Données : les tendances de fond qui vont marquer l'année
Le domaine de l'enrichissement des données est en ébullition. Les puissantes solutions d'analyse de données sont en train de gagner leur pari : doper le potentiel commercial des données.
Les tendances pour cette année donnent la priorité à la protection de la vie privée, et mettent en avant le large éventail d’applicatifs construits autour de l’intelligence artificielle (IA) et du machine learning (ML). Pour de nombreuses organisations, l’engagement auprès des clients continue d’être une priorité car la qualité de leur expérience a pris de plus en plus d’importance depuis le début de la pandémie de Covid.
Machine learning : des données enrichies pour un meilleur apprentissage
L’intelligence artificielle et le machine learning sont en vogue et s’améliorent très rapidement. En parallèle, le rapport coût/bénéfice des analyses haute performance qu’elles offrent devient de plus en plus attractif. Les décideurs vont donc investir massivement dans ces deux technologies dans le but d’obtenir des avantages concurrentiels significatifs. Mais recourir à l’IA et au machine learning ne se fait pas sans quelques mises en garde. Malgré leur appellation, ces technologies ne sont pas intrinsèquement intelligentes. Elles ne peuvent fournir des informations fiables que dans la mesure où elles sont bien alimentées avec de bonnes données de base.
En 2020, la crise sanitaire mondiale a radicalement bouleversé les habitudes. Un changement de cette ampleur peut immédiatement rendre un modèle technologique obsolète. Si l’intelligence artificielle et le machine learning doivent fournir des informations précises, les modèles d’apprentissage automatique doivent être validés par rapport à des données précises et à jour. Il y a un corollaire ici, à savoir que les connaissances à tirer de l’IA et du ML dépendent de la variété, de la pertinence et de l’exactitude des données utilisées pour former et valider les modèles sous-jacents. Pour pratiquement n’importe quel scénario donné, cela implique l’utilisation de données enrichies. Pour être vraiment efficaces, les modèles de machine learning doivent être construits à l’aide de données très pertinentes, et pas seulement sur celles qui sont disponibles en interne. Si les data scientists alimentent de manière proactive leurs algorithmes en IA avec les bonnes données enrichies, ils obtiendront de meilleurs résultats qui généreront une valeur commerciale plus élevée.
Une bataille continue pour conquérir le consommateur
Pendant des années, les grandes compagnies d’assurance, les fournisseurs de services financiers et d’autres ont tiré parti de la puissance de l’enrichissement des données pour développer des profils sophistiqués et multidimensionnels de leurs clients et prospects. Au fur et à mesure que l’analyse est devenue plus puissante et abordable, et que le marketing digital a acquis une portée plus large, de plus en plus d’entreprises ont compris l’intérêt d’interagir plus profondément et à grande échelle avec leurs clients.
La pandémie de Covid a considérablement accéléré cette tendance. Les consommateurs ont massivement adopté de nouveaux comportements en ligne. Dans le même temps, de nouveaux canaux ont émergé tels que les médias sociaux, les messageries texte et la vidéo en ligne. Pour gérer efficacement l’engagement client, les entreprises doivent désormais tenter de connecter les comportements en ligne de leur public à leurs activités hors ligne. Pour vraiment comprendre le parcours client, il est crucial d’être capable de lier son activité en ligne à sa visite dans un magasin physique, voire chez un concurrent.
En enrichissant les informations clients existantes avec des données de mobilité, des profils démographiques et d’autres informations pertinentes, les entreprises peuvent obtenir une vue complète à 360° de chaque client. Cette approche leur donne alors un avantage significatif par rapport à une expérience client générale. Elles peuvent mieux comprendre comment un consommateur pense, quand il est susceptible de faire un achat, ou s’il envisage de passer chez un concurrent. L’analyse des clients construite autour d’un ensemble enrichi de données consommateurs tierces permet aux organisations d’interagir avec chaque individu selon ses propres attentes.
Adoption plus large de l’intelligence de localisation
L’utilisation des données de localisation continuera de prendre de l’ampleur cette année. Pour les distributeurs qui cherchent plus de proximité client, ou pour un assureur dont l’objectif est de mieux comprendre les modèles de trafic, la localisation est cruciale.
L’intelligence de localisation a des implications beaucoup plus larges, en particulier avec l’avènement des appareils mobiles et le nombre croissant de points de données géospatiales qui mettent en lumière le comportement des consommateurs, les bâtiments et autres structures, les frontières politiques et administratives, le trafic routier, les conditions météorologiques ou encore les infrastructures de télécommunications.
La grande majorité des données ont une relation particulière avec le monde physique. Les personnes, les bâtiments et les objets existent dans le temps et l’espace. Qu’il s’agisse de l’adresse du domicile d’un client, de la distance d’un lieu par rapport à la caserne des pompiers la plus proche ou de la proximité d’un relais de téléphonie mobile avec des zones densément peuplées, les données géospatiales sont pratiquement toujours présentes. L’enrichissement des données géospatiales déverrouille le contexte d’une manière unique et puissante.
Une plus grande attention à la protection de la vie privée
Nous constatons une forte tendance à accorder une plus grande attention à la protection de la confidentialité et de la sécurité des informations personnelles. Le Règlement Général sur la Protection des Données (RGPD) est en vigueur en Europe depuis plusieurs années, mais il continue d’évoluer à l’aune des pratiques condamnées par les tribunaux, et change la donne pour de nombreuses entreprises.
La réglementation n’est cependant pas le seul facteur de cette plus grande attention. Apple, Mozilla et Google ont tous annoncé leur intention de limiter ou de bloquer les cookies de suivi tiers. Certains ont déjà implémenté des fonctionnalités à cette fin. Ensemble, ces trois sociétés représentent plus de 85% du marché mondial des navigateurs Web, de sorte que l’impact sur la collecte de données est considérable.
Des mesures similaires sur les appareils mobiles ont une incidence sur la protection de la vie privée. Apple et Google permettent tous deux aux utilisateurs de bloquer les identifiants publicitaires mobiles et ajoutent des fonctionnalités pour donner aux individus un plus grand pouvoir dans la protection de leur vie privée par rapport à des applications mobiles spécifiques.
Bien que cette tendance vers une plus grande confidentialité rende plus difficile pour de nombreuses entreprises la collecte des données auprès d’utilisateurs individuels, il existe une voie viable pour les organisations qui souhaitent continuer à utiliser ces informations à des fins d’analyse. En travaillant avec des données sélectionnées provenant de sources qualifiées, les entreprises peuvent s’assurer qu’elles obtiennent des données de haute qualité recueillies à partir de sources approuvées et acceptées par les utilisateurs finaux.
Les tendances des données pour cette année indiquent ainsi une utilisation accrue de l’enrichissement, l’un des quatre piliers de l’intégrité des données, qui comprennent également la qualité, l’intégration et l’intelligence géospatiale.