement et les plus grands n’hésitent pas à
racheter les nouveaux entrants. Facebook a par exemple acheté Instagram en avril
2012 et a voulu acheter Snapchat en novembre 2014.
Nous pouvons nous interroger sur la volonté pour Facebook de vouloir acquérir des
nouveaux entrants. Facebook a une stratégie de neutralisation de la concurrence
certes, mais le réseau social a compris les nouveaux usages des internautes. Des
internautes qui veulent consommer toujours plus de vidéos et de contenus visuels et
déportent leurs usages vers les smartphones.
En outre, les jeunes sont le cœur de cible de Facebook. Ces jeunes, le géant de la
Silicon Valley veut à tout prix les conserver en leur proposant toujours plus de
services et de nouvelles fonctionnalités.
29
Le site a en effet besoin d’attirer toujours plus d’utilisateurs et ne veut pas lasser son
public notamment les adolescents qui sont de plus en plus séduit par de nouveaux
entrants qui sont inconnus de leurs parents comme Snapchat.
Aujourd’hui, selon le rapport Digital, Social & Mobile in 2015 de l’agence We Are
Social26, 2,060 milliards des internautes sont actifs sur les médias sociaux, ceci
correspond à 68% des internautes (3,025 milliards au total) et 28% de la population
mondiale.
Toujours selon ce rapport, la durée moyenne de consultation de ces medias sociaux
est de 2h25.
26
http://wearesocial.fr/blog/2015/01/digital-social-mobile-les-chiffres-2015/
30
2. Big Data et Réseaux Sociaux, un lien fort ?
Hypothèse 2 : “Les réseaux sociaux se sont développés grâce au Big Data et
permettent au Big Data de se développer.”
Nous allons tenter d’affirmer ou d’infirmer cette hypothèse à travers ce chapitre à
l’aide d’exemples concrets, d’études théoriques et d’études terrains.
2.1. Le Big Data, un moteur du développement des réseaux sociaux
En premier lieu, nous pouvons penser que le Big Data participe au développement
des réseaux sociaux.
Dans le cas de LinkedIn par exemple, le Big Data a permis de créer la fonctionnalité
“Les connaissez-vous ?” grâce au projet PYMK (Peolple You May Know). Cette
fonctionnalité célèbre et qui est maintenant essentielle sur LinkedIn suggère aux
membres une liste d’autres membres avec lesquels ils sont susceptibles d’entrer en
relation.
Le système PYMK prend en compte des informations comme le lieu de résidence,
les écoles, les diplômes obtenus, les lieux de travail et les relations afin de proposer
les résultats les plus pertinents.
Cette fonctionnalité a augmenté considérablement la base client du réseau social et
a déclenché un nombre de clics 30% supérieur à celui obtenu avec les autres
invitations envoyées par le réseau social.27
Nous pensons d’ailleurs que cette fonctionnalité, lancée en 2006, a permis au réseau
social LinkedIn de s’envoler et de dépasser de loin la concurrence existante
(Ryze.com).
Il est difficile d’affirmer que le Big Data participe seul au développement des réseaux
sociaux. La réalité est plus complexe.
Comme nous l’avons décrit précédemment dans notre première partie, Facebook
sert à entrer en relation avec d’autres individus.
27
Thomas H.Daveport, Stratégie Big Data, Editions Pearson, 2014, Chapitre 1, p. 33.
31
Le réseau social repose sur cet objectif fondamental et s'appuie sur EdgeRank, un
algorithme issu du Big Data qui permet d'identifier les affinités et de sélectionner les
publications qui seront misent en avant dans le newsfeed des membres (fil
d’actualité).
Facebook a également mis au point un autre outil Big Data, le Facebook Graph
Search. Cet outil lancé en 2013 est un moteur de recherche avancée et multicritère
qui permet de lancer une requête basée sur un nombre important de critères (âge,
lieux d’habitation, centres d’intérêts, etc.).
Selon Yves de Montcheuil, dans son article pour le site d’informations économique et
politique latribune.fr : « Facebook s'est développé grâce aux big data, est devenu un
producteur de big data et va continuer à assurer sa croissance grâce aux big
data. »28.
En effet, les réseaux sociaux ont pu se développer grâce à de nouvelles
fonctionnalités apportées par le Big Data mais ces derniers ont justifié l’existence du
Big Data et son développement.
Ceci s’explique par deux raisons :
-­‐
les réseaux sociaux (avec les géants du web) ont développé des solutions
techniques type Big Data pour pouvoir évoluer et analyser leurs propres flux
de données.
-­‐
les réseaux sociaux sont une mine d’informations et cette mine d’informations
permet au Big Data de devenir toujours plus importants pour les entreprises
qui souhaitent l’utiliser afin d’en tirer des bénéfices.
-­‐
Dans les parties suivantes, nous allons donc nous pencher sur la révolution
technologique apportée par les réseaux sociaux et expliquer en quoi les réseaux
sociaux apportent une mine d’information pour le Big Data et les entreprises.
Nous nous pencherons ensuite sur les limites de l’apport en données via l’exemple
des réseaux sociaux d’entreprises.
28
http://www.latribune.fr/opinions/tribunes/20140226trib000817237/facebook-10-ans-de-big-data-.html
32
2.2 Une révolution technologique apportée par les réseaux sociaux
Les premières sociétés qui se sont équipées en technologie Big data ont été celles
des grands moteurs de recherche comme Google, Yahoo et Amazon. Pionniers du
Big Data, ces géants du web avaient besoin de cette technologie pour être capable
d’utiliser les grands volumes de données générés en temps réel.
Ces sociétés avaient un besoin en stockage et en analyse qui dépassaient les
capacités des systèmes informatiques classiques. Elles ont donc dû développer leurs
propres solutions Big Data et les ont gratuitement misent à disposition des
communautés de développeurs grâce à l’open-source (possibilités de libre
redistribution, d'accès au code source et de création de travaux dérivés).
Les grands réseaux sociaux comme Facebook, Twitter et LinkedIn ont également agi
dans ce sens et eux aussi ont été les pionniers dans la mise au point de ces
technologies Big Data.
La solution Hive a par exemple été développée par Facebook. Elle permet la
compression de données, le lancement de requêtes ad hoc (requête brute) et
l’analyse de volumes massifs de données.
La solution Hadoop, mise au point par Yahoo ! et lancée en projet open-source en
2007, sert au traitement des grandes données et permet de les traiter en parallèle
sur plusieurs serveurs.
Cette solution permet notamment de stocker du contenu structuré, semi-structuré et
non structuré et repose en partie sur MapReduce, un framework développé par
Google et qui permet l'exécution d'algorithme par la distribution de la charge sur
plusieurs nœuds de calcul.
Les solutions Big Data reposent en outre sur des systèmes de stockage de bases de
données nouveaux et différents des environnements classiques. Il s’agit ici de
systèmes NoSQL (not only SQL), des systèmes qui utilisent leurs propres langages
de requêtes et qui sont plus performants que le SQL traditionnel pour l'analyse de
données en masse (orienté clé/valeur, document, colonne ou graphe).
Selon une interview de Jean-François Marcotorchino, directeur scientifique de
l’activité Systèmes d’Information et Communication Sécurisée chez Thalès, les
33
réseaux sociaux tels que Facebook, LinkedIn ou Twitter ont développé la norme
NoSQL.
Cette norme technique qui est à la base des SGBD NoSQL, permet aux bases de
données d’avoir accès aux données disposées en mailles ou en réseaux. Ces
données
également connues
sous
le
nom
de
données
réticulaires
sont
indispensables au fonctionnement des réseaux sociaux et sont difficilement
exploitables par d’autres technologies.
Les solutions Cassandra, MongoDB, NuoDB, Couchbase et VoltDB sont des
exemples de systèmes NoSQL. Cassandra a d’ailleurs été développée par
Facebook.
Voici ci-dessous les différentes solutions développées pour ces grands acteurs des
données :
Acteurs
Solutions
Google
MapReduce, BigTable
Amazon
Dynamo
Oracle
No Database SQL
Yahoo !
Hadoop
Facebook
Cassandra, Hive
Twitter
FlockDB, Storm
LinkedIn
SenSeiDB, Voldemort
Figure 2. Les différentes solutions Big Data développées par les géants de la donnée
Nous pouvons donc affirmer que les réseaux sociaux, de par leurs besoins, ont
développé les technologies Big Data mais le Big Data et les échanges dans le
monde du développement web et de l’open-source ont également permis aux
réseaux sociaux de se développer.
34
2.3. Les réseaux sociaux, une mine d’informations pour le Big Data
Les réseaux sociaux sont une véritable mine d’informations. D’après l’agence digitale
Tiz, Facebook compte aujourd’hui 1,44 milliards d’utilisateurs actifs dans le monde29
(dont 26 millions en France). Ces utilisateurs de Facebook génèrent 4,5 milliards de
likes et 350 millions de photos par jour30.
Twitter en compte 302 millions dans le monde (dont 6,6 millions en France) et génère
tous les jours plus de 500 millions de tweets29,30.
Le nombre de données générées par ces utilisateurs est extrêmement volumineux et
ne cesse d’augmenter. Autant d’informations qui peuvent être utilisées par pour les
entreprises qui savent les exploiter.
Le réseau social professionnel LinkedIn compte quant à lui 93 millions d’utilisateurs
actifs (dont 6,6 millions en France).
Quant à Instagram, ce réseau social revendique avoir 300 millions d’utilisateurs
actifs31 aujourd’hui 200 millions d’internautes et génère au total 55 millions de photos
et de vidéos chaque jour32.
YouTube compte quant à lui 1 milliards d’utilisateurs actifs et 6 milliards d’heures de
vidéos vues par mois30.
D’après notre enquête, 89% des répondants likent du contenu (vidéo, photos, image,
texte, etc.) sur les réseaux sociaux et 70% préfèrent en publier. 33% des répondants
disent du bien d’une marque sur les réseaux sociaux et 26% en disent du mal.
Aux Etats-Unis, le trafic hebdomadaire de Facebook a dépassé celui du moteur de
recherche Google et le réseau social LinkedIn reçoit quant à lui chaque seconde une
nouvelle inscription.
29
http://www.blogdumoderateur.com/chiffres-reseaux-sociaux/
http://www.alexitauzin.com/2013/04/combien-dutilisateurs-de-facebook.html
31
http://blog.instagram.com/post/104847837897/141210-300million
32
http://www.wsi-franchiseb2b.fr/les-chiffres-cles-des-reseaux-sociaux-en-2015/
30
35
Nous ne souhaitons pas faire l’inventaire de tous les chiffres clés qui circulent ici et là
sur la toile. L’idée est de montrer via quelques exemples que les réseaux sociaux
délivrent un très gros volume d’informations.
Le nombre d'information échangé grâce aux réseaux sociaux devient exponentiel car
chaque individu peut réagir au contenu de l'autre et partager l'information à un autre
individu qui peut le faire à son tour.
Toutes ces interactions faites pas les utilisateurs génèrent des quantités
d’informations énormes. Les entreprises recherchent donc la possibilité de pouvoir
analyser de manière automatique tout ce que les internautes peuvent dire sur leurs
marques.
Cette possibilité attire l’attention des chefs d'entreprises et des équipes marketing qui
y voient le moyen d’avoir un feed-back perpétuel sur leurs produits et services mais
aussi sur la perception de leur relation clientèle.
Nous savons aujourd’hui que le groupe Disney a analysé au peigne les médias
sociaux grâce au Big Data, plus précisément grâce à la solution Hadoop, pour avoir
un état des lieux de sa e-réputation.
La start-up MFG Labs, spécialisée en stratégie digitale et en Big Data a créé une
solution permettant de repérer les lieux de destinations privilégiés en France après
avoir scruté les réseaux sociaux de partage de photos comme Flickr. Cette solution
est plus rapide et plus pertinente que les études ou les sondages auprès des
hôteliers.
IBM a lancé la solution Social Media Analytics, une solution permettant de décrypter
les messages laissés sur les médias sociaux. Cette solution peut donc permettre aux
marques de mieux comprendre les attentes des consommateurs.
La société IBM ne compte pas s’arrêter à l'utilisation commerciale et souhaite élargir
son usage à d’autres domaines. Ces domaines peuvent être la lutte contre la
pédophilie ou le terrorisme par exemple.
Le fonctionnement de la solution réside dans la transformation de la donnée brute en
stratégie opérationnelle efficiente et efficace.
36
Le logiciel est capable de traiter des millions de posts simultanément (tweets,
messages sur Facebook, commentaires de vidéos sur Youtube, etc.) à partir d’une
demande spécifique de l’utilisateur (spécification de la langue, des mots-clés et le
type de sources à scanner).
Il propose ensuite une cartographie de l’ensemble des mots-clés (positifs ou négatifs)
et permet à l’utilisateur de définir des seuils d’alerte.
La marque La vache qui rit a utilisé l’outil, elle en a tiré la conclusion que sur le
marché américain, son produit était vu comme étant un produit diététique. Bien sûr,
cette information était inédite pour La vache qui rit.
La marque est donc rapidement arrivée dans les rayons diététiques, ce qui a
entrainé une augmentation des ventes de 40 %.33
Henkel a quant à elle remarqué que ses produits cosmétiques Schwarzkopf
suscitaient beaucoup d’intérêts chez les adolescents alors que la cible classique était
les femmes actives de plus de 40 ans. La marque a donc modifié son packaging et
diminuer le prix de ses produits afin d’être en phase avec sa nouvelle cible.
Dans un autre domaine que le marketing, le concurrent Banjo, spécialiste américain
de l'analyse de données sur les réseaux sociaux, a levé 100 millions de dollars au
début du mois de mai de l’année 2015.
La société Banjo s’est spécialisée dans la détection d’évènements (catastrophes
naturelles, accidents, attentats, affluences dans un centre commercial, etc).
