Le big data. Ce terme résonne de toutes parts comme le Saint Graal des entreprises. Pourtant, porter son attention sur des petites parties d’informations pourrait avoir un impact tout aussi important. C’est en tout cas ce qu’a affirmé Gary Kearns (MasterCard) lors du World Retail Congress de Paris, ainsi qu’à Gondola.
En tant que Group Executive Information Services, l’Américain est responsable de l’analyse des données chez MasterCard, une entreprise ayant accès à une énorme quantité de données concernant le comportement d’achat des consommateurs dans le monde entier. Et pourtant, il plaide en faveur d’une attention accrue pour le « little data ».
Quel est le problème du big data ?
Nous nous sommes aperçus que la plupart de nos clients (ndlr : parmi lesquels des détaillants) sont impressionnés par le big data. Ils sont persuadés qu’ils doivent collecter et stocker la moindre petite particule de données, ce qui les paralyse. J’aime affirmer que l’on nage dans les données, sans jamais étancher sa soif. Pourtant, chaque problème n’exige pas nécessairement une quantité indénombrable de données. Dans certains cas, tel lot de données est plus utile que tel autre. Il est donc au moins aussi important de connaître la nature du problème à résoudre et le résultat que l’on souhaite atteindre à l’aide des données disponibles.
Qu’est-ce que le little data ?
Voici ce que nous faisons : nous prenons le big data et nous le déstructurons jusqu’à obtenir de plus petits ensembles de données. Les octets pertinents ainsi isolés forment le « little data ». Il faut ensuite distinguer les données qui nous sont nécessaires de celles qui ne le sont pas. Il est en effet évident que nous n’avons pas besoin de tous les types de données de la planète. Il nous est ensuite aisé de les rendre plus digestes en recourant aux technologies modernes et en collaborant avec des experts. Nous voulons ainsi simplifier le big data et en briser le mythe.
Comment cela fonctionne-t-il concrètement ?
Il s’agit avant tout de définir le problème, puis seulement d’examiner ce que les données nous en disent. Si un détaillant souhaite, par exemple, connaître l’impact de la météo sur les ventes, nous pouvons réaliser un modèle spécifique. Les détaillants eux-mêmes disposent d’une énorme quantité de données, mais ils ne savent pas toujours comment les utiliser. Dans ce cas, il est très important de cibler les données pertinentes. Est-il nécessaire, par exemple, de conserver tout ce qui se dit dans les médias sociaux à propos de votre entreprise ? N’est-il pas plus utile de faire procéder à une analyse pour savoir dans quelle mesure elle est appréciée ?
Vous proposez pourtant le big data à vos clients avec MasterCard ?
C’est exact. Nous disposons des données d’achat de tous nos titulaires de carte. En une heure, nous pouvons avoir les détails de 150 millions de transactions, anonymes bien entendu. Nous ne possédons donc aucune information individuelle, mais nous pouvons apporter une connaissance précieuse. Nous pouvons, par exemple, montrer à un détaillant ce que font ses clients dans d’autres magasins, grâce à quoi il pourra mieux les comprendre et prédire leur comportement d’achat. Les données concernant le comportement d’achat sont d’ailleurs les données suprêmes. Plus vous possédez d’informations sur le client, mieux vous le comprenez. Le plus important c’est de toujours vous demander quelles sont les données dont vous avez réellement besoin pour le comprendre.