Mener un projet Big Data et Marketing en entreprise

Publié le 29/11/2015 | Jérémy Grèze

Les marketeurs ont bien compris que le Big Data leur offrait une occasion rêvée d'élargir leur domaine de compétences et leurs techniques pour servir leurs intérêts. La connaissance client, qui est au cœur de la stratégie marketing, peut bénéficier de la digitalisation de la société et de l'exploitation de la donnée par les nouvelles techniques du Big Data.

« Data is the new oil » a déclaré le consultant Clive Humby en 2006 au ANA Senior Marketer’s Summit. Il compare ainsi la donnée au pétrole qui a besoin d’être raffiné pour être transformé en ressource à valeur ajoutée comme l’essence, le plastique, et devenir une activité rentable. La donnée brute a besoin être travaillée, analysée, afin d’être bénéfique économiquement.

Pourtant, un risque pour le marketing est de tomber dans un phénomène de mode et de considérer le Big Data comme une réponse à tous les problèmes. En entreprise, on peut voir les expérimentations (les POCs) se succéder avec des enjeux tangibles et des bénéfices économiques plutôt faibles. Dans le « Hype Cycle » du cabinet Gartner, on retrouve d'ailleurs cette idée que les nouvelles technologies sont souvent prises d’un engouement démesuré avant un désenchantement (cf Hype Cycle: Big Data is Out, Machine Learning is in).

Entre opportunité nouvelle pour le marketing et risque de confusion voire d’échec, le Big Data est le nouveau quotidien des services marketing. Ainsi, quels sont les éléments qui permettent aux entreprises de réussir leurs projets Big Data et marketing ?

En septembre dernier, j'ai soutenu mon mémoire de fin d'études pour le Master Programme Grande École de KEDGE Business School. Avec ce mémoire, intitulé Mener un projet Big Data et Marketing en entreprise, j'ai fait la synthèse de mes expériences acquises en cours de statistiques, de marketing et de mes premiers 18 mois chez Dataiku pour répondre le plus objectivement possible à cette problématique. Le mémoire ayant été très favorablement reçu, je partage ici pour les étudiants et les professionnels quelques éléments de réponses sur la centaine de pages.

Plan

Le mémoire a suivi une progression logique, pour aller de la théorie vers la pratique. Il a fallu tout d'abord redéfinir le Big Data, présenter les technologies majeures dont disposent les entreprises et les services marketing, faire la part des choses entre ce qui est réalisable dans les projets et ce qui relève du mythe. Les modèles de machine learning sont au cœur de la valorisation des données mais souvent mal compris.

La seconde partie s'est concentrée sur le déroulement des projets Big Data et marketing. Il s'agit d'étudier les enjeux pour les services marketing, le déroulement de ces projets, leur pilotage et la gouvernance que cela requiert, et enfin sur les problèmes à anticiper.

Une étude de cas d'un tel projet mené au sein d’une entreprise française a été présentée en troisième partie. Des bonnes et mauvaises pratiques ont été identifiées, notamment à l'aide des deux premières partie. Cette étude de cas étant confidentielle, je ne pourrai pas dévoiler des résultats précis.

Résultats

Je souhaite ici présenter quelques apports du mémoire, sans aucune hiérarchie et sans exhaustivité, qui sont nourris tant de l'écrit que de la soutenance orale.

Le "buzz" autour du Big Data est surement ce qui gêne le plus la réussite des projets marketing en entreprise. Sans entrer dans les détails, le terme est mal choisi, la définition peu précise. Des confusions apparaissent sur la volumétrie des données, sur leurs structures, sur les technologies, sur les profils nécessaires, etc. Ce n'est pourtant pas le plus important.

Dans l’entreprise, le Big Data est rarement un défi technologique à lui seul. Il vient plutôt bouleverser les habitudes et les silos, il incite à la réflexion atour de la stratégie de l’information de l’entreprise. C’est un défi stratégique, nécessitant une réorganisation de l’entreprise des différents métiers et notamment du marketing.

Pour initier et favoriser l’émergence de ces projets, une réorganisation interne et une nouvelle gouvernance sont à mettre en place. Il s’agit en effet de trouver et organiser les compétences nécessaires (mathématique, technologique, métier). Le modèle de l’entreprise data driven est recherché. Le Data Lab avec une équipe transverse et pluridisciplinaire pour piloter ces projets semble être la réponse la plus courante en grande entreprise.

La définition d’un objectif clair et suffisamment précis dès le départ par le management et par les équipes marketing semble être un atout dans la réalisation. Un exemple d'un objectif pas assez précis: améliorer la connaissance client. De fait, presque tout projet Big Data et marketing améliore la connaissance client. Il faudra ainsi préciser d'avantage l’objectif, par exemple en envisageant dès le départ des leviers d’activation (à lire: 20 cas d'application Big Data et Marketing).

Le rôle du data scientist est important, mais tout un projet ne peut reposer sur lui. Une équipe mixte permet l'alliance des compétences, avec notamment l'apport de la connaissance des données business et marketing, des leviers d'activations. Les leviers d'activations devraient être menés par les métiers.

Des métriques, des tableaux de bord et des calculs de ROI sont à construire pour suivre la réalisation et mesurer la performance d'un projet au quotidien. Le partage de l’information en interne est vital pour le pilotage du projet.

Le bénéfice du projet pour l’entreprise est bien plus large qu'un retour sur investissement: augmentation de la connaissance client, montée en compétence des équipes, meilleure maitrise technologique, etc. Ces avantages indirects entrainent généralement un enthousiasme dans l'entreprise et permettent de lancer de nouveaux projets.

La gestion du risque sur la vie privée est souvent délaissé. Il existe une certaine méconnaissance sur le sujet dans les entreprises. C'est une zone d’ombre autour du Big Data. Les entreprises doivent créer une relation de confiance, et pour cela communiquer avec leurs clients. Aujourd’hui, cette démarche ne peut être que volontaire, car la législation est encore assez pauvre et peu contraignante.

Enfin, un petit regret (partagé par le jury de soutenance): trop souvent, les projets Big Data et marketing menés restent « classiques », traditionnels, ordinaires. On optimise et on segmente beaucoup, mais peu de projets pour une « nouvelle relation client » ou un « service innovant » voient le jour. Par exemple, on a un Siri ou un Google Now sur notre smartphone, pourquoi n'y aurait-il pas une nouvelle façon de communiquer avec les marques tirant partie du Big Data ?

Quelques ressources utilisés

Le mot de la fin

Je remercie chaleureusement toutes les personnes qui m'ont aidé pour ce mémoire, notamment mon entreprise, mes collègues, mon école et mon tuteur.

J'espère que cet article pourra aider des étudiants à entreprendre des études ou des travaux sur le sujet. On trouve encore difficilement des retours d'expériences en ligne sur le sujet.

Le mémoire étant désormais derrière moi, je vais me concentrer sur l'écriture de nouveaux articles sur le blog. N'hésitez pas si vous avez des suggestions de sujets.