La solution de cette société est basée sur le parcours des réseaux sociaux pour y
révéler en temps réel des signaux qui peuvent être liés aux événements ciblés. Ces
évènements sont ensuite remontés à l'utilisateur. Plusieurs médias américains
l'utiliseraient déjà pour réaliser leur travail d'investigation.
Cela montre que les réseaux sociaux sont une source de données pas seulement
pour le marketing mais également pour des domaines plus larges. Ce sujet sera
développé en Chapitre III où nous verrons les différentes utilisations du Big Data.
33
http://www.laposte.fr/lehub/Que-permet-l-exploitation-des (url volontairement coupée).
37
2.4. Quid du réseau social en entreprise, faible générateur de données
Nous avons vu que les réseaux sociaux grand public apportent un grand nombre
d’informations et qu’ils représentent un réel avantage pour les entreprises si les
données sont couplés à une technologie Big Data maitrisée.
Les réseaux sociaux d’entreprises sont-ils aussi intéressant à utiliser ?
Le réseau social d’entreprise génère un grand nombre de données. Ce volume de
important de données déstructurées ne sont pas pour autant définies comme faisant
parties du Big Data.
Ce qui est différent avec les RSE (réseaux sociaux d’entreprise), c’est le volume
d’information qui est généré. Ces volumes ne sont pas aussi importants que les
données générées via les réseaux sociaux grand public et la vitesse de création de
ces données est faible. Ceci est dû à l’activité qui est plus faible.34
Les RSE ne seront donc pas toute de suite sources de données pour le Big Data
d’autant plus que la mise en place de ces systèmes est longue et demande des
compétences nouvelles et un réel engagement de la part de tous les collaborateurs
de l’entreprise notamment celui de la DRH qui n’est pas encore élevé à ce jour.35
Des compétences nouvelles sont également nécessaires afin d’encadrer l’utilisation
du Big Data.
Selon Jean Daries, directeur de l’identité digitale et co-directeur du réseau social
Plazza au sein du groupe Orange en 2013, le premier frein à la mise en place d’une
stratégie de RSE est la résistance au changement. Le second est celui de la
réticence personnelle (peur de se dévoiler, ne pas se sentir concerné, doutes sur
l’intérêt de la démarche, etc.).36
Cette sous-partie montre les limites du Big Data par l'utilisation des réseaux sociaux.
Elle est volontairement plus courte que les premières sous-parties car nous parlerons
des limites de manière plus développée en chapitre IV.
34
http://www.conseilwebsocial.com/index.php/2013/reseau-social-et-big-data/
http://www.debatformation.fr/editorial/les-reseaux-sociaux-dentreprise-a-la-lumiere-des-big-data
36
http://www.focusrh.com/strategie-ressources-humaines/logiciels-rh/autres/a-la-une/reseaux-sociauxdentreprise-atouts-limites-et-perspectives.html
35
38
3. Les enjeux du social CRM
Avec l’arrivée du web 2.0, des réseaux sociaux et du Big Data, de nouvelles
opportunités sont nées pour les entreprises qui souhaitent connaître davantage leurs
clients.
Le CRM s’est développé et a intégré de nouvelles sources de données. Plus tard, ce
CRM a incorporé les composantes du web (E-CRM) et commence aujourd’hui à
intégrer celles des réseaux sociaux.
Cela nous amène donc à nous interroger sur le CRM et plus particulièrement sur les
apports du Social CRM et étudier ses liens avec le Big Data.
3.1 Enjeux et contexte du CRM
D’après le site salesforce.com, le CRM (ou Customer Relationship Management),
c’est la gestion de la relation client et plus particulièrement, l'art d'optimiser les
interactions d’une entreprise avec ses clients et ses prospects37.
Le site Wikipédia offre une définition plus précise rapportée du spécialiste Jean-Louis
Tomas dans son ouvrage ERP et Progiciels de gestion intégrés publié en 2002. Le
CRM est selon lui l'ensemble des outils et techniques destinés à capter, traiter et
analyser les informations relatives aux clients et aux prospects, dans le but de les
fidéliser en leur offrant le meilleur service38.
Il est d’usage de donner pour exemple la relation entre un petit commerçant et ses
clients. La fidélité des clients est récompensée. Le commerçant connait en effet leurs
attentes et se trouve capable d’y répondre et d’anticiper les demandes.
Le premier objectif d’un CRM est donc de créer et de renforcer les relations avec les
clients afin de les fidéliser.
Le second est d’offrir des services à valeur ajoutée afin d’avoir un avantage
concurrentiel difficilement copiable. Le troisième est d’améliorer le développement
des produits et les processus de prestation de services.
37
38
http://www.salesforce.com/fr/crm/what-is-crm.jsp
http://fr.wikipedia.org/wiki/Gestion_de_la_relation_client
39
Le quatrième objectif et non l’un des moindres est de sensibiliser davantage les
employés aux besoins des clients tout en diminuant leurs frustrations. Ceci est
permis grâce à l’amélioration de la connaissance de ce dernier.
Le CRM est né bien avant l’arrivée de l’informatique et du marketing poussé apporté
par les Etats-Unis et leurs ventes de masse. Les commerçants utilisaient déjà le
CRM sans vraiment s’interroger sur ses mécanismes.
Dès l’Antiquité, la relation client individuelle était évidente et naturelle. Cette relation
a perduré tout au long de notre civilisation et les composantes du CRM étaient déjà
connues :
•
segmentation des clients selon la notoriété et l’échelle sociale
•
approche différenciée
•
mémorisation d’informations personnelles comme le goût
Ce CRM existait dans une interface unique : celle de l’Homme et se trouvait donc
limité à sa capacité de mémorisation, d’analyse et de prise de décision.
L’arrivée de l’ère industrielle a bouleversé ce CRM naissant et l’a en quelques sortes,
mis de côté. En effet, à l’époque, la tendance était de produire des produits de
masse à moindre coûts et de produire toujours plus et plus vite.
L’exemple de la Ford T au début du XXème siècle en est un bon exemple. Cette
voiture lancée par Henry Ford a été fabriquée en grande série, se voulait simple
d'utilisation, robuste et peu chère. L’usine Highland Park aux Etats-Unis produisait
déjà plus de 4 000 voitures par jour.
C’est dans les années 90 que le CRM moderne est né dû à une volonté forte de
fidélisation de la clientèle par les entreprises et à la mise sur le marché des premiers
éditeurs CRM.
C'est d'ailleurs en 1990 que les spécialistes Dawkins J. and Reichheld F.F. ont rendu
public l'affirmation selon laquelle acquérir un nouveau client coûte cinq fois plus cher
que de fidéliser ses clients existants.
40
Le CRM s’est vraiment développé dans les années 2000 avec l’arrivée avec le
développement d’Internet et la démocratisation de la micro-informatique dans une
vision plus large.
Nous l’avons vu, les nouvelles technologies ont rendu possible l’existence des
réseaux sociaux. L’arrivée de ces derniers a transformé le CRM et a apporté des
perspectives nouvelles de développement.
Aujourd'hui, les réseaux sociaux ont pris une place tellement importante dans la vie
des individus qu'il est primordial pour les entreprises d'y être présentes et d'avoir un
contact avec leurs clients.
De cette volonté est né le social CRM. Mais qu’est-ce que le Social CRM ?
Faire du social CRM, c’est intégrer les réseaux sociaux dans sa stratégie CRM. C’est
une nouvelle façon de gérer et d’aborder les clients. Le terme Social CRM ou SCRM
désigne donc une philosophie et une stratégie d'entreprise qui consiste à utiliser les
échanges sur les réseaux sociaux pour alimenter le système traditionnel de CRM.
L’objectif est de favoriser l’engagement des clients grâce à des conversations
collaboratives dans le but d'améliorer le support et la relation avec le client. Il permet
donc de déceler des opportunités de développement commercial.
La question reste bien sûr d’améliorer la satisfaction client, d’améliorer les ventes, de
réduire les cycles de vente et d’améliorer la communication avec le client tout comme
le CRM.
Au vu de la croissance et de l’omniprésence des réseaux sociaux dans l’utilisation
quotidienne des internautes, le SCRM ouvre un potentiel de champ d’action nouveau
et important.
Selon une étude du cabinet MC Kinsey présentée à l’occasion de l’assemblée
générale de la FEVAD, les réseaux sociaux jouent un rôle toujours plus grand dans
l’acte d’achat du commerce en ligne. La confiance des consommateurs et la
recherche d'informations sont liées à ce phénomène.
D'après Laurent Ridoux, directeur technique chez HP Enterprise Services : "Grâce
au multicanal, le CRM apporte une cohérence pour le client via une information
41
centralisée et partagée de ses interactions avec l'enseigne, en boutique, sur le web,
via le mobile, etc. Si le Web s'est naturellement intégré comme canal
supplémentaire, il en va autrement des réseaux sociaux. Ces derniers s'avèrent très
utiles comme mesure de la réputation des marques, ou du feedback après des
campagnes marketing ou de publicité, ou encore pour ajuster des offres en fonction
de commentaires et interactions avec les internautes. En revanche, l'anonymat ou
les pseudonymes utilisés rendent très complexe une intégration dans le CRM. Et les
informations non structurées ne simplifient pas les traitements."39 (Propos rapportés
du débat sur le CRM Social et la Big Data organisé par Le Club de la Presse
Informatique B2B en mai 2014).
Laurent Ridoux pointe du doigt des contraintes non négligeables à l'intégration du
social CRM : la fiabilité de l'information et le traitement des données non structurées.
Il ajoute que "capturer l'information ne suffit pas" et qu'il faut "parvenir à apporter un
minimum de structure pour réaliser des recoupements."
Selon lui, les réseaux sociaux permettent essentiellement à déterminer des
tendances mais les données récoltées valent de l'or car elles n'existent nulle part
ailleurs.
En outre, d'après Jean Charles Ravon, Data Scientist chez Teradata, la densité de
valeur des données issue des réseaux sociaux est très faible par rapport aux
données issues des bases de l'entreprise, il est donc nécessaire d'extraire les
bonnes informations grâce au Big Data.
L'utilisation du Social CRM dans les stratégies d'entreprises ne fait donc pas encore
l'unanimité. Son intégration doit se faire via l'utilisation d'un Big Data mature et des
techniques d'analyses cohérentes et solides.
L'enjeu est donc surtout technologique, la question est de savoir comment récupérer
les données issues des médias sociaux qui sont à 85% détenues par les géants du
web comme Facebook, Google et Twitter.
39
http://room.sfrbusinessteam.fr/article/social-crm-et-big-data-client-le-reprend-le-pouvoir-dans-larelation
42
3.2 Le client au centre de la relation
Le CRM et le Social CRM ne différent pas entre eux à cause de l’utilisation des
réseaux sociaux. Le Social CRM diffère du CRM traditionnel car il place le client au
centre de la stratégie de l’entreprise. Ce social CRM permet également de
transformer la vision du CRM, l’objectif n’est plus forcément de vendre mais de créer
une relation.
Dans cette vision, les réseaux sociaux sont considérés comme un medium qui peut
être utilisé pour développer une relation de confiance avec les consommateurs.
Le Social CRM, c’est une vision qui prône l’engagement du client pour la marque où
les clients peuvent être amenés à participer à la création de contenus et à ce qu’on
appelle le crowdsourcing (la communauté participe à la création du produit).
Utiliser les réseaux sociaux pour communiquer sur un bon de réduction n’est pas du
Social CRM. Cette action est assimilée au CRM traditionnel avec utilisation du canal
communautaire.
Avec le social CRM, le client est au centre de la relation. Les clients participent et
font le social CRM, ils définissent les processus et les supports sur lesquels une
marque va interagir avec eux.
Avec le développement du numérique, les comportements et les modes de
communication des clients ont été modifiés. Les clients sont devenus multicanal, plus
connectés et utilisent les médias sociaux pour entrer en contact avec les marques ou
rechercher des informations.
Ils interagissent entre eux, naviguent sur les blogs, les forums, s’informent,
échangent et donnent leurs avis. Le Web 2.0 et les réseaux sociaux leurs permettent
même de créer du contenu pour la marque et de définir avec elle l'offre produit
comme nous l’avons expliqué précédemment avec le crowdsourcing.
Burger King a par exemple lancé la campagne Beat the King au début du mois de
mai 2015. sur cette campagne, la marque propose avec humour que son directeur
générale prépare les whopper des clients en échange d'un like sur sa page
Facebook. Le but étant d'atteindre les 200 000 fans.
43
En 2010, la marque Vitaminwater a utilisé Facebook pour faire participer ses fans à
la création du parfum et du packaging de son futur produit. La page comptait à
l’époque plus d’un millions de fans soit 1 millions d’avis potentiels ce qui est un
chiffre non négligeable pour prendre une décision.
Plus exactement, les fans devaient choisir un parfum parmi 10 options et partager ce
parfum à un maximum d’amis et le mettre sur leurs murs afin d’être retenu dans le
top 10 des ingrédients finaux. Ensuite, les fans devaient concevoir le packaging de la
bouteille (choix de l’apparence, du texte, de la couleur de l’étiquette, etc.) et
pouvaient faire appel à l’un de leurs amis pour les aider dans la création.
Enfin, les fans avaient la possibilité de donner un nom au produit et le fans qui
trouvait le meilleur remportait la somme de 5000 $.
Cette opération a généré une augmentation du nombre de fans de la marque (+
174%). Plus de 40 000 recettes ont été proposées et il y a eu plus de 10 000 votes.
La boisson qui a été choisie a un goût Cerise noire et Citron et a été surnommée
« Connect » en relation avec le processus exclusivement social de la création du
produit. Cette boisson est désormais disponible aux Etats-Unis et en France.
