Leçon 2 : Le Big Data expliqué aux marketeurs

« Le job en vogue dans les 10

prochaines années sera statisticien (...)
La faculté de prendre des données et
être capable de les comprendre, de les
traiter, d’en extraire de l’information,
ainsi que de les visualiser et de les
communiquer »
Hal Varian
(Google’s chief economist)
L’idée du Big Data?
L'idée de base derrière l'expression Big Data est que tout
ce que nous faisons, laisse de plus en plus de traces
numériques, que nous pouvons utiliser et analyser.

«Big Data est la prochaine frontière pour

l'innovation, la concurrence et la
productivité ». McKinsey & Company
Qu'est-ce que le Big Data?
En ensemble de données volumineuses
et hétérogènes dont la collecte, le
stockage, la gestion et le traitement ne
peuvent être assurés par les outils
classiques de gestions de données dans
un délais raisonnable.
Il donne donc naissance à une
technologie éponyme donc la structure
et les fonctionnalités sont basées sur le
volume, la variété et la vitesse (collecte &
traitement) qui caractérisent ces
données.
Où trouve t-on les données du Big
Data?

Big
Data
Lorsqu’on parle de Big Data
Sur Wikipédia, on peut lire :

Ensembles de données qui deviennent tellement gros

1 qu'ils en deviennent difficiles à travailler avec des outils
classiques de gestion de base de données.

Les perspectives du traitement des big data sont

énormes, notamment pour l'analyse d'opinions ou de
2 tendances industrielles, la génomique, l'épidémiologie
ou la lutte contre la criminalité.

La production de données par les utilisateurs, et notamment

3 le partage d'informations ubiquitaires augmentent le nombre
de données pouvant être traitées.
Caractéristiques du Big Data

la règle des 3V :
• Volume
• Variété
• Vélocité
Propriétés des données Big Data

▪ Données non structurées

▪ Produites en temps réel
▪ Arrivent mondialement en flots continus
▪ Méta taguées (localisation, heure, jour, etc.)
▪ Proviennent de différente sources (téléphone mobile,
capteurs, téléviseurs connectés, tablettes …),
▪ de façon désordonnée et non prédictible.
Utilité de l’analyse des Big Data

1 Comprendre des phénomènes

2 Analyser des comportement

3 Faire de la prédiction
Applications de base du Big Data en
marketing

1. Le retargeting

2. Le Marketing Automation

3. L’analyse prédictive
1. Le retargeting

Le concept :

Trier les internautes de votre site

web en fonction du ciblage ou de
nombreux facteurs (période,
météo, heure, etc.).

Cibler précisément et utiliser les supports Display comme

AdWords ou les networks et les régies des grands médias
pour publier des annonces personnalisées.
1. Le retargeting
2. Le Marketing Automation

Il s’agit de l’ensemble des

techniques qui permettent
de déclencher et conduire
une campagne marketing
quasiment sans intervention
humaine.
2. Le Marketing Automation
Les relances automatisées en marketing utilisent aussi le
Big Data par l’intermédiaire des DMP (Data Management
Platforms).
L’utilisation des DMP facilite l’agrégation des nombreux
flux de données pour les entreprises de mieux cibler les
prospects.
3. L’analyse prédictive
Il s’agit de l’analyse des données et informations récoltées sur les
consommateurs afin de prévoir leurs comportements et leurs besoins
potentiels.
…Lorsqu’on approche du Big
Data
Acquérir rapidement un volume et une variété des
données importantes tout en accélérant le
processus d’analyse (établissement des
algorithmes entre les données) permet de faire des
prévisions en temps réel et de prendre des
décisions plus pertinentes.

Savoir comment un budget supplémentaire peut augmenter

les rendements
Comprendre comment les différents niveaux de dépenses
affectent les revenus
Déterminer le potentiel des campagnes particulières
Le Big Data c’est aussi…

Le bon moment

Le bon canal Le bon client

Le Big Data s’impose donc comme le seul

remède possible au SPAM, afin de
s’assurer que nos messages ont un bon
écho auprès des clients, et que les bons
messages vont vers les cibles réelles.
Exemple de T-Mobile

▪ Grâce au Big Data, T-Mobile cible les clients qui ont une forte
présence dans les réseaux sociaux. Ils peuvent influencer
des consommateurs potentiels, et bénéficient ainsi des
avantages.
▪ T-Mobile repond d’une manière proactive par rapport aux
préoccupations et sentiments des consommateurs.
▪ L’entreprise a ajoutée 2,1 millions de clients pour le deuxième
trimestre 2015.
Exemple de la FNAC

▪ Collecter des données via le programme adhérents et les

boutiques multicanal.
▪ TinyClues: Une solution qui fonctionne en mode ‘boîte noire’, il
permet d’apprendre par l’expérience les éléments déterminants de
telle ou telle typologie d’achat.
▪ La solution se base sur deux types de données : des informations
en base et des événements.
Cela a permis de générer une hausse de 30 % en termes de chiffre
d’affaire.
Exemple de American Express

▪ American Express utilise le Big Data pour analyser et prédire le

comportement du consommateur.
▪ En examinant les transactions historique et en incorporant plus
de 100 variables.
▪ Ils peuvent prévoir 24% des comptes qui fermeront dans les
quatre mois suivants.