Quel est l'interet de la data dans la recherche d'insight ?

De wikidatamarketing
Sauter à la navigation Sauter à la recherche


Nous n’avons jamais eu autant de matière pour analyser les comportements des consommateurs, et identifier des insights clés, pertinents et opérationnels, notamment grâce à la data, mais la data suffit-t-elle ?


Parlons plutôt DES datas

Aujourd’hui, usuellement, on parle de LA data, en pensant à la big data, cette data issue de l’écosystème digital qui représente de grands volumes de données avec un niveau de granularité très important. Mais il serait plus juste de parler DES datas, y compris quand on parle du digital, tant le type de données disponibles est large et diversifié.

Il existe tous type de sources de data différentes : les datas digitales ad-centric ou site-centric, mais aussi sociales (issues des conversations spontanées des internautes sur la toile) ou de géolocalisation. Mais il ne faut pas oublier aussi les données d’audience on line ou off line, les données déclaratives, issues du monde des études dites traditionnelles (études, panel, sondage…) ou encore les données transactionnelles ou CRM qui appartiennent aux marques.


Chaque data est un point de vue

Qu’elle soit big ou small, agrégée ou individuelle, déterministe ou probabiliste, digitale ou off-line, déclarative ou passive, media ou CRM, structurée ou non structurée (image, texte…) …. chaque type de data doit se lire en regard de son mode de collecte, et de sa nature, car elle correspond à une information spécifique qui s’inscrit dans un contexte de recueil et donc de lecture.

Si on prend l’exemple de la cuisine, de nombreuses sources de données nous permettent d’appréhender ce sujet mais chacune sous un angle différent: l’usage de l’application Marmiton nous donnera une idée de l’appétence à cuisiner soi-même, les requêtes search, les tendances des plats à la mode, le social listening, les principales préoccupations alimentaires, les données des distributeurs, les principales tendances de consommation, l’audience des émissions de cuisine à la télévision, l’intérêt pour les beaux plats et le bien manger, quand une étude dédiée nous permettra d’avoir le point de vue du consommateur sur son rapport à la cuisine.

Ainsi chaque data nous raconte une histoire, donne un point de vue spécifique, révèle une certaine vérité, différentes réalités qu’il convient de confronter pour appréhender le sujet sous toutes ses dimensions. L’avenir est d’ailleurs à l’hybridation des données, qui seule permettra d’avoir une lecture globale des comportements et d’approcher la singularité de chacun.


La data n’est pas l’Insight

On a tendance à considérer que la data est synonyme d’insight, mais la data n’est qu’un ingrédient parmi d’autres qui permet de détecter un Insight.

Bien sûr aujourd’hui, la technologie permet grâce à la data science, au machine learning ou l’intelligence artificielle, de traiter rapidement les données et de faire ressortir des corrélations statistiques, des comportements atypiques, et même de prédire des comportements, que nous n’aurions jamais détecté seuls. Cependant croiser des données, en sortir des chiffres, identifier les corrélations, ne suffit pas. Il est facile de confondre corrélation et causalité, et d’arriver à des conclusions totalement déconnectées des réalités opérationnelles.


Point d’Insight sans Intelligence métier et humaine

L’insight ne s’auto-génère donc pas, il se construit de notre capacité à rendre les datas intelligentes (et pas simplement intelligibles), à prendre du recul, dezoomer, contextualiser, analyser, les mettre en perspective avec notre connaissance de l’environnement et nos enjeux métiers, autrement dit en confrontant la data à l’intelligence métier et humaine qui lui donne du sens.

Que la data soit par essence connectée à des objectifs précis, comme les données issues des adservers ou encore les données issues d’études dites traditionnelles, ou qu’on l’utilise à postériori pour identifier / comprendre des comportements comme dans le social listening, il est indispensable de savoir pourquoi on l’utilise : dans quel but ? à quelle problématique, à quel enjeu business ou marketing cherche-t-on à répondre ? De l’objectif dépendra idéalement le choix des jeux de données, ou en tous cas l’axe d’analyse appliqué et, donc la qualité et l’opérationnalité des Insights générés.


La data, dans tous ses états, est donc un extraordinaire terrain de jeu, une source devenue indispensable mais elle ne se suffit pas, encore faut-il savoir la questionner, la traiter, l’analyser, et la (re)connecter aux besoins des marques pour la transformer en Insight. C’est bien là tout l’enjeu de demain.


Auteur : Sonia ETIENNE, DGA Analytics et Insights, Epsilon France, Publicis Media France, membre de l'UDECAM.