Selon iStrategyLabs, en 2012, 80% des internautes dans le monde préfèrent se
connecter avec une marque via Facebook.
Tout cela montre que les internautes sont prêts à partager une relation plus forte
avec leurs marques et que des informations peuvent être dégagées des réseaux
sociaux afin de réaliser des choix stratégiques.
Cette démarche qui consiste à offrir la possibilité à un client d’interagir avec la
marque et d’être engagé présente deux avantages :
-­‐
cela crée un lien avec la communauté
-­‐
cela développe la fidélité chez des consommateurs qui sont de plus en plus
volatiles
Le Social CRM va donc permettre de placer le client non pas comme un acheteur
mais plutôt comme un partenaire pour les entreprises et apporte une dimension
conversationnelle et participative au CRM classique.
44
Chapitre III - Intérêt du phénomène « Big Data »
45
1. Les apports
Le véritable enjeu à partir de maintenant pour les entreprises est de pouvoir utiliser
de façon intelligente cet énorme volume de données disponible, grâce à Internet et
aux réseaux sociaux en majeure partie, afin de multiplier l'impact et le retour sur
investissement de toutes leurs campagnes marketing.
Afin d'y arriver, on voit apparaitre une nouvelle notion, le data marketing.
C'est la solution pour faire face et réussir à exploiter toutes ces données.
Le data marketing ou marketing de données est une approche novatrice qui va
rendre possible la collecte, le traitement et l’analyse simultanée et en temps réel de
milliards de données provenant de sources différentes.40
L'objectif final est de mettre en place de façon personnalisée et performante de
nouvelles actions de communication et de marketing.
Dans ce chapitre, nous allons mettre en avant les nouveaux moyens marketing que
va permettre l'exploitation des Big Data, aussi bien pour les consommateurs que
pour les entreprises que pour sa communication et ainsi répondre à notre première
hypothèse « Les réseaux sociaux permettent de mieux connaître ses propres clients
et donnent des informations qualitatives sur ces derniers » et notre troisième
hypothèse « Le Big Data permet de mieux comprendre le comportement des clients
car il apporte une analyse comportementale en temps réel des consommateurs ».
40
http://www.makazi.com/wp-content/uploads/2013/10/Makazi-livre-blanc-du-data-marketing.pdf
46
1.1 Des moyens marketings de plus en plus inédits
1.1.1 Percevoir les tendances des marchés qui feront l’avenir
Dans un climat économique d’incertitude générale il est nécessaire pour toutes les
entreprises de découvrir avant leurs concurrents de quoi sera fait demain et ce qui se
vendra le mieux et au meilleur prix.
Grâce à la collecte d'un grand nombre de données provenant de différentes sources
puis à leur analyse, les entreprises sont désormais capables de déceler bien des
secrets sur nos besoins et nos envies que nous n'exprimons pas clairement mais qui
ne demandent qu'à être comblés.
C’est par exemple le cas de Netflix, ce nouvel entrant sur le marché français de la
VOD (Vidéo à la demande) qui arrive avec un puissant algorithme qui permet d'offrir
aux utilisateurs des films et des séries qui ont de très fortes chances de leur plaire
puisque ces propositions se basent sur les dernières vidéos visionnées et les
historiques de connexion et de recherche.
Netflix utilise donc le Big Data afin de mieux connaitre ses utilisateurs en enregistrant
toutes leurs actions, que ce soit les heures de connexions, le type de terminal utilisé
mais aussi les pauses dans les films, les lectures rapides, les retour en arrière etc.
Cela va permettre de proposer un contenu qui aura de fortes chances de plaire.
Mais pas seulement, puisque Netflix va beaucoup plus loin, l'entreprise réalise grâce
à toutes les données collectées et analysées, ses propres séries en fonction des
attentes précises de ses abonnés.41
Prenons pour exemple la célèbre série House of Cards, elle provient de l'idée de
créer un remake d'une série politique des années 90. Pour cela elle a déterminé
quels acteurs seraient les mieux placés grâce aux films politiques et à suspens les
plus remarqués : Kevin Spacey est donc devenu l'acteur principal et David Fincher le
41
http://www.archimag.com/vie-numerique/2014/09/22/netflix-big-data-cr%C3%A9er-series-goutspublic
47
réalisateur. Le directeur de la communication de Netflix à déclaré au magazine Wired
en 2012 : "Nous savons ce que les gens regardent sur Netflix et nous sommes en
mesure avec un haut degré de confiance de deviner quelle sera l'audience d'un
programme grâce à la visualisation des habitudes des gens".
Le Big data va ainsi permettre de dénicher de réelles pépites.
Mais si du côté des clients, cela va permettre d'améliorer leur expérience en leur
offrant la possibilité de trouver ce qu’ils vont aimer sans avoir besoin de le chercher.
Le temps de visite des sites e-commerce risque de baisser et par conséquent cela va
réduire les ventes de produits "coup de cœur" sur lesquels ils seraient tombés au fil
de leurs recherches.
Il faudra donc attendre de voir sur le long terme s’il est plus rentable de donner
directement au client ce qui l'intéresse afin de satisfaire ses envies, ou s’il reste plus
intéressant de le laisser chercher lui-même afin de dégager des ventes
additionnelles.
48
1.1.2 Analyser la marque et le ressenti sur les réseaux sociaux
Les études, les analyses et les statistiques, autant de chiffres et de données qui
permettent de comprendre les attentes des clients et la maturité d’un marché.
Sur les réseaux sociaux comme Facebook ou Twitter, il y a toujours plus de
messages, de commentaires, de likes, de partages, ce qui démultiplie les
informations, les avis mais aussi les détournements.
Il faut savoir que la notoriété d'une entreprise ou d'un produit est coûteuse à créer,
mais la perception de ce même produit ou de cette même entreprise est encore plus
coûteuse à entretenir. C'est pour cela que les entreprises doivent être en veille
permanente sur les réseaux sociaux afin de discerner les signes d’une mutation dans
la perception de leurs produits ou entreprise.
L’analyse de ces sentiments correspond à l’évolution des outils technologiques à
notre portée. L'essor du web 2.0 a créé un grand intérêt pour ces nouveaux outils qui
vont permettre d’analyser sur le web et les réseaux sociaux des sentiments, grâce à
un système de notation, en fonction de la tendance qui peut être positive, négative
ou neutre.
Grâce à cette mesure quasiment automatique et très précise, l'entreprise peut
prendre en compte et analyser les besoins de sa cible et sa réputation en ligne en
temps réel et par la suite cela va lui permettre d'adapter sa stratégie marketing.
Pour étayer nos propos, nous allons grâce à l'aide d'Éric Martin, en charge de l’offre
"Social Media Analytics" chez IBM vous présenter le logiciel d'IBM qui permet
d'analyser très rapidement un grand volume de messages en provenance de
Facebook, Twitter mais aussi des plateformes vidéo, forums et flux RSS.42
42
www.zdnet.fr/actualites/big-data-quand-ibm-decrypte-les-messages-sur-les-reseaux-sociaux.htm
49
Pour commencer, le logiciel d'IBM sollicite l'utilisateur afin de régler une langue, des
mots ou expressions et le type de sources qu’il souhaite balayer. Ensuite, celui-ci
repère toutes les utilisations de ces mots clés sur internet, que ce soit de manière
positive ou négative. Il observe en parallèle l’architecture des phrases, la grammaire,
les abréviations, les sentiments qui se dégagent le plus, les smileys, les liens, les
partages etc. Le logiciel d'IBM est capable de comprendre plus de 85% des posts,
aussi bien voir mieux que si nous effectuions un travail manuel.
Une fois l'analyse terminée, est venue le temps des résultats. Tout d'abord, le client
peut définir des seuils d’alerte, par exemple il peut être alerté si le nombre d’opinions
négatives sur un produit dépasse les 20%. Le Dashboardx du logiciel d'IBM détaille
la structure de l'analyse, il est par exemple possible de compter le nombre de fois où
les gens ont évoqué certaines caractéristiques comme le prix ou le service aprèsvente. Mais aussi le nombre d’opinions positives ou négatives.
Pour terminer, le logiciel met en avant différents profils en distinguant : les socio
types (CSP), le sexe, la région géographique etc.
En moyenne, le logiciel a besoin de deux heures pour rafraichir toute l’analyse.
Lorsqu’elle est réalisée de manière habile, l’écoute des réseaux sociaux permet de
découvrir des informations clés, que ce soit au niveau de l’entreprise en elle même,
ou de l’avenir de son marché.
Ces analyses et découvertes permettent aux entreprises de rester en phase avec
leurs clients et prospects, mais aussi de découvrir avant les autres les futures
tendances du marché.
50
1.1.3 Prédire l’intention d’achat
Le Big data et les nouvelles technologies de prédiction permettent dés aujourd'hui de
prédire ce que nous ne pouvions savoir jusqu'à maintenant : l’intention réelle d’achat.
Le Big Data et son analyse vont donc permettre d'identifier les futurs clients qui se
cachent derrière les prospects actuels.
Il va nous permettre de comprendre la complexité du parcours client et du parcours
d'achat, afin de leur proposer le produit ou service qu'il désire avant même qu'il ne le
cherche.
Grâce à toutes les données récoltées sur les réseaux sociaux et internet, puis
analysées grâce à des outils spécifiques au Big Data, les entreprises vont pouvoir
prédire rapidement et facilement quels consommateurs et prospects sont les plus
susceptibles de conclure leurs achats.
Mais on peut aussi prédire les comportements dans les enseignes physiques grâce à
diverses technologies, mais la principale se nomme Fidzup.43
Fidzup va permettre aux commerçants d'étudier les visiteurs et clients, savoir ce
qu’ils achètent, quels rayons ils visitent, devant quels types de produits ils restent le
plus longtemps, etc. La seule condition c'est que le Bluetooth des téléphones des
clients soit actif, pas besoin de télécharger une application ou de toucher à son
téléphone.
Tout est transparent pour le client qui n'est d'ailleurs pas au courant qu'il est étudié.
Cela reste autorisé dans le cadre légal car Fidzup ne communique pas de données
personnelles, ni d’informations sur le profil des clients analysés, il fournit simplement
des pourcentages, des zones froides ou chaudes dans le magasin, et des
informations permettant d’améliorer le merchandising et la communication.
43
http://lab.vente-privee.com/suivez-vos-clients-en-boutique-avec-fidzup
51
Fidzup estime à 40% le nombre de clients suivis en point de vente et nous permet
donc d'obtenir la fréquence et la durée des visites, les parcours clients exacts dans le
magasin, les rayons visités etc.
Grâce à cela, Fidzup va permettre aux commerçants de mieux connaitre leurs
clients, et pouvoir prédire la récurrence des achats afin de pousser à l’achat à une
période prédéfinie en envoyant par exemple une notification Push aux clients
pendant qu’ils sont dans un certain rayon mais aussi suggérer des produits.
D’après une interview de Shashi Upadhyay, CEO de l'entreprise Lattice, spécialisée
dans les logiciels de prédiction d'achat et d'analyse des comportements des
consommateurs sur internet, le "Big Data et les analyses de prédiction devraient
donc se positionner comme les prochaines technologies de pointe pour le
marketing". 44
Il y a également une étude menée par CSO Insights qui a démontré que "la
combinaison de l’utilisation du Big Data et d’analyses de prédictions, en aidant les
entreprises à augmenter leurs revenus, pourrait être la solution à adopter".
Ces nouvelles technologies et utilisations du Big Data vont permettre de grandement
diminuer une partie du fossé qui existait jusqu'à maintenant entre les attentes du
service commercial et ce que le service marketing délivrait en termes de prospects et
de futurs clients.
44
http://www.lesechos.fr/tech-medias/hightech/predire-le-comportement-de-chaqueconsommateur.php
52
1.2 La fidélisation et l’attraction de nouveaux consommateurs
La fidélisation, c'est créer, installer et gérer sur le long terme une véritable relation de
confiance avec ses clients dans l'optique de valoriser et développer son entreprise.
Pour renforcer sa position sur le marché et ainsi rester compétitif et préserver sa part
de marché sur le long terme, la fidélisation est très importante pour les entreprises
mais aussi pour les clients.
Pour fidéliser tous leurs clients, les entreprises ont à leur portée un grand nombre de
leviers. Les CRM, les programmes relationnels, les réseaux sociaux, le service client,
etc. il y a beaucoup d'outils divers et variés et ceux-ci vont bien au-delà du simple
programme relationnel.
Aujourd'hui, les données récoltées par les entreprises sur leurs clients représentent
un nouvel outil de fidélisation grâce à l'arrivée du Big data. Une prise en compte
optimale de ces données et un traitement rapide va permettre de s'adapter
facilement aux différents comportements des consommateurs.
Le fait d'apporter des données autres que celles recueillis par l'entreprise en interne,
comme par exemple la géolocalisation via les réseaux sociaux et les signaux GPS,
les données météo en temps réel, mais aussi les états des stocks en temps réel et
les recommandations des amis du prospect sur Facebook, vont permettre à
l'entreprise de vraiment personnaliser les offres proposées à ce client et ainsi les
rendre beaucoup plus attractives.45
Car, si aujourd'hui le consommateur accepte de donner beaucoup d'informations sur
lui, il s'attend en échange à ce qu'on lui propose plus de services et d'offres en
tenant compte de ses habitudes d'achat et de son engagement avec la marque.
45
http://www.grenier.qc.ca/chroniques/3940/la-fidelisation-grace-au-big-data
53
Au final, l'objectif pour les entreprises est de récolter des informations sur l'historique
client, les classer et en faire ressortir des modèles prédictifs.
Cette stratégie prend tout son sens quand on regarde les résultats que cela permet
d'obtenir, même si il faut regarder ces chiffres avec un certain recul, ceux-ci s’avèrent
exacts dans une grande majorité d’entreprises et de secteurs :
•
20% des clients assurent 80% du chiffre d’affaires
•
10% des clients représentent 90% des profits
•
5% d’augmentation de la fidélité accroit les profits de 25 à 55%
•
1 client très satisfait en parle à 3 personnes de son entourage46
D'après une étude publiée en Février 2015 par l’éditeur Turn, en collaboration avec
Forbes Insights, "le marketing piloté par les données dope la fidélisation du client".
Et on sait bien qu'à l'heure actuelle, la fidélisation des clients est sans aucun doute la
principale clé du succès pour les entreprises car celle-ci coûte moins chère que
l’acquisition de nouveaux clients et est beaucoup plus efficace lors de l’envoi de
promotions ou d’actions marketing !
46
Deloitte Consulting -­‐ 2015 -­‐ Spécial Consommateur 54
1.3 À quelles fins les fonctions marketing s’imprègnent-elles du phénomène ?
Aujourd'hui dans toutes les entreprises, les services marketing utilisent la technologie
Big Data dans une optique simple : connaitre au mieux chacun de leurs clients,
améliorer la relation qu'elles entretiennent avec eux et augmenter leurs chiffres
d'affaires respectifs.
Cela justifie notre première et troisième hypothèse, puisque les données récoltées
sur Internet et sur les réseaux sociaux permettent aux entreprises de mieux
connaître leurs clients et de comprendre leurs démarches en temps réel.
Les entreprises et logiciels spécialisés dans les analyses Big Data et le nombre de
données à extraire, structurer, et exploiter ne manquent pas aujourd'hui mais il faut
maintenant exploiter au mieux des infrastructures et se tourner vers le Small & Smart
Data, c'est-à-dire vers des interactions personnalisées avec les clients, un véritable
marketing one-to-one.47
47
http://www.journaldunet.com/ebusiness/expert/56953/le---big---data-marketing---quels-beneficespour-les-annonceurs-et-pour-le-consommateur-final.shtml
55
2. Une approche "one to one"
Depuis la fulgurante explosion de l'utilisation des réseaux sociaux, des ordinateurs,
des téléphones portables, et de toutes les nouvelles technologies d’interaction
comme les montres intelligentes, les relations qu’entretient une marque avec ses
clients ont beaucoup changé et vont continuer à se transformer ces prochaines
années.
Il n’est plus seulement question de différentes catégories de clients, mais plutôt
d’une multitude de clients uniques pour lesquels l'entreprise adapte son offre.
Pour les entreprises proposant de la vente en ligne, le Big data est une étape
importante dans la connaissance de leurs clients et la meilleure façon de
personnaliser cette relation.
Dans cette partie, nous verrons comment le Big Data va permettre une réelle
interaction personnalisée avec les clients, ainsi que les nouvelles méthodes de
marketing que cela va permettre de mettre en place, nous terminerons par les
nouveaux métiers que le Big Data va créer.
56
2.1 Interaction personnalisée
Avant la naissance du Big Data, les décideurs des services marketing des grandes
entreprises devaient habituellement choisir entre la rapidité d’action et la pertinence
au niveau du contenu du message. Cela avait pour conséquence une automatisation
complète au niveau de la création des différents contenus, qui avait pour but de
raccourcir le délai d’action mais qui malheureusement entrainait une baisse au
niveau de la pertinence des messages.
Est ensuite arrivé et s'est rapidement imposé, la nouvelle stratégie du "one-to-many"
en remplaçant du "one-to-all". Cette nouvelle approche marketing avait pour but
d'envoyer des messages adaptés au minimum et à une base de contacts très peu
segmentée.
Cette approche "one to many" n'est donc toujours pas optimale, puisque les
internautes attendent un contenu approprié à leurs attentes d’après une étude du
JournalduNet de Novembre 2014 sur 17.234 internautes. On sait maintenant que
plus le message sera personnalisé, plus il sera lu et intéressera l’utilisateur…
Le marketing "one to one" est aujourd'hui une réalité grâce à l'avènement du Big
Data. Il est maintenant possible d‘intégrer des campagnes de communication avec
des règles de recommandation dans les moteurs d’e-mailing, c'est-à-dire que ces
emailings se construiront en fonction des informations détenues sur les clients
potentiels.48
Par exemple, si pendant une semaine vous recherchez des vacances pour le mois
d'Aout dans le Sud de la France, lors de la prochaine newsletter de Booking ou
Partirpascher vous êtes sûr de recevoir des informations pour le mois d'Aout et sur le
Sud de la France. On n'essayera pas de vous envoyer au bout du monde si vous
n’avez montré aucun intérêt pour les pays lointains lors de vos dernières recherches.
48
http://www.marketing-professionnel.fr /big-data-marketing-comment-nourrir-personnalisationrelation-client.html
57
Il s’agit ici d’exploiter la puissance du Big Data au service d’un marketing
personnalisé qui se met en place tout seul et au bon moment. Ces recommandations
et cette communication personnalisée et déclenchée au moment opportun vont
permettre aux entreprises de renforcer leurs avantages concurrentiels respectifs tout
en se créant de nouvelles opportunités.
Attention, la stratégie "one-to-one" ne doit pas servir simplement à la mise en place
de ventes croisées et aux recommandations de produits pour les internautes.
Toutes les entreprises doivent dés à présent l’utiliser pour mettre en place une
relation totalement personnalisée avec leurs clients. Ces derniers doivent être
considérés de manière individuelle en fonction de qui ils sont, et en fonction de ce
qu'ils cherchent car aujourd’hui c’est ce que les internautes attendent des
entreprises : des contenus en rapport avec leurs besoins au risque de se voir éjecter
dans les boites de spams et supprimer de ses boutiques préférées.
Par exemple, deux personnes qui vont regarder la même émission de télévision en
replay via leurs smartphones ou leurs tablettes verront s'afficher des publicités
différentes en fonction de leur profil respectif.
De même, une personne qui arrive dans un centre commercial avec un profil
correspond à une marque présente dans ce même centre pourra recevoir un SMS ou
une notification Push d'une des ses applications afin de créer du trafic en boutique.
Le marketing "one-to-one" et ses actions personnalisées remettent en question le
raisonnement qui se basait sur des moyennes nationales pour enfin s’intéresser aux
phénomènes
individuels
et
offrir
ainsi
tellement
plus
de
possibilités
de
communication et par conséquent de ventes supplémentaires, ce serait vraiment
dommage de ne pas les exploiter !49
49
https://www.emarsys.com/fr/wp-content/uploads/sites/3/2014/03/Du-Big-Data-au-marketingop%C3%A9rationnel.pdf
58
2.2 Nouvelles méthodes
Qui dit nouvelle approche marketing, dit forcément nouvelles méthodes de
communication auprès des clients.
Aujourd'hui, la géolocalisation semble indispensable à l’utilisation des réseaux
sociaux, c'est pourquoi chacun d'entre eux propose de se géolocaliser en même
temps que l'on partage du contenu, comme par exemple Instagram sur chacune de
nos photos, ou Facebook sur chaque post et/ou photos. Il existe même certains
réseaux dédiés à la géolocalisation comme Foursquare.50
Cette nouvelle tendance s’explique en grande partie par l’explosion de l'utilisation
des smartphones. Si l'on prend Facebook par exemple, il faut savoir que près de
70% connexions se font à partir d'un téléphone portable.
Le marketing géolocalisé, comme son nom l'indique, consiste à utiliser la
géolocalisation de l'internaute ou du mobinaute pour lui envoyer une offre dédiée en
fonction du lieu où il se trouve et ainsi maximiser les chances de voir la
communication se transformer en un achat ou une visite en boutique en fonction des
objectifs recherchés.
La régie publicitaire de l'opérateur SFR propose par exemple son propre service de
marketing géolocalisé, par exemple, lorsqu’on arrive à proximité d'un point de vente,
on reçoit automatiquement un SMS nous invitant à nous rendre en boutique afin de
bénéficier d'une promotion qui nous est dédiée.
Le principal avantage c'est qu'un SMS est lu 12 à 14 fois plus qu'un email … Et puis,
le message est court et impactant, il est personnalisé, indique la proximité
géographique et est envoyé pendant les horaires d'ouverture de la boutique.51
50
http://www.atelier.net/trends/articles/geofeedia-prend-parti-une-analyse-big-data-centregeolocalisation_431833
51
http://lentreprise.lexpress.fr/marketing-vente/optimiser-ses-forces-de-vente-avec-lageolocalisation_1514875.html
59
De grandes marques font déjà appel à ce type de service, comme La Fnac, Sephora,
Sony, Adidas, Carrefour et Buffalo Grill. C'est un service qui a permis à certaines
entreprises d'observer une amélioration de plus de 5% de leur chiffre d'affaire
mensuel sur les 3 premiers mois !52
On observe également l'apparition en masse du retargeting. Tout d'abord, on sait
tous qu'il n'y a rien de pire que de devoir sans cesse relancer un contact, et les
emails automatiques sont en pertes de vitesse avec des taux d'ouvertures de plus en
plus bas même si il reste numéro 1 en terme de retour sur investissement car il est
très économique. D’après une étude de l'Association du Marketing Direct publiée en
2014, l'e-mailing a un retour sur investissement moyen de 4.3 % pour les entreprises
soit la meilleure de tous les types de communication qui peinent à dépasser 3,5%.
Le retargeting est vraiment très intéressant pour éviter de devoir faire de nombreuses
relances. L'idée est simple, à l'aide d'un code de traçage de votre IP, d'un cookie ou
les deux suivant les sites visités, vous allez être tracé par une solution comme celle
que propose Critéo, la société française numéro 1 au monde concernant le
retargeting, qui va retracer votre profil mais surtout vos visites et intérêts sur internet
dans les derniers jours.53
Selon le profil, une action va être automatiquement déclenchée, cela peut aller de
l'affichage d'un pop up sur votre écran, l'envoi d'un email automatique ou d'un
courrier à votre domicile, jusqu'à la relance téléphonique via un centre d'appels.
Grâce au retargeting on est déjà dans l’entonnoir de vente, et le Big Data nous
permet d'avoir un regard beaucoup plus large sur chacun de nos prospects.
Deux chiffres à retenir sur cette technologie tirée du Big Data d'après des études
Forrester Research : une publicité diffusée sur Facebook et retargetée va obtenir 38
fois plus de clics qu'une bannière Google Adsense et les mails retargetés vont
générer 4 fois plus de revenus et 18 fois plus de bénéfices qu'un emailing classique.
52
http://www.webmarketing-com.com/2015/04/03/36983-big-data-5-exemples-de-son-utilisationmarketing.dpuf
53
http://www.webmarketing-com.com/2015/02/04/35227-tout-savoir-sur-leretargeting#sthash.vhZJNbEK.dpuf
60
2.3 Nouveaux métiers
Selon le cabinet de conseil américain Gartner, les "Big data" devraient créer avant la
fin 2016 plus de 4 millions d'emplois dans le monde. Cette mine d'or ouverte au
monde entier et les rumeurs les plus folles sur les salaires des rares experts valent à
ce secteur le surnom de "nouveau pétrole".
Tous les métiers de la direction Marketing sont en train d’être impactés par ce
phénomène mondial, sans exception ! C’était déjà en cours depuis quelques années,
mais aujourd'hui plus moyen de faire du marketing sans s’intéresser de près aux
données, à la façon de les collecter, les enrichir et les exploiter.
Des fonctions inconnues se créent et prennent une place considérable : les
statisticiens d'hier deviennent les « Data Scientist » d'aujourd'hui et leur rôle est
essentiel pour la compréhension du Big Data.54
Dans le monde entier, aussi bien aux États-Unis qu'en France, ce nouveau besoin
pour des spécialistes "Big data" n'a pas du tout été anticipé.
Et contrairement à ce que l'on pourrait penser et ce que l'on peut lire dans certains
articles de presse, le métier de data scientist n'est pas le seul profil très recherché
par les entreprises.
Selon Reda Gomery, directeur du cabinet d'audit et de conseil Deloitte, les
entreprises devront recruter quatre profils distincts : le data scientist, le chief data
officer, le data protection officer et le master data manager. Chaque poste ayant une
fonction très précise.55
Le Data Scientist doit être capable de trouver les données les plus pertinentes et les
assembler entre elles avec des algorithmes afin de créer des informations utiles.
54
55
http://www.maddyness.com/emplois/2014/03/31/big-data-marketing-metier
http://www.journaldunet.com/solutions/analytics/metier-big-data-data-scientist.shtml
61
Alors que de son côté, le Chief Data Officer doit diriger la collecte des données et en
organiser l'analyse avec les autres services, tout en faisant respecter la loi en ce qui
concerne l'usage de ces données.
Le Data Protection Officer est quant à lui dédié à la gestion et à la protection des
données personnelles qui sont stockées et utilisées par les entreprises.
Enfin, le Master Data Manager est un expert des données de base, c'est-à-dire des
références produits, catalogues, fournisseurs, mais aussi les normes et les
règlements.
Selon Stéphan Clémençon, maître de conférences à Télécom Paris Tech et grand
spécialiste des statistiques, qui reçoit un grand nombre de demandes de stage
chaque jour provenant de grands groupes et de PME innovantes : "Nous formons
quelques dizaines d'étudiants qui ont le profil recherché, il en faudrait cent fois plus !
La France a une carte à jouer sur la scène mondiale des "Big data", car elle a
toujours formé de bons mathématiciens."
Maintenant c'est aux Directions Générales de bien saisir l’impact du Big Data sur
leurs organisations, leur stratégie et leurs process… la vraie révolution du Big Data
passera aussi certainement par là.
62
Chapitre IV - Les limites du Big Data
63
1. Sécurité, hiérarchisation et éthique
La sécurité des données est un enjeu majeur du Big Data aussi bien pour les
entreprises que pour les internautes et consommateurs.
Les entreprises vont devoir mettre en place des systèmes leurs permettant de
classer et de hiérarchiser leurs données sans oublier l'aspect sécurité qui est
primordial. La menace d’un piratage informatique, et d'un vol de données massive
est toujours présente. Récemment on a eu le piratage et le vol de données
personnelles de plus de 10 millions d'utilisateurs et de 13 giga-octets de
photographies sur le réseau Snapchat par exemple, mais on a aussi eu des
piratages importants chez Playstation, Sony, Facebook, Skype et bien d'autres.
"La meilleure prévention c’est la technologie", d'après le président de Digital &
Ethics, Paul-Olivier Gibert.56
Une des principales limites à l'évolution du Big Data va être la hiérarchisation des
données car celle-ci va permettre de les simplifier au maximum et de produire un
résultat qui sera utilisable par les services marketing et communication en temps réel
le tout de manière réellement sécurisé.
La hiérarchisation des données demande avant tout de réfléchir à propos de la
valeur de chacune des données récoltées mais aussi du type de résultat que l’on
souhaite obtenir.
D'un point de vu conceptuel, on va déplacer de façon automatique les données les
moins utilisées par les analyses Big Data (les données froides) vers les parties de
stockages à haute capacité (les moins coûteuses) et on va garder les données les
plus utilisées (les données chaudes) sur les parties de stockage à hautes
performances (les plus coûteuses).57
56
http://www.journaldunet.com/solutions/expert/56337/croissance-des-donnees---misez-sur-lautomatisation-de-la-mise-en-cache--la-hierarchisation-et-le-tuning-du-stockage.shtml
57
http://www.sfds.asso.fr/ressource.php?fct=ddoc&i=1790
64
Il y a plusieurs types de valeurs pour les données stockées, tout d'abord la valeur
peut se donner en fonction du type de contenu, c'est-à-dire un clic signifie un
avancement, que quelque chose nous intéresse ou alors que nous faisons demi-tour
pour retourner à la page précédente ou que nous validons un paiement. Elle peut
aussi se donner en fonction de la redondance, de la diversité et de la qualité, ou
alors tout simplement en fonction de la qualité et de la quantité des échanges qu'elle
a permis de créer.
Cette hiérarchisation est quelque chose d'indispensable pour les entreprise qui
souhaitent exploiter au maximum leurs données, mais cela reste quelque chose de
compliqué à mettre en place techniquement car il faut des moyens financiers
conséquents, des moyens technologiques imposants et un savoir-faire encore peu
disponible.
C'est avec ce classement et cette hiérarchisation intense de toutes les données que
l'on a vu naître une dimension éthique dans le Big Data.58
Pour comprendre cette dimension éthique qui s'installe et freine le développement du
Big Data dans certains secteurs, nous allons examiner un cas particulier, à savoir les
données médicales.
Les données médicales sont d'un côté la propriété des patients, puisqu'elles
contiennent des informations sensibles et personnelles, et ont donc besoin d'être
protégées mais de l'autre côté il y a la statistique épidémiologique qui est utile à
l'ensemble de la population mondiale et permet d'anticiper les épidémies et
d'analyser les transmissions de certaines maladies.
58
http://www.sfds.asso.fr/385-Les_enjeux_ethiques_du_Big_Data_opportunites_et_risques
65
Un traitement Big Data et éthique de ces données sensibles et personnelles peut
être réalisé en suivant quatre principes mis en place par Tom Beauchamp et James
Childress dans leur livre Principles of Biomedical Ethics (2001).59
§
La bienfaisance, car le fait de donner un accès à ses propres données
personnelles c'est une aide concrète apporté à autrui, nos données vont donc
être utile et bénéfique de manière rapide.
§
L'autonomie, c'est-à-dire que c'est à chacun de déterminer s'il donne un accès
à ses données, le libre arbitre est donc total et permet d'impliquer les patients
dans un processus de décision positive.
§
La non malfaisance, qui va permettre d'éviter un mal et donc de ne pas en
être responsable s'il survient.
§
La justice, car entre patients on a le droit aux mêmes soins, mais aussi aux
mêmes informations, ressources, temps, argent, énergie, etc.
Avec un traitement éthique de ces données sensibles, le classement et le tri
s’effectue en fonction de l’importance des données. Le fait de ne fournir que les
données qui nous intéresse et qui seront réellement utile va permettre une utilisation
et un accès plus efficace, avec une plus grande sécurité.
Cette hiérarchisation sélective et éthique des données va créer une limite
technologique au niveau de la complexité des données ainsi que de la difficulté
d'accès pour les utilisateurs. Il va ainsi falloir créer de nouveaux algorithmes sur le
principe de l’ethical data mining.
59
http://www.paristechreview.com/2014/12/22/big-data-ethique/
66
2. Les risques juridiques
Les internautes sont les premiers créateurs de données, alors il vaut mieux éviter de
les inquiéter quant aux traitements et à l'utilisation de leurs données. Mais gardons
en tête la célèbre phrase "Si vous utilisez un service gratuit, vous n'êtes plus le client,
vous êtes le produit" avant de parler des risques juridiques pour les entreprises.60
Tout d'abord, il faut distinguer les données privées et les données publiques :61
§
Les données privées, qui représentent environ 70% des données du Big Data
d'après le livre " Big Data - La révolution des données est en marche"62 sont
créées par des entreprises ou des particuliers et appartiennent à la vie privée
d'individus précis. Personne ne peut se les approprier librement et certaines
instances juridiques veillent à cela afin de luter par exemple contre la
concurrence déloyale, la violation du secret de fabrique (article L.621-1 du
code de la propriété intellectuelle), la contrefaçon ou la protection de la vie
privée.
La loi n° 78-17 du 6 janvier 1978 appelé aussi la loi "Informatique et libertés"
encadre la collecte et l’utilisation des données à caractère personnel.
La loi n° 98-536 du 1er juillet 1998 ajoute une protection supplémentaire pour
les particuliers en leur permettant de s’opposer à une réutilisation de leurs
données à des fins commerciales.
La directive 2009/136/CE, du 24 août 2011 encadre l’utilisation de cookies
(reconnaissance du principe de « l’opt-in »).
§
Les données publiques font parties quant à elles de l'open data et sont libres
d'utilisation par des tiers grâce aux licences ouvertes qui l'autorise sans
conditions préalables. Dans ces données publiques, on compte des centaines
de bases de données en provenance des 27 pays de l'Union Européenne.
60
www.journaldunet.com/ebusiness/expert/55180/big-data---enjeux---risquesjuridiques.shtml
MARINO L - "le big data bouscule le droit" RLDI Droit de l’immatériel n°99 p.55-58
62
KENNETH CUKIER - "La révolution des données est en marche" p.9
61
67
L'utilisation des bases de données privées est donc très encadré et c'est pour cela
que le cabinet Boston Consulting Group et le cabinet d’avocats DLA Piper ont
déclarés63 que l’exploitation du Big Data peut fortement exposer l’entreprise à des
risques juridiques qui sont d'ailleurs beaucoup trop souvent sous-estimés par les
directions des entreprises.
Le Big data va dès à présent modifier nos relations avec le droit français puisqu'il
est d'un côté profitable pour les opérateurs économiques qui vont souhaiter l'exploiter
au maximum quitte à enfreindre certaines lois et de l'autre potentiellement néfaste
pour les individus qui mettent en jeu leur vie privée.
Ces données qui ont été récoltées et qui devaient rester anonymes vont devenir à
cause du recoupement, des données personnelles permettant d'identifier facilement
leur auteur, et c'est à ce moment précis que la base de données Big Data et les
analyses qui s'en suivent vont enfreindre la loi et que l'on risque de lourdes
sanctions.
En effet, il est obligatoire de respecter la loi "Informatique et libertés" qui prend en
compte la finalité des analyses et traitements, la pertinence des données et des
résultats, la durée de conservation des résultats et le consentement des individus
ainsi que le droit de la propriété intellectuelle et le droit d’auteur.
Suite à cela, le Big Data peut devenir un actif immatériel de l'entreprise et intégrer
son patrimoine qu'il faudra alors protéger juridiquement si l'on ne veut pas à nouveau
se retrouver hors la loi.
Pour conclure sur les risques juridiques qui découlent du Big Data, le droit français
n’est pas totalement dépassé par ce phénomène puisqu'il encadre assez bien les
différents usages contrairement à certains pays comme les États Unis qui ont des
réglementations qui changent en fonction des États et où il n'existe actuellement
aucune mesure concrète pour stopper les agissements malhonnêtes de certaines
entreprises.
En dehors des risques pour les entreprises de se voir attaquer en responsabilité
civile - par exemple sur le fondement de la contrefaçon - les lois et règlements mis en
63
http://www.silicon.fr/big-data-entreprise-risque-juridique-95692.html
68
place en France vont permettre de sanctionner pénalement certaines entreprises qui
ne respecteront pas la loi.
Le Parlement Européen a ainsi validé en Mars 201564, un ensemble de loi strictes
sur la protection des données en réaction aux révélations concernant les écoutes
illégales menées par la NSA aux États-Unis qui a permis de fixer une amende pour
les entreprises ne respectant pas la loi à 100 millions d’euros ou 5% de leur chiffre
d’affaires annuel à partir du 1er Janvier 2016. En attendant de son entrée en vigueur,
il existe déjà deux types de sanctions prévues par le Code pénal, une amende allant
jusqu'à 1,5 million d’euros pour les personnes morales et cinq années de prison pour
les personnes physiques. La CNIL a également mis en place des sanctions
supplémentaires allant jusqu'à 150 000 € d'amende et le double en cas de récidive.65
Elle dispose également de la possibilité de publier aux yeux de tous sur son site
internet le détail des sanctions qu’elle prononce, et ainsi porter atteinte à l’image de
l'entreprise et à sa réputation sur Internet.
Il est important pour les entreprises de rester vigilant face aux évolutions du Big Data
car cela va entrainer de nouvelles questions, de nouveaux défis et donc de nouvelles
réglementations qui pourront modifier celles établies précédemment.
Par exemple, avec l'arrivée des voitures autonomes conduites grâce à un grand
nombre de capteurs présents sur chaque voiture afin d'analyser diverses données
(vitesse, distance de sécurité, etc.) on va voir arriver de nouvelles données
personnelles qui ne sont juridiquement pas protégées aujourd'hui.
Face aux nombreux problèmes juridiques que pose le Big Data en France, le droit va
devoir trouver un équilibre entre :
§
Les intérêts commerciaux des entreprises et le respect du consommateur.
§
L’équilibre entre les intérêts de l’État et ceux des citoyens et l’équilibre entre la
protection et la libre circulation des données.
64
65
http://www.lemondeinformatique.fr/toute-l-actualite-marque-sur-parlement-europeen-949.html
http://www.bigdataparis.com/documents/Sophie-Vulliet-Tavernier---CNIL.pdf
69
3. Le Big Data est-il réellement efficace pour la prise de décisions
Pour terminer sur les limites de ce phénomène, nous allons nous demander si le Big
Data est vraiment efficace pour la prise de décisions au niveau marketing, car le
problème aujourd'hui c'est que les entreprises ont énormément d'attentes concernant
le Big Data et comme souvent dans les évolutions technologiques, il y a beaucoup
de promesses non-tenues et de désillusions.
Aujourd'hui, tous les professionnels s'accordent à dire que le nombre de données
disponible explose et que nous savons de mieux en mieux les collecter, les exploiter
et les interpréter. Le champ d'action qui s'ouvre pour les services Marketing est donc
extraordinaire. Ces derniers vont pouvoir exploiter de mieux en mieux et de plus en
plus ces données afin de mieux connaître leurs consommateurs et cela va leur
permettre une interaction totalement personnalisée et en temps réel avec eux.
Malheureusement, nous sommes encore très éloignés du graal promis par beaucoup
de professionnels du Big Data. Il y a certes un potentiel réel et extraordinaire dans
l’exploitation des données pour les services marketing, mais il convient de bien
distinguer données, objectifs et expertises ! Il serait donc mieux de parler de "Valued
Data" car c’est cela qui va intéresser les entreprises, "non pas la donnée pour la
donnée mais plutôt la donnée utile et valide, la donnée comme moyen de parvenir à
ses fins et non comme fin en soi".66
Les services de Display Advertisingxi eux sont entrain de révolutionner le métier
d'achat d'espace publicitaire grâce aux Big Data. Le RTB (Real Time Bidding), un
système display qui utilise l’enchère et dont le fonctionnement repose sur le Big
Data, représentera 25% des investissements publicitaires dans le Display en 2016
contre 10% début 2014.
Mais le Display Advertising n'est pas le Marketing, c'est une simple composante, et
rappelons le but du marketing est d'améliorer la connaissance et l'expérience client,
pas forcément de pousser à un achat impulsif comme cherche à le faire toutes les
technologies qui se développent sur internet.
66
https://medium.com/@mrtz/how-big-data-is-unfair-9aa544d739de
70
Donc non, l'arrivée du Big Data ne va pas faire disparaitre le marketing, bien au
contraire, le Big Data sera la principale composante du marketing.
Il en va de même pour les techniques de ciblage ultra-précises comme le retargeting,
ce dernier ne va pas faire disparaitre les plannings stratégiques, car la gestion d’une
marque ne se résume pas à l’achat de bannières, aussi ciblées soit-elles. Si les
résultats sont effectivement au rendez-vous (taux de conversion 6 fois supérieur à
celui du display classique d'après NextPerformance)67, ce genre de technique n'est
pas anodin et pose des questions quant à son impact sur la relation client.
Le cœur de notre analyse, c'est de savoir si le Big Data et ses différentes
technologies d'analyse est réellement efficace pour prendre des décisions
stratégiques, alors oui il l'est, il va permettre d'analyser et de décrypter un grand
nombre de données de manière simple et rapide sans aucune intervention humaine.
Mais c'est là où il faut faire vraiment attention, aujourd'hui les entreprises délèguent
totalement le travail d'analyse et donc de prise de décisions à des machines et à des
algorithmes.
Le problème c'est qu'il y a encore beaucoup d'opacité dans les résultats des logiciels
d'analyses Big Data et que plusieurs analyses d'un même ensemble de données ne
donnent pas forcément le même résultat. Les entreprises recherchent la performance
immédiate mais oublient leur objectif principal qui est de mieux comprendre les
besoins, contraintes, motivations et freins des consommateurs.
Les technologies Big Data sont donc de plus en plus évolués et permettent de
vraiment améliorer nos connaissances, mais il faut faire attention aux résultats, et ne
pas en abuser au risque de se rendre dépendant de ces solutions que l'on ne
maitrise pas et ainsi laisser les logiciels prendre des décisions à notre place.
Il est donc essentiel pour les entreprises et les services marketing de ne pas se
laisser aveugler par les données et aller à la facilité car cela peut nous entrainer
dans une voie qui n'est pas la bonne si les données sont mal exploitées.
67
http://www.ad-exchange.fr/infographie-4-chiffres-sur-les-performances-des-campagnes-retargetingde-nextperformance-4783/
71
Les enquêtes terrain, les études qualitatives et quantitatives resteront des outils
d’aide à la décision qu’il ne faudra surtout pas négliger.
Des analystes du MIT ont réalisé une étude au début de l'année 2015 sur 330
entreprises dans le monde qui montre sans ambigüité que les entreprises qui
utilisent les technologies liées aux Big Data mais qui continuent d'utiliser les
méthodes traditionnelles en parallèle ont : "une productivité supérieure de 5% et une
rentabilité supérieure de 6 % en moyenne par rapport à leurs concurrentes" (Harvard
Business Review de Février 2015).68
Alors oui les Big Data sont une véritable révolution, aussi bien pour les entreprises
que pour les consommateurs car les technologies d'analyses que l'on a mises en
place permettent de réaliser des choses que l’on ne pouvait pas faire auparavant.
Mais il faut faire attention de ne pas se brûler les ailes, car le Big data n'est qu'un
outil supplémentaire à prendre en compte, cela peut permettre d'améliorer la
performance des campagnes de communications si la technologie est utilisé à bon
escient, mais il existe toujours un risque si l'on ne prend pas les bonnes précautions.
68
http://www.fredcavazza.net/2013/07/15/les-big-data-sont-le-meilleur-et-le-pire-ennemi-de-votremarque/
72
Conclusion
Le Big Data est la conséquence du développement d’Internet, de l’accroissement
des capacités de stockage, mais aussi de l’arrivée du web 2.0, des réseaux sociaux
et plus globalement, de celle de la numérisation du monde.
Le terme Big Data désigne des ensembles de données qui deviennent tellement
importants et volumineux qu'ils en deviennent difficiles à traiter avec des outils
classiques de gestion de base de données. Ce qui caractérise le Big Data, ce n’est
pas seulement le volume de données mais plutôt la diversité des données non
structurées qui sont traitées et analysées en temps-réel.
En 2011, le cabinet McKinsey a déclaré l’arrivée de l’ère Big Data mais ce
phénomène est arrivé en réalité bien plus tôt. Les géants de l’Internet comme
Google, Yahoo !, Facebook et Amazon ont été très vite confrontés à un flux
considérable de données et à ce phénomène qui n’avait pas encore de nom.
Ces géants de la Silicon Valley ont été les pionniers dans le développement de
solutions Big Data. Et cela a permis à ces géants de croitre de manière très rapide,
mais ils ont également permis au Big Data de se développer et de devenir plus
mature un grand nombre des solutions d’analyses ont été développées par ces
pionniers (Hadoop pour Yahoo !, MapReduce pour Google, Hive et Cassandra pour
Facebook, etc.).
L’apparition de volumes très importants de données non structurées et structurées,
s’échangeant en temps-réel et simultanément, a amené les entreprises à développer
des solutions Big Data pour mieux les collecter, les traiter et les analyser.
Le Big Data est utilisé dans le but de répondre à quatre objectifs : réduire les coûts,
réduire les temps de réalisation, développer de nouvelles offres et soutenir les
décisions commerciales internes.
Il est utilisé dans des domaines vastes comme dans la production, la santé ou
l’analyse des risques mais son utilisation en marketing est tout à fait intéressante car
le Big Data le révolutionne en plaçant le client au centre des relations et des
stratégies de l’entreprise.
73
Ce changement est opportun car le client est devenu exigeant, volatile et très
informé et il est essentiel pour les entreprises de le connaître au mieux afin de le
conserver et de le satisfaire. L’application du Big Data au marketing permet de
mieux comprendre les besoins, les contraintes, les motivations et les freins du
consommateur pour lui proposer des offres en phase avec ses volontés.
La donnée doit être utilisée comme un moyen pour parvenir à ses fins et non comme
une fin en soi. Le risque pour une entreprise est de tout stocker sans savoir faire la
différence entre la donnée utile (valued data) qui sert à remplir un objectif précis et le
reste.
Le Big Data appliqué au marketing permet de percevoir les tendances du marché qui
feront l’avenir. La collecte d’un grand nombre d’informations sur le comportement des
consommateurs et sur la manière dont ils consomment permet aux entreprises de
déceler ce qui serait difficilement décelables via des questionnaires et des enquêtes
longues et couteuses. Netflix utilise par exemple un puissant algorithme Big Data qui
permet d'offrir aux utilisateurs des films et des séries qui ont de très fortes chances
de leur plaire.
Le Big Data appliqué au marketing permet d’analyser le ressenti des clients sur les
réseaux sociaux voir sur l’ensemble des médias sociaux. Il permet de ce fait
d’apporter une notion pertinente au marketing traditionnel : celle de l’approche
comportementale et attitudinale. Cette approche est centrée sur la mesure et
l’analyse des avis, des commentaires, des opinions, des goûts et des critiques du
consommateur sur la toile.
Prédire l’intention d’achat, c’est l’autre apport du Big Data au marketing. L’utilisation
des informations provenant des médias sociaux, d’Internet, des
points de vente
physiques et ainsi que des autres capteurs va permettre d’identifier les prospects
susceptibles de conclure l’achat. Ceci se fait grâce à l’analyse du parcours d’achat
dans tous les canaux (web, point de vente physique, interactions avant achat,
consultation de fiches produits, etc.).
74
Nous avons vu l’exemple de Fitzup, fonctionnant grâce à la technologie Big Data, et
au Bluetooth qui permet aux commerçants d'étudier les visiteurs et savoir ce qu’ils
achètent, quels rayons ils visitent, devant quels types de produits ils restent afin de
leurs proposer les bons produits, les bonnes promos, au bon moment et au bon
endroit.
Le Big Data permet également à une entreprise de fidéliser sa clientèle. La notion de
social CRM, qui intègre les réseaux sociaux dans la stratégie CRM traditionnelle en
est une des composantes.
Ce social CRM permet de placer le client au centre de la stratégie de l’entreprise.
L’objectif est de créer une relation et un engagement afin de connaître au maximum
le client et de ce fait, mieux le servir afin de le fidéliser. Les clients sont amenés à
participer à la création de contenus et à participer au développement de la marque
grâce au crowdsourcing, la création par la communauté et pour la communauté.
L’exemple de la marque Vitaminwater en chapitre 2 en est un exemple concret.
D’autre part, les données récoltées par les entreprises sur leurs clients représentent
un nouvel outil de fidélisation grâce à l'arrivée du Big data. Une prise en compte
optimale de ces données et un traitement rapide va permettre de s'adapter
facilement aux différents comportements des consommateurs.
Le Big Data appliqué au marketing représente un nouvel outil de fidélisation grâce
aux données et aux opportunités qu’il apporte à l’entreprise pour mieux connaître ses
clients et proposer l’offre qui leurs correspondent.
Le Big Data apporte donc une opportunité relationnelle mais aussi financière car il
permet de fidéliser les clients (ce qui est moins coûteux) et d’en acquérir de
nouveaux grâce aux informations récoltées sur le marché.
Du fait du changement que cela apporte, les entreprises qui se focalisent sur le
client, vont permettre de développer leurs chaines de valeur et de réduire leurs coûts
et donc de devenir plus rentable sur le long terme.
75
C’est aussi une opportunité pour les entreprises de réorganiser leurs structures
(opportunité organisationnelle). Les services de l’entreprise doivent changer et mieux
communiquer entre eux afin de créer une synergie dans le but final de fusionner les
données récoltées sur le marché et le client. Cela passe par un changement des
processus internes et par une réorganisation des ressources humaines et
financières.
Toujours dans cette optique de changement organisationnelle, le Big Data a besoin
de compétences spécifiques et nouvelles afin de répondre au mieux aux objectifs
que nous avons exposé.
Selon nous, le Big Data est une formidable opportunité de business pour les
entreprises et pour le client mais il doit être utilisé à bon escient. Il doit être maitrisé
et en quelques sortes assimilé dans une stratégie cohérente et plus globale et qui
répond à des objectifs clairs et réalisables.
Le Big Data doit modifier l’entreprise dans son ensemble et ne pas être confiné à une
solution dans un service fermé, toutes les ressources de l’entreprise doivent y
participer car la donnée est la base même d’une prise de décision.
Dans un domaine plus vaste et avant même l’arrivée du Big Data et de la
démocratisation de l’informatique, la donnée (et le renseignement qui découle de
cette donnée) est un élément stratégique et capital pour les sociétés. La Seconde
Guerre Mondiale n’aurait jamais été gagné par les Alliés sans l’apparition de cette
nouvelle donne qui a permis aux Américains et aux Soviétiques de Staline de
remporter des batailles décisives en connaissant à l’avance les stratégies de
l’ennemi.
Aujourd’hui le Big Data offre un réel avantage concurrentiel pour les entreprises mais
nombre d’entre-elles ne sont pas encore prête à franchir le pas. En France, le retard
pris par les entreprises est déjà problématique.
Nos trois hypothèses sont donc confirmées. Les réseaux sociaux permettent de
mieux connaître ses propres clients et donnent des informations qualitatives sur ces
76
derniers. Les réseaux sociaux se sont développés grâce au Big Data et permettent
au Big Data de se développer. Le Big Data permet de mieux comprendre le
comportement des clients car il apporte une analyse comportementale en temps réel
des consommateurs.
Il convient en outre de prendre en compte la sécurité des données afin de ne pas
détruire dans l’œuf ce nouvel essor technologique. Les entreprises se doivent d’avoir
des moyens crédibles et puissants afin de se défendre contre une éventuelle
menace de piratage informatique ou d'un vol de données massives.
L’autre priorité à prendre en compte est la hiérarchisation des données. Il est en effet
nécessaire de réfléchir à la valeur des données récoltées et d’avoir en tête l’objectif
associé à ces données. La collecte de données, notamment celle des données
personnelles, est encadrée dans les pays de l’Union Européenne. En France, cette
collecte est surveillée par la Commission nationale de l'informatique et des libertés
(CNIL).
Nous pensons qu’à l’avenir, les ambitions de progrès des technologies Big Data et
les ambitions de développement des entreprises via son utilisation vont se confronter
à la barrière de la loi notamment celle de la protection de la vie privée. C’est
d’ailleurs déjà le cas.
Une entreprise sera capable de proposer le bon produit, au bon moment, à n’importe
quel moment, sur n’importe quel support, à n’importe quelle heure et…à n’importe
quelle personne car le nombre de personne connectée ne cessent d’augmenter.
Le client ne sera plus vraiment libre et au fond, ce dernier pourrait se rebeller contre
le système de données. Où se trouve le plaisir à ne pas choisir soi-même un
produit ? Pourrons-nous nous balader dans les rues commerçantes sans être
constamment poussés à l’achat par des algorithmes obscures et opaques ?
77
Annexes
78
Fiche de lecture I
Informations sur le livre :
Informations
sur
les
auteurs :
Broché : 296 pages
Viktor
Mayer-
Editeur : ROBERT
Schönberger :
LAFFONT
Professeur
Internet
Langue : Français
à
de
l’institut
l’université
d’Oxford, conseiller chez
Microsoft et au Forum
ISBN-10: 2221140044
économique mondial.
ISBN-13: 978-
Kenneth Cukier :
2221140048
Editeur
« data »
au
magazine britannique The
Economist,
collabore
aussi au New York Times
et au Financial Times.
Résumé du livre :
À l'heure où 98 % des informations sont enregistrées sous forme numérique, des
milliards de milliards de milliards de données s'accumulent dans les ordinateurs à
travers la planète. Résultat : l'apparition de ce qu'on nomme " Big Data ", c'est-à-dire
de gigantesques ensembles de données qui commencent à bouleverser le
fonctionnement de l'univers économique, mais aussi social, juridique, culturel,
financier et bien sûr politique. Depuis les révélations de l'informaticien Edward
Snowden en 2013 sur la NSA, nombre d'entre nous craignent que cette masse de
renseignements ne nuise à notre vie privée. L'ouvrage extrêmement pédagogique de
Viktor Mayer-Schönberger et Kenneth Cukier alerte et dénonce les abus rendus
possibles par la numérisation galopante, mais son ambition est plus large : nous faire
comprendre le phénomène Big Data dans toute sa diversité, et nous faire découvrir
les opportunités, notamment économiques, qui en découlent. De multiples exemples
concrets nous permettent de mesurer la puissance des détenteurs de données tels
79
Google, Amazon, Facebook, Apple, Twitter... sans oublier les gouvernements et les
administrations. Comme le démontrent ici les deux auteurs, peut-être les meilleurs
connaisseurs au monde du domaine, les Big Data constituent une révolution qui
transforme au quotidien notre vie, notre travail, et la manière même dont chacun de
nous pense.
Plan du livre :
Chapitre 1 : Maintenant
Chapitre 2 : Plus
Chapitre 3 : Désordre
Chapitre 4 : Corrélation
Chapitre 5 : Mise en données
Chapitre 6 : Valeur
Chapitre 7 : Implications
Chapitre 8 : Risques
Chapitre 9 : Contrôle
Chapitre 10 : Demain
Résumé le livre avec nos propres mots :
Ce livre permet de mettre un premier pas dans notre époque où 98% des
informations sont enregistrées sous forme numérique et où nous commençons à
peine à découvrir comment exploiter ces données et quels sont les bouleversements
que cela va entrainer dans notre économie mais aussi dans les secteurs culturels et
financiers par exemple. L’intérêt de ce livre est qu’il explore aussi bien la partie
technique que la partie mise en pratique avec de très nombreux exemples comme la
découverte de la grippe H1N1 par Google grâce à ses algorithmes et l’étude des
recherches des mots clés des utilisateurs dans le monde entier.
Les auteurs identifient 3 points à surveiller particulièrement avec l’arrivée du big data,
en premier c’est le risque de mettre à mal la vie privée des internautes, ensuite le
problème très préoccupant de la pénalisation des intentions (punir quelqu’un pour
quelque chose qu’il « voudrait » commettre par exemple avec des recherches
Google sur des tentatives terroristes ou autre), et enfin le fétichisme à l’égard des
chiffres et de la valeur des données.
80
La lecture de ce livre m’a permis d’en apprendre plus sur ce système d’exploitation
de nos données personnelles et les divers intérêts pour la société. Il permet de
comprendre les découvertes scientifiques et la dimension humaine de cette
technologie grâce aux nombreux exemples données par les auteurs mais aussi à la
facilité de lecture car la quasi-totalité des notions techniques qui sont très bien
expliqué.
Les arguments intéressant à utiliser :
Page 14 : définition du Big Data.
Page 17 : chiffre intéressant sur Youtube, Google et Facebook.
Page 48 : l’exemple de la Bourse de New York.
Page 56 : supériorité du Big Data d’une entreprise par rapport aux données
nationales.
Page 59 à 61 : l’imprécision et l’inexactitude de certaines données.
Page 98 : la quantification du monde.
Page 146 et 147 : l’évaluation d’une base de données.
Page 192 : l’exemple de Minority Report.
Page 211 : responsabilité et protection de la vie privée.
Page 237 : exemple d’utilisation dans le futur des données.
Ce qu’il manque dans le livre :
Le livre est vraiment très complet, il explique très clairement comment sont collecté
les données, comment elles sont utilisé et les dérives possibles. Les exemples sont
nombreux et très bien expliqué, on a également beaucoup de citation ou d’extrait
d’interview de personnalité importante comme Larry Page.
Si je devais ajouter quelque chose, je pense qu’il pourrait être bien de rentrer un peu
plus dans la technique pure de l’exploitation des bases de données. On nous donne
quelques exemples comme Hadoop mais cette partie n’est pas très détaillée. En ce
qui concerne le reste, j’ai trouvé le livre vraiment complet et simple à lire et à
comprendre alors que c’est un sujet compliqué.
81
Fiche de lecture II
Informations sur le livre :
Informations
sur
les
auteurs :
Broché : 264 pages
Thomas Davenport est
l'un
Auteur
:
des
spécialistes
Thomas mondiaux de l'analyse de
H.Daveport
données business et Big
Data. Il est professeur
Editeur : Pearson
d'Information
et
de
Management au Babson
Date
de
sortie
27/06/2014
: College, membre actif du
MIT
Center
Business
Langue : Français
pour
Digital,
le
co-
fondateur et directeur de
la recherche à l'Institut
ISBN : 2744066176
International d'Analyses,
et consultant senior chez
EAN : 978-2744066177
Deloitte Analytics.
Résumé du livre :
Le phénomène Big Data bouleverse l'univers économique. Rien qu'en 2012, plus de
2,8 zettaoctets (des milliards de gigaoctets!) de volumes de données auraient été
échangés ! Seules les entreprises capables de comprendre et de maîtriser une telle
quantité de données dans leur complexité prendront l'avantage. Car au-delà du
volume, ce qui va être décisif, est la capacité à structurer, analyser et transformer
des données en connaissances, en innovations et en valeurs commerciales pour
l'organisation. Au-delà du buzz qu'il génère, quelles applications concrètes le Big
Data peut-il apporter au monde des affaires ? Comment mettre en place une
stratégie Big Data dans l'entreprise et comment tirer profit de cette puissante
ressource ? Cet ouvrage permet d'identifier les atouts du Big Data et montre
notamment comment : améliorer la prise de décision, consolider les relations client,
créer de la valeur ajoutée, enrichir l'expérience utilisateur, amplifier le retour sur
82
investissement, réduire les coûts et les temps de réalisation, développer de
nouvelles offres. Un guide pratique enrichi de nombreux cas concrets (Google,
Linkedln, eBay, Amazon, GE, UPS) et de plans d'action, qui permettra à tous les
managers de tirer parti de cette formidable opportunité.
Plan du livre :
Chap. 1 : Importance du Big Data pour vous et votre entreprise
Chap. 2 : Changements liés au Big Data dans votre travail, votre entreprise et votre
industrie
Chap. 3 : Développement d'une stratégie Big Data
Chap. 4 : La part humaine dans le Big Data
Chap. 5 : Les technologies du Big Data
Chap. 6 : Les conditions du succès
Chap. 7 : Le Big Data dans les startup et les sociétés en ligne
Chap. 8 : Les leçons des grandes entreprises
83
Résumé le livre avec nos propres mots :
L'importance du Big Data ne vient pas de la quantité de données dont on dispose
mais plus de l'utilisation que l'on en fait. Ce qui est spécifique au Big Data et qui
diffère de l'analytique classique et quantitative, c'est la diversité des données non
structurées qui sont traitées et analysées en temps-réel (texte, voix, son, image,
etc.). Une définition rapide du Big Data est donnée par les 3V (Volume, Variété,
Vitesse) même si celle-ci ne s'applique pas à toutes les entreprises, les
caractéristiques principales y sont présentes.
Le Big Data est utilisé dans le but de répondre à 4 objectifs : réduire les coûts,
réduire les temps de réalisation, développer de nouvelles offres et soutenir les
décisions commerciales internes. Dans un futur proche, il pourrait par exemple
être utilisé par un détaillant physique pour déterminer en temps-réel l'identité de ses
clients et leur proposer des offres adaptées et des promotions afin d'augmenter son
chiffre d'affaires. Aujourd'hui, la société LinkedIn l'utilise dans le but d'améliorer les
produits et les fonctionnalités offerts à ses clients (personnes que l'on peut connaître,
groupes que l'on peut aimer, etc.) et en a fait un des grands piliers de sa stratégie.
EBay l'utilise notamment dans le but de faire de l'A/B testing dans le but d'améliorer
ses visites et son taux de clics. L'entreprise UPS s'en sert quant à elle dans le but de
connaître en temps réel un grand nombre de données (localisation de ses véhicules,
consommation en carburant, comportements routiers des livreurs, itinéraires, etc.)
afin de revoir les trajets et de réduire les coûts sur une grande échelle. Les exemples
sont nombreux et sont spécifiques aux secteurs d'activités.
La mise en place du Big Data dans les grandes entreprises doit se faire de manière
relativement prudente en fonction des enjeux et de la position concurrentielle de
l'entreprise. Dans les grandes entreprises, les projets Big Data ont modifié les
structures organisationnelles/managériales et ont été associés à l'analytique
traditionnel déjà présent et plus ou moins bien développé. La mise en place de tels
projets ont été faits par une équipe hautement qualifiée, compétente et spécialisée
dans les grandes données ("scientifique des données") car les technologies (clusters
Hadoop), les langages (Hive et Pig) et les problématiques (analyse de données non
structurées) sont différentes de l'analytique traditionnel. Le facteur humain est donc
capital.
84
L'exploitation des grandes données doit viser l'innovation sur le plan des produits et
des services et doit être co-dirigée par une direction commerciale et marketing afin
d'être efficace et utile et de ne pas tomber dans l'excès de la collecte d'information
coûteuse. Cette collecte doit également prendre en compte le respect de la liberté du
client. Google et Facebook ont souvent été épinglés par la presse et la loi à ce sujet.
Les arguments intéressant à utiliser :
Chap1: Différence entre l'analytics classique et le big data (p. 6/50)
Chap2 : Exemple d'utilisation future du Big Data pour un détaillant (p. 9/49)
Chap3 : Les différents objectifs du Big Data avec des exemples réels (p. 2 à 18/43)
Chap5 : Définition d'un cluster Hadoop, les serveurs utilisés pour le Big Data (p.
4/35)
Chap7 : "L'exploitation des données doit viser l'innovation sur le plan des produits et
des services" (p. 4/35)
Exemple LinkedIn (p. 10/32)
Chap8 : Le BD se développe dans une volonté d'interaction en temps réel avec les
clients tout en exploitant les analyses et les données de leur expérience. (p. 12/59) +
Exemple UPS (p. 6/59)
Ce qu’il manque dans le livre :
Le livre est complet, nous avons une vision d'ensemble sur les spécificités du Big
Data, le contexte actuel, les possibilités futures et des exemples nombreux et
concrets. Cependant, l'ouvrage est tourné vers le généraliste, les répétitions sont
nombreuses et la séparation entre les chapitres 7 et 8, c'est-à-dire entre les startup /
sociétés en ligne comme Google et les grandes entreprises peut porter à confusion.
Il aurait été intéressant d'avoir une définition claire du Big Data et d'avoir un focus sur
la situation en France et sur les apports que le Big Data peut avoir au niveau du
marketing de manière plus détaillée.
85
Interview de l’entreprise JAMESPOT
1) Pouvez-vous vous présenter en quelques mots ?
Alain GARNIER – CEO JAMESPOT – 3eme éditeur de logiciel qu’il lance – 2005 –
plateforme et réseau sociaux d’entreprise – parcours d’ingénieur et innovateur –
partenaire de l’alliance Big Data.
2) Que signifie pour vous le terme Big Data ?
Plutôt : Reconsider DATA mais pas forcement BIG – La data redevient importante –
après avoir géré des situations (gérer un compte client par exemple) il faut optimiser
ces données dans le but d’améliorer la relation – CENTRIC DATA. Réelle valeur
ajoutée créées autours des données. Volumétrique = intelligence collective. Les
producteurs de données sont créateurs de valeur.
3) Quel est son rôle dans le monde professionnel et dans votre entreprise
particulièrement ?
Les grandes entreprises, plus exposées (beaucoup de clients), plus gros volumes de
données, qui va permettre d’automatiser des actions futures.
Avant : CRM avec seulement un numéro de téléphone.
Aujourd’hui : traçage des interactions clients, automatisation et rappel.
Le traitement des données devient crucial quand il y en a beaucoup.
Jamespot : email envoyé, on sait si c’est ouvert, si c’est cliqué, on met des points en
fonction de ces actions et on rappel ces clients. Petite utilisation mais pas possible
de le faire à la main, donc on l’automatise.
Par exemple : Analyse des logs des utilisateurs, corrections des pages critiques,
optimisation de la plateforme.
Demain : analyse longitudinale ? Ergonomie et fonctionnement.
86
4) Quel est l’impact des réseaux sociaux sur le Big Data ?
Impact très faible aujourd’hui sur les entreprises.
Actuellement on analyse manuellement et de façon ponctuelle.
E-réputation très peu utilisée par exemple.
Peu de prise en compte par les entreprises et les systèmes Big Data.
Analyse sémantique, sentiments sur le web.
5) Récoltez-vous des données issues des réseaux sociaux ? Si oui, quelles sont les
données récupérées et quels rôles ont-elles pour votre entreprise et/ou pour vos
clients ? Servent-elles à prendre des décisions stratégiques, à construire l'offre
produit/service ?
Aujourd’hui peu d’entreprises utilisent le big data comme une habitude.
En interne (Jamespot) : peu utilisé.
Pour les rassurer : les concurrents l’ont déjà fait.
6) Quelles pourraient-être les futures utilisations du Big Data dans votre entreprise ?
La démocratisation.
Moins de truc « inimaginable » mais plutôt un accès pour tous.
Intégrer des outils big data directement dans les réseaux sociaux d’entreprise.
-> Du monitoring par exemple.
Le prix est un frein aujourd’hui. Demain objectif pour tous.
Erreur principale : le big data c’est l’analyse -> c’est la génération de données !
Le big analytics c’est l’analyse -> OUI !
87
Interview de l’entreprise XEBIA
1) Pouvez-vous vous présenter en quelques mots ?
Alban GACHON – CONSULTANT BIG DATA chez XEBIA depuis maintenant 3 ans,
il a découvert le Big Data dans les journaux comme tout le monde et a décidé d’en
faire sa spécialité quand il a découvert les possibilités que cela pouvait apporter aux
entreprises.
2) Que signifie pour vous le terme Big Data ?
Le Big Data est un ensemble de données qu’il est impossible de mesurer aujourd’hui
car il s’enrichit chaque jour, il est donc impossible de le quantifier et son usage est
tout autant compliqué car il s’appliquer à toutes nos actions quotidiennes et nous
trouvons de nouvelles possibilités de l’utiliser chaque jour. C’est un terme vaste
parfois mal utiliser mais qui a toute sa place dans notre société et l’avenir des
entreprises dans le monde.
3) Quel est son rôle dans le monde professionnel et dans votre entreprise
particulièrement ?
Le Big Data va permettre beaucoup de choses dans les entreprises, comme
l’amélioration de la connaissance client, la mise en place de communication
beaucoup plus efficace ou la création de nouveaux produits dédiés aux
consommateurs comme le fait Netflix ces derniers temps en France.
Dans son entreprise ils s’occupent de la mise en place de ces technologies chez des
clients de toutes les branches, et ils l’utilisent en interne pour mieux cibler leurs
relances commerciales et leurs communication type emailing et phoning.
4) Quel est l’impact des réseaux sociaux sur le Big Data ?
Les réseaux sociaux comme Facebook permettent de récolter énormément
d’informations sur les futurs clients d’une entreprise, c’est inimaginable tout ce que
Facebook enregistre sur le monde entier, depuis qu’il a mis le nez là dedans il utilise
88
beaucoup moins ce type de réseaux d’ailleurs. Les réseaux professionnels ne créent
pas assez de données utiles en France, mais aux USA on utilise beaucoup plus les
données issues de LinkedIn. Sans les réseaux sociaux le Big data serait beaucoup
moins intéressant pour les grandes entreprises.
5) Récoltez-vous des données issues des réseaux sociaux ? Si oui, quelles sont les
données récupérées et quels rôles ont-elles pour votre entreprise et/ou pour vos
clients ? Servent-elles à prendre des décisions stratégiques, à construire l'offre
produit/service ?
Non pas pour le moment mais c’est en projet …
6) Quelles pourraient-être les futures utilisations du Big Data dans votre entreprise ?
Ils cherchent à exploiter encore plus les données issues de leur site internet et leur
CRM afin de faciliter le travail de l’équipe commercial, un nouvel algorithme interne
est en cours de création et sera opérationnel fin 2015 si tout se passe bien. Il a pour
objectif de diviser par 2 le nombre de relance et multiplier par 2 le nombre de
réponses favorables.
89
Enquête Réseaux Sociaux et Big Data
90
91
92
93
Bibliographie & Webographie
Les périodiques :
FORBES - 2015 Insights/Turn - Data Driven and Digitally Savvy
FORBES - 19/01/2012 - What you need to know about big data
Les ouvrages :
Hilbert et López, The World’s Technological Capacity to Store, Communicate, and
Compute Information, 2011
Nicole B. Ellison, Danah Boyd, "Social Network Sites: Definition, History, and
Scholarship", Journal of Computer-Mediated Communication, 2007, p.2.
Thomas H.Daveport, Stratégie Big Data, Editions Pearson, 2014, Chapitre 1, p. 33.
Kenneth Cukier - "La révolution des données est en marche" p.9
MARINO L - "Le big data bouscule le droit" RLDI Droit de l’immatériel n°99 p.55-58
Les rapports et études :
http://www.ey.com/FR/fr/Services/Advisory/EY-etude-Big-data-2014
http://proxy-pubminefi.diffusion.finances.gouv.fr/pub/document/18/17721.pdf
http://www.fr.capgemini.com/etudes/la-valeur-du-big-data
http://www.bigdataparis.com/documents/Sophie-Vulliet-Tavernier---CNIL.pdf
http://www.makazi.com/wp-content/uploads/2013/10/Makazi-livre-blanc-du-datamarketing.pdf
https://www.emarsys.com/fr/wp-content/uploads/sites/3/2014/03/Du-Big-Data-aumarketing-op%C3%A9rationnel.pdf
94
Les sites internet :
http://www.data-business.fr/big-data-definition-enjeux-etudes-cas
http://www.definitions-marketing.com/Definition-Big-data
http://www-01.ibm.com/software/fr/data/bigdata
http://www.blogdumoderateur.com/60-secondes-internet-2014
http://www.blogdumoderateur.com/chiffres-2014-mobile-internet-medias-sociaux
https://www.lcl.com/guides-pratiques/zooms-economiques/big-data-banque.jsp
http://www.idc.com/getdoc.jsp?containerId=prUS25329114
www.economie.gouv.fr/big-data-feuille-route-en-action
www.journaldunet.com/solutions/emploi-rh/plan-numerique-big-data-0713.shtml
http://www-01.ibm.com/software/fr/data/bigdata/
http://fr.wikipedia.org/wiki/Big_data#Volume
http://www.journaldunet.com/solutions/les-3-v-du-big-data-volume-vitesse-variete
http://www.soft-concept.com/surveymag/big-data-fin-des-etudes-marketing.html
http://pro.01net.com/editorial/620954/les-6v-du-big-data-sur-les-medias-sociaux/
http://www-03.ibm.com/systems/hu/resources/the_real_word_use_of_big_data.pdf
http://pro.01net.com/editorial/620954/les-6v-du-big-data-sur-les-medias-sociaux/
http://www.dynatrace.com/fr/initiatives/big-data.html
http://www.lesechos.fr/idees-debats/cercle/cercle-82135-big-data-ou-est-la-valeur
http://wearesocial.fr/blog/2015/01/digital-social-mobile-les-chiffres-2015/
http://www.blogdumoderateur.com/chiffres-reseaux-sociaux/
http://www.alexitauzin.com/2013/04/combien-dutilisateurs-de-facebook.html
http://blog.instagram.com/post/104847837897/141210-300million
http://www.wsi-franchiseb2b.fr/les-chiffres-cles-des-reseaux-sociaux-en-2015/
http://www.conseilwebsocial.com/index.php/2013/reseau-social-et-big-data/
http://www.salesforce.com/fr/crm/what-is-crm.jsp
http://fr.wikipedia.org/wiki/Gestion_de_la_relation_client
95
http://lab.vente-privee.com/suivez-vos-clients-en-boutique-avec-fidzup
http://www.maddyness.com/emplois/2014/03/31/big-data-marketing-metier
http://www.journaldunet.com/solutions/analytics/metier-big-data-data-scientist.shtml
http://www.sfds.asso.fr/ressource.php?fct=ddoc&i=1790
http://www.paristechreview.com/2014/12/22/big-data-ethique/
http://www.silicon.fr/big-data-entreprise-risque-juridique-95692.html
http://room.sfrbusinessteam.fr/article/social-crm-et-big-data-client-le-reprend-lepouvoir-dans-la-relation
http://www.archimag.com/vie-numerique/2014/09/22/netflix-big-data-cr%C3%A9erseries-gouts-public
www.zdnet.fr/actualites/big-data-quand-ibm-decrypte-les-messages-sur-les-reseauxsociaux.htm
http://www.lesechos.fr/tech-medias/hightech/predire-le-comportement-de-chaqueconsommateur.php
http://www.grenier.qc.ca/chroniques/3940/la-fidelisation-grace-au-big-data
http://www.journaldunet.com/ebusiness/expert/56953/le---big---data-marketing--quels-benefices-pour-les-annonceurs-et-pour-le-consommateur-final.shtml
http://www.marketing-professionnel.fr /big-data-marketing-comment-nourrirpersonnalisation-relation-client.html
http://www.atelier.net/trends/articles/geofeedia-prend-parti-une-analyse-big-datacentre-geolocalisation_431833
http://lentreprise.lexpress.fr/marketing-vente/optimiser-ses-forces-de-vente-avec-lageolocalisation_1514875.html
http://www.webmarketing-com.com/2015/04/03/36983-big-data-5-exemples-de-sonutilisation-marketing.dpuf
http://www.webmarketing-com.com/2015/02/04/35227-tout-savoir-sur-leretargeting#sthash.vhZJNbEK.dpuf
http://www.journaldunet.com/solutions/expert/56337/croissance-des-donnees--misez-sur-l-automatisation-de-la-mise-en-cache--la-hierarchisation-et-le-tuning-dustockage.shtml
www.journaldunet.com/ebusiness/expert/55180/big-data---enjeux--risquesjuridiques.shtml
96
http://www.lemondeinformatique.fr/toute-l-actualite-marque-sur-parlement-europeen949.html
https://medium.com/@mrtz/how-big-data-is-unfair-9aa544d739de
http://www.ad-exchange.fr/infographie-4-chiffres-sur-les-performances-descampagnes-retargeting-de-nextperformance-4783/
http://www.fredcavazza.net/2013/07/15/les-big-data-sont-le-meilleur-et-le-pireennemi-de-votre-marque/
http://www.franceinfo.fr/emission/nouveau-monde/2014-2015/le-big-data-nouvel-ornoir
http://www.latribune.fr/opinions/tribunes/20140226trib000817237/facebook-10-ansde-big-data-.html
http://www.debatformation.fr/editorial/les-reseaux-sociaux-dentreprise-a-la-lumieredes-big-data
http://www.focusrh.com/strategie-ressources-humaines/logiciels-rh/autres/a-laune/reseaux-sociaux-dentreprise-atouts-limites-et-perspectives.html
http://www.laposte.fr/lehub/Que-permet-l-exploitation-des
Les entretiens :
Monsieur Alain GARNIER – CEO – JAMESPOT
Monsieur Alban GACHON – Consultant Big Data – XEBIA
97
La charte de l’étudiant
LE PLAGIAT
La contrefaçon est l’appellation juridique du plagiat, sa version condamnable. A ce titre, elle constitue
un délit. L’article 335-3 du Code de la propriété intellectuelle en précise la nature : il s’agit de " toute
reproduction, représentation ou diffusion, par quelque moyen que ce soit, d’une œuvre de l’esprit en
violation des droits d’auteur, tels qu’ils sont définis et réglementés par la loi". Elle est susceptible de
donner lieu à des sanctions civiles et pénales.
Ainsi, le plagiat consiste à copier, contrefaire ou falsifier un document sujet à une évaluation et
d’utiliser en tout ou partie, l’œuvre d’autrui ou des passages tirés de celle-ci, sans les identifier
expressément comme citations et dans l’intention de les faire passer pour siens.
De même, lorsque vous reprenez « mot pour mot » un passage d’un auteur, il faut impérativement le
signaler avec des guillemets et indiquer en bas de pages, la source ainsi que son numéro de page.
Sanctions disciplinaires
Le plagiat est sanctionné par :
♦
♦
♦
♦
un 0/20 sur le dossier ou le mémoire de recherche appliquée
le passage devant le Conseil de Discipline
les sanctions peuvent aller jusqu’à l’exclusion définitive des examens
toute récidive peut se traduire par une exclusion temporaire ou définitive de
l’établissement.
98
Déclaration sur l’honneur
A remettre complétée et signée avec mémoire de fin d’études
ANNEE SCOLAIRE 2013-2014
Nom
Prénom
Classe
LANOT
BAPTISTE
5MC3
HAMIDI
MOHAMED
5MC5
Nom du Maitre de Mémoire : Monsieur MASSON
Je (nous) soussigné(s) M LANOT Baptiste & M HAMIDI Mohamed atteste (ons) avoir pris
connaissance du règlement intérieur de l’école et certifie (ons) que le mémoire de recherche
appliquée ci-joint ne fait l’objet d’aucun plagiat. Par ailleurs, je (nous) m’engage (ons) à respecter les
règles du dit règlement intérieur et les sanctions disciplinaires qui en découlent.
Fait à Paris, le 28 Mai 2015
Signatures de tous les participants au mémoire
Précédées de la mention « lu et approuvé »
99
Lexique
i
Data Mining : C'est l'exploration de données, par des méthodes automatiques ou semi-automatiques,
avec pour objectif d'acquérir de nouvelles connaissances sur un sujet précis.
ii
Téraoctets (et autres) : Ce sont des unités de mesure qui permettent de donner la capacité de
mémorisation des mémoires informatiques.
3
1 kilooctet (ko)= 10 octets= 1 000 octets
6
1 mégaoctet (Mo)= 10 octets= 1 000 ko= 1 000 000 octets
9
1 gigaoctet (Go)= 10 octets= 1 000 Mo= 1 000 000 000 octets
12
1 téraoctet (To)= 10 octets= 1 000 Go= 1 000 000 000 000 octets
15
1 pétaoctet (Po)= 10 octets= 1 000 To= 1 000 000 000 000 000 octets
18
1 exaoctet (Eo)= 10 octets= 1 000 Po= 1 000 000 000 000 000 000 octets
21
1 zettaoctet (Zo)= 10 octets= 1 000 Eo= 1 000 000 000 000 000 000 000 octets
24
1 yottaoctet (Yo)= 10 octets= 1 000 Zo= 1 000 000 000 000 000 000 000 000 octets
iii
Nasqaq : National Association of Securities Dealers Automated Quotations est le deuxième plus
important marché d'actions des États-Unis, en volume traité, derrière le New York Stock Exchange.
iv
Open Data : C'est une donnée numérique d'origine publique ou privée. Elle est diffusée de manière
structurée selon une méthode et une licence ouverte garantissant son libre accès et sa réutilisation
par tous, sans restriction technique, juridique ou financière.
v
Cloud : C'est l'exploitation de la puissance de calcul ou de stockage de serveurs informatiques
distants par l'intermédiaire d'Internet.
vi
API : C'est une interface de programmation.
vii
RFID : c'est une méthode pour mémoriser et récupérer des données à distance en utilisant des
marqueurs appelés « radio-étiquettes ».
viii
NFC : La communication en champ proche (Near Field Communication) est une technologie de
communication sans fil à courte portée et haute fréquence.
ix
Bookmarking : C'est une façon pour les internautes de stocker, de classer, de chercher et de
partager leurs liens favoris.
x
Dashboard : C'est un tableau de bord. De nombreux outils et applications liés au marketing digital
utilisent des dashboards.
xi
Display Advertising : C’est la version en ligne de la publicité classique. On dispose les messages sur
des supports, les sites. On distingue le display du search : liens avec les sites des annonceurs, ces
liens s’affichant quand l’internaute fait une recherche sur un moteur, à l’aide de mots-clés ou lorsqu’il
consulte un site.
Source du lexique : Wikipédia